首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 421 毫秒

1.  土地利用遥感分类方法研究进展  被引次数:6
   张若琳  万力  张发旺  石迎春《南水北调与水利科技》,2006年第4卷第2期
   遥感技术已经广泛的应用于土地利用与土地覆盖数据获取中。现综合分析了目前主要的遥感图像分类方法, 将遥感图像分类方法归纳为:基于传统统计分析的分类方法、神经网络分类方法、模糊分类方法、决策树分类方法、专家系统分类方法,并对各种方法的应用情况进行了综述,并总结出各种分类方法应用特点。    

2.  基于统计分析的遥感图像分类方法  
   曹扬  洪金益《西部探矿工程》,2008年第20卷第4期
   在常规的遥感图像分类中,监督分类和非监督分类是两种主要的方法,是按照光谱的统计特性进行分类的.主要针对监督分类和非监督分类一些常用的方法加以说明,各列举了两种比较常用的方法及其现状.    

3.  一种鲁棒性的遥感图像地域分类新方法  
   陈以超  洪汉玉  王俊  张剑  王成刚《微机发展》,2007年第17卷第8期
   目前遥感图像分类算法面临的主要问题是分类精度与算法复杂度的矛盾及算法缺乏鲁棒性。为此,提出了一种基于特征空间重采样的非参数化核密度估计聚类与边缘检测相融合的多模型鲁棒性遥感图像分类方法。首先对遥感图像进行边缘检测以获取图像中每个像素的边缘梯度和方向信息;然后利用重采样策略,在联合域中对新的样本集合进行加权均值平移滤波,找到图像各区域的核密度函数局部最大值,通过迭代移动附近的数据点到此局部最大值;最后对各个分割区域进行合并,得到最终的分类图。实验结果表明,算法可获得高精度的遥感图像分类结果,且具有很强的鲁棒性。    

4.  一种鲁棒性的遥感图像地域分类新方法  
   陈以超  洪汉玉  王俊  张剑  王成刚《计算机技术与发展》,2007年第17卷第8期
   目前遥感图像分类算法面临的主要问题是分类精度与算法复杂度的矛盾及算法缺乏鲁棒性。为此,提出了一种基于特征空间重采样的非参数化核密度估计聚类与边缘检测相融合的多模型鲁棒性遥感图像分类方法。首先对遥感图像进行边缘检测以获取图像中每个像素的边缘梯度和方向信息;然后利用重采样策略,在联合域中对新的样本集合进行加权均值平移滤波,找到图像各区域的核密度函数局部最大值,通过迭代移动附近的数据点到此局部最大值;最后对各个分割区域进行合并,得到最终的分类图。实验结果表明,算法可获得高精度的遥感图像分类结果,且具有很强的鲁棒性。    

5.  遥感图像监督分类在老挝波罗芬高原三水铝土矿找矿中的应用  
   高光明  武瑞芳《资源环境与工程》,2007年第21卷第4期
   在遥感图像的处理中,图像分类起到特征提取的作用。结合老挝波罗芬高原铝土矿普查项目,进行遥感图像分类尝试,从遥感图像分类的基本概念和特征出发,分析评价主要遥感图像分类方法的原理特点及监督分类方法的优势与局限性。监督分类以及野外调查、专家知识和特殊地区的分区分类有机地结合起来,大大提高了可操作性和分类精度,经分类处理所得铝土矿、铁矿及砂岩等分布面积,与野外填图实测的结果几乎一致,说明本区所采用的遥感图像监督分类方法对该区找矿十分有效。    

6.  一种多特征结合的遥感图像分类方法  
   俞璐  谢钧《计算机应用与软件》,2014年第11期
   遥感图像分类是遥感图像分析和理解的基础,是遥感图像研究中的重要内容之一。为提高分类效果,遥感图像分类中通常需要综合运用多种特征。提出一个新的基于特征级融合的遥感图像分类方法。将多种图像空间特征和光谱特征分别作为分类器的输入,将各分类器的概率输出拼接起来作为中间层特征再进行分类。该方法有效避免了多特征直接拼接存在的尺度问题。在Indian93和Flightline C1两个数据集上的实验结果表明该方法具有一定优势。    

