|
|||||
|
|
| 基于PCA+RBF的多光谱卫星遥感影像分类 | |
| 引用本文： | 周峰,潘和平,杜志顺,付华,李广亮. 基于PCA+RBF的多光谱卫星遥感影像分类[J]. 物探化探计算技术, 2008, 30(2): 158-162 |
| 作者姓名： | 周峰 潘和平 杜志顺 付华 李广亮 |
| 作者单位： | 1. 中国地质大学,信息工程学院,武汉,430074;中国地质大学,地球物理与空间信息学院,武汉,430074 2. 中国地质大学,地球物理与空间信息学院,武汉,430074 3. 中国地质大学,信息工程学院,武汉,430074 |
| 摘 要： | 多光谱卫星遥感影像具有波段多,信息量大的特点,传统的分类方法难以达到比较高的精度.这里首先采用主成份分析对多波段遥感图像进行降维,再采用训练后的RBF(radial basis function)神经网络做图像的监督分类.通过对ETM 的遥感数据进行实验,结果表明,这种分类方法的分类精度,明显优于最大似然法、最小距离法等传统的分类方法.同时,与基于像元的RBF神经网络法相比,也有一定的优势. |
| 关 键 词： | 主成份分析 RBF神经网络 多光谱 监督分类 多光谱 卫星遥感 影像分类 IMAGES SATELLITE PRINCIPAL COMPONENT ANALYSIS BASED RBF NEURAL NETWORK 优势 网络法 神经网络 像元 最小距离法 最大似然法 分类精度 结果 实验 遥感数据 监督分类 多波段遥感图像 |
| 文章编号： | 1001-1749（2008）02-0158-05 |
| 收稿时间： | 2007-03-05 |
| 修稿时间： | 2007-10-16 |
THE CLASSIFICATION OF RBF NEURAL NETWORK BASED ON PRINCIPAL COMPONENT ANALYSIS TO MULTISPECTRUM SATELLITE REMOTE-SENSING IMAGES |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 维普 万方数据 等数据库收录！ | |