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 343 毫秒

1.  基于支持向量机的高光谱遥感图像分类  被引次数:11
   谭琨  杜培军《红外与毫米波学报》,2008年第27卷第2期
   多数传统分类算法应用于高光谱分类都存在运算速度慢、精度比较低和难以收敛等问题.本文从支持向量机基本理论出发建立了一个基于支持向量机的高光谱分类器,并用国产OMIS传感器获得的北京中关村地区高光谱遥感数据进行试验,分析比较了各种SVM核函数进行高光谱分类的精度,以及网格搜寻的方法来确定C和愕闹?结果表明SVM进行高光谱分类时候径向基核函数的分类精度最高,是分类的首选.并且与神经网络径向基分类算法以及常用的最小距离分类算法进行比较,分类的精度远远高于SVM分类算法进行分类的结果.SVM方法在高光谱遥感分类领域能得到广泛的应用.    

2.  基于松弛因子的快速独立分量分析算法的遥感图像分类技术  被引次数:2
   王小敏  曾生根  夏德深《计算机工程与应用》,2005年第41卷第7期
   多光谱遥感图像反映了不同地物的光谱特征,其分类是遥感应用的基础。独立分量分析算法利用了信号的高阶统计信息,对于多光谱遥感图像而言,算法去除了波段图像之间的相关性,获得的波段图像是相互独立的。但是独立分量分析算法有一个缺点,即计算量太大,影响了在多光谱遥感图像分类上的应用。M-FastICA算法同FastICA算法一样,它们的收敛依赖于初始权值的选择。通过在M-FastICA算法中引入松弛因子,使算法可以实现大范围收敛,得到更稳定的收敛效果。应用BP神经网络对独立分量分析算法预处理后的图像进行自动分类,其分类精度较原始遥感图像的精度均高,并且三种独立分量分析算法的分类性能也相当。    

3.  辅以纹理特征的典型盐渍区地表覆被遥感影像分类  
   樊彦国  侯春玲  郭若成  钱尊岩  张涛《遥感信息》,2011年第4期
   结合实测的盐渍地表光谱数据,采用经验线性法对遥感影像进行大气校正.分析了实测高光谱数据与遥感影像光谱值的关系,然后针对盐生植被光谱的相似性,对影像进行纹理特征提取.结合影像的纹理特征和光谱特征,运用神经网络分类法进行盐渍区地表覆被分类.结果表明辅以纹理特征的分类方法有效提高了盐生植被的分类精度.    

4.  一种用于多光谱纹理分类的ICA多尺度算子  
   胡文婷  董鸿燕  戚玉玺  田涛《青岛建筑工程学院学报》,2011年第1期
   针对像元数据为多维的多光谱遥感图像,提出了一种可用于多光谱纹理分类的ICA多尺度算子.首先定义用于描述纹理不同尺度特性的结构单元,然后联合所有波段下的结构单元建立起测量多光谱纹理特性的高维矢量,最后对这些矢量进行ICA分析,将得到的独立成分作为多光谱纹理特征用于分类.通过对Brodatz灰度纹理、VisTex彩色纹理以及实际的盐渍土多光谱图像的分类,试验验证了该算子的有效性.    

5.  一种用于多光谱纹理分类的ICA多尺度算子  
   胡文婷  董鸿燕  戚玉玺  田涛《青岛理工大学学报》,2011年第32卷第1期
   针对像元数据为多维的多光谱遥感图像,提出了一种可用于多光谱纹理分类的ICA多尺度算子.首先定义用于描述纹理不同尺度特性的结构单元,然后联合所有波段下的结构单元建立起测量多光谱纹理特性的高维矢量,最后对这些矢量进行ICA分析,将得到的独立成分作为多光谱纹理特征用于分类.通过对Brodatz灰度纹理、VisTex彩色纹理以及实际的盐渍土多光谱图像的分类,试验验证了该算子的有效性.    

6.  神经网络在高光谱图像分类中的应用  
   宋俊杰  葛志广  韩璞《数字社区&智能家居》,2009年第31期
   高光谱遥感图像作为一种新型的遥感图像,鉴于传统的遥感图像识别方法对这种图像的识别精度较低,该文采用BP神经网络方法对高光谱遥感图像进行识别和分类,并使用赤铁矿等六种矿石的光谱图像对神经网络进行训练,得到很好的效果。    

7.  神经网络在高光谱图像分类中的应用  
   宋俊杰  葛志广  韩璞《数字社区&智能家居》,2009年第11期
   高光谱遥感图像作为一种新型的遥感图像,鉴于传统的遥感图像识别方法对这种图像的识别精度较低,该文采用BP神经网络方法对高光谱遥感图像进行识别和分类,并使用赤铁矿等六种矿石的光谱图像对神经网络进行洲练,得到很好的效果。    

8.  基于改进独立分量分析的高光谱数据分类研究  被引次数:1
   王祥涛  冯燕  陈武《计算机仿真》,2009年第26卷第11期
   高光谱数据波段数目多,光谱信息量大,采用传统的分类方法无法取得较好的精确分类效果.针对上述问题,结合独立分量分析(ICA)和概率神经网络(PNN)在高光谱数据特征提取及分类中的优势,提出了一种改进的独立分量分析与概率神经网络相结合的高光谱数据分类方法,首先采用改进的独立分昔分析对高光谱数据进行降维,然后采用概率神经网络对提取的独立分量进行分类.通过仿真实验结果表明,方法可以在获得较高分类精度的同时大大节省分类的时间.    

9.  一种基于DBN的高光谱遥感图像分类方法  
   李新国  黄晓晴《电子测量技术》,2016年第7期
   高光谱遥感数据越来越普及并为人们广泛使用,基于高光谱数据的地面物体精确分类是高光谱遥感技术的核心应用之一。对高光谱数据进行提特征提取是进行地物分类的有效方法。深度学习是机器学习研究中的新领域,它多隐层的多层感知器结构使其能够学习到对数据有更本质的刻画的特征,在图像分类和可视化领域取得了更好的成绩。深度置信网(deep belief network ,DBN)是深度学习网络中常见的模型。利用高光谱数据的高维特性,搭建基于DBN的高光谱图像分类模型,结合高光谱数据的空间结构对地物进行分类。实验表明,基于DBN的高光谱图像分类方法可以得到更好的分类效果。    

10.  基于松弛因子改进FastICA算法的遥感图像分类方法  被引次数:2
   王小敏  曾生根  夏德深《计算机研究与发展》,2006年第43卷第4期
   多波段遥感图像反映了不同地物的光谱特征,其分类是遥感应用的基础.独立分量分析算法利用信号的高阶统计信息,去除了遥感图像各个波段之间的相关性,获得的波段图像是相互独立的.然而独立分量分析算法计算量太大,影响了其在多波段遥感图像分类上的应用.MFastICA算法可以改善FastICA算法的性能,减少计算量,但是同FastICA算法一样,其收敛依赖于初始权值的选择.在MFastICA算法中引入松弛因子,使算法可以实现大范围的收敛.应用BP神经网络对独立分量分析算法预处理后的图像进行自动分类,其分类精度比原始遥感图像的精度高,并且3种独立分量分析算法的最终分类性能相当.    

11.  基于数据融合的多特征遥感图像分类  被引次数:3
   刘安斐  李弼程  张先飞《数据采集与处理》,2006年第21卷第4期
   以多光谱图像为研究对象,综合利用遥感图像的光谱、纹理和数学变换特征,提出了一种基于数据融合的多特征遥感地物分类方法。该方法针对不同的特征分别构造了神经网络分类器和K-均值聚类器,并对前者利用Adaboost算法进行提升,然后再将各特征的分类结果利用证据理论合成公式融合得到最终结果。实验结果表明,该方法的分类效果要优于单特征的分类结果。    

12.  基于Contourlet变换的稀疏成分分析的高光谱图像分类研究  
   展金梅《电子世界》,2013年第21期
   本文介绍了稀疏成分高光谱遥感技术发展建立在多光谱遥感技术之上[1],兴分析和Contourlet变换相关的理论知识,研究了基于Contourlet变换的稀疏成分分析的高光谱图像分类方法——将高光谱图像分类问题转化为解决源信号提取的盲源分离问题。通过实验提取分类数据,计算分类精度。比较实验数据可知,基于Contourlet变换的稀疏成分分析的高光谱图像分类精度高,取得了较好的分类效果。    

13.  基于独立成分分析的图像颜色特征提取研究  
   赵蔷  郭新明  张晋平《电子设计工程》,2014年第8期
   结合独立成分分析(Independent Components Analysis,ICA)和最大相似度分类器(Maximum Likelihood)的特点,本文提出了一种基于ICA的多频谱遥感图像色彩分类的算法.该算法提取图像的色彩的独立成分,去除了图像的R、G、B之间的相关性,光谱独立成份用来聚集像素,使用Maximum Likelihood对像素进行颜色分类.实验结果表明,该方法识别性能好,准确度高,是对多频谱遥感图像的颜色特征提取的一种有效方法.    

14.  基于ETAFSVM的高光谱遥感图像自动波段选择和分类  被引次数:1
   戴宏亮  戴道清《计算机科学》,2009年第36卷第4期
   提出了一种新型的具有良好特性的支持向量机--全间隔自适应模糊支持向量机(TAFSVM),并提出一种新的遗传算法--智能遗传算法(IGA)来设计一个TAFSVM分类器,称为ETAFSVM,同时优化高光谱遥感图像自动波段选择和TAFSVM参数集,并且结合5-fold交叉验证来确定其泛化能力,最后将ETAFSVM