7.  面向目标识别的遥感变化检测技术综述  
   李昂  刘方《数字技术与应用》,2012年第1期
   遥感图像目标检测与识别是遥感图像处理与分析领域备受关注的课题,其核心任务是判断遥感图像中是否存在感兴趣的目标,并对其进行检测、分类与确认。本文主要围绕面向目标的遥感变化检测技术,分析了各种遥感变化检测方法的特点,综述当前遥感图像目标检测与识别的主要处理方法,在此基础上指出研究中尚存在的问题和研究动向。    

8.  基于人工神经网络的遥感图像处理方法研究  
   吐热尼古丽  张晓帆《重庆科技学院学报(自然科学版)》,2006年第8卷第1期
   根据遥感图像的特性,介绍了人工神经网络在遥感图像分析与处理领域的各种应用,重点分析了基于人工神经网络的遥感图像分类与增强、遥感图像复原与重建、图像边缘检测与纹理信息提取等方法,在MATLAB平台下对基于BP神经网络的个别算法进行了实现,并说明了神经网络方法在遥感图像分析与处理技术中的应用潜力。    

9.  人工神经网络遥感分类方法研究现状及发展趋势探析  被引次数:13
   修丽娜  刘湘南《遥感技术与应用》,2003年第18卷第5期
   从人工神经网络技术本身出发,概括了其在遥感分类中的研究现状,分析了人工神经网络遥感分类方法与其它分类方法相比具有的优势,介绍了人工神经网络遥感分类的一些主要应用,并进一步对人工神经网络遥感分类方法的发展趋势进行了展望。    

10.  基于蚁群优化分类规则挖掘的遥感图像分类研究  被引次数:1
   戴芹  刘建波《计算机工程与应用》,2008年第44卷第15期
   蚁群优化算法作为群智能理论的主要算法之一,已经成功应用在众多研究领域的优化问题上,但是在遥感数据处理领域还是一个新的研究课题。蚁群优化具有自组织、合作、通信等智能化优点,对数据无需统计分布参数的先验知识,因此在遥感数据处理领域具有很大的潜在优势。介绍了将蚁群优化分类规则挖掘算法应用到遥感图像分类研究领域的理论与算法流程。并采用北京地区的CBERS遥感数据作为实验数据,通过蚁群优化算法构造分类规则,对选择的遥感数据进行了分类实验,并和最大似然分类方法进行对比,实验结果表明,蚁群优化分类规则挖掘算法为遥感图像的分类提供了一种新方法。    

11.  结构与光谱信息相结合的遥感图像分类方法  
   胡胜华 徐璐 张少青 郭妍《河北遥感》,2007年第2期
   对结合纹理信息与光谱信息的遥感图像分类方法进行了研究。首先介绍了常规的遥感图像分类方法,监督分类法和非监督分类法,并结合ERDAS软件和试验数据进行分类实验;接着引出纹理信息的概念,并探讨其在遥感图像分类中的应用,提取原数据中的纹理信息参与分类;最后,比较分析分类的结果,论证了结构与光谱信息相结合的遥感图像分类方法可行性。    

12.  遥感图像数据预处理研究  
   潘勇《数字技术与应用》,2010年第12期
   介绍了遥感图像处理软件选取、数据预处理的影像裁剪、投影设置、分类前预处理,给出了遥感图像数据预处理的研究方法。    

13.  用B—P神经网络实现多波段遥感图像的监督分类  被引次数:18
   李祚泳《红外与毫米波学报》,1998年第17卷第2期
   提出敢用B-P神经网络实现多波段遥感图像监督分类的方法,给出了用B-P神经网络对4种农作物的4波段遥感图监督分类实例。结果表明;与传统的分类法相比,在特征提取相对较少情况下,仍可获得符合实况的多波面遥感图像分类。    

14.  支持向量机在遥感图像分析与处理中的应用  被引次数:1
   彭玉林《通信技术》,2008年第41卷第9期
   由于遥感影像数据具有多传感器、多平台、多时相、多光谱和多分辨率的海量数据特点,对其分析与处理具有一定的困难,而支持向量机作为一种新的学习方法,恰好能有效解决遥感图像处理中常见的困难.结合遥感图像和支持向量机的特性,重点分析了支持向量机在遥感图像分类、遥感图像压缩、遥感图像特征提取等方面的应用.对支持向量机在遥感图像分析与处理中的应用趋势及有待进一步研究的问题进行了探讨.    

15.  一种基于Wedgelet变换的遥感图像分类算法  
   韩敏  林晓峰《红外与毫米波学报》,2008年第27卷第4期
   介绍了一种基于Wedgelel(楔波)变换的遥感图像分类算法.该算法将多尺度Wedgelet变换应用于遥感图像区域分割,在此基础上提取各分割区域的Gabor纹理特征实现对遥感图像的分类.为了检验该算法的可行性,将其应用于向海和查干湖遥感图像,并与灰度共生矩阵、高斯马尔科夫随机场等纹理分类算法进行了比较.结果表明,该算法要优于灰度共生矩阵及高斯马尔科夫随机场分类算法,能够得到较高的分类精度和Kappa系数.    

16.  基于遥感分类与数学形态学的道路信息提取  
   潘建平  李治《计算机工程与应用》,2010年第46卷第34期
   利用遥感图像获得完整道路信息网一直是信息提取的热点和难点,研究了结合遥感分类和数学形态学提取道路,以期获得满意的结果。遥感分类能有效区分人工地物与自然地物,因此能避免自然地物对提取的影响;数学形态学中的腐蚀和膨胀算子对地物边缘很敏感,一直是边缘信息提取的主要方法。实验表明该思路能快速有效提取道路信息。    

17.  一种遥感图像滤波处理方法  
   祝晓东《计算机测量与控制》,2006年第14卷第4期
   遥感图像大部分是直接以数字图像的形式取得的,遥感图像处理的目的主要是对遥感图像进行校正工作(包括幅射校正与几何畸变校正),以及针对不同应用领域进行不同的多光谱信息统计分类研究工作;滤波工作是遥感图像处理中的一个重要基础步骤,滤波效果的好坏,直接影响到遥感图像处理的最终精确度;文章首先分析了图像滤波处理的基本原理,然后介绍一种利用高级语育实现图像滤波处理的算法,在实验中以高通模板为例,经过高通滤波后,将图像中频率较高的部分突出显示,增强了图像的可识别率,证明了该方法的可行性。    

18.  ENVI遥感图像处理中几种监督分类方法的比较  
   金杰  朱海岩  李子潇  孙建伟《水利科技与经济》,2014年第1期
   遥感图像通过像元值的差异反映地物的光谱信息及空间变化原理来表示地物差异[1],为提取各类信息,图像分类尤为重要[2]。在遥感图像数据分类处理过程中,监督分类是普遍适用的一种分类方法[3]。为了评价几种监督分类的优势与缺点,主要选用SPOT5图像数据进行试验,介绍了监督分类中平行六面体、最小距离以及最大似然3种分类方法[4]。通过定义训练样本、训练样本评价、执行监督分类、分类结果评价等步骤[5],得出最大似然分类法的总体分类精度最高,制图精度和用户精度都很高,漏分误差和错分误差较低,而且计算时间较短,相对于另外两种分类方法更有应用优势。    

19.  基于变分贝叶斯ICA的遥感图像混合像元分析  
   董江山  李成范  赵俊娟  尹京苑  沈 迪  薛 丹《电讯技术》,2013年第53卷第9期
   混合像元已成为遥感图像处理、分类的难点和重点。独立分量分析(ICA)能够实现图像的去相关性以及得到相互独立的分量,但是,由于ICA模型的各成分独立性和数据统计分布规律的不变假设,影响了遥感图像分类精度。针对这一问题,提出了基于变分贝叶斯ICA(VBICA)的遥感图像分析方法,并利用遥感图像进行验证,结果表明:VBICA方法提取的独立分量具有均方根误差小、迭代次数少和稳定性较好的特点;基于VBICA方法的遥感分类精度达到了9155%,且目视效果较好;VBICA方法突破了ICA的局限性,提高了遥感图像自动分类精度,具有很好的应用前景。    

20.  基于变分贝叶斯ICA的遥感图像混合像元分析  
   董江山  李成范  赵俊娟  尹京苑  沈 迪  薛 丹《电讯技术》,2013年第53卷第10期
   混合像元已成为遥感图像处理、分类的难点和重点。独立分量分析( ICA)能够实现图像的去相关性以及得到相互独立的分量,但是,由于ICA模型的各成分独立性和数据统计分布规律的不变假设,影响了遥感图像分类精度。针对这一问题,提出了基于变分贝叶斯ICA( VBICA)的遥感图像分析方法,并利用遥感图像进行验证,结果表明:VBICA方法提取的独立分量具有均方根误差小、迭代次数少和稳定性较好的特点;基于VBICA方法的遥感分类精度达到了91.55%,且目视效果较好;VBICA方法突破了ICA的局限性,提高了遥感图像自动分类精度,具有很好的应用前景。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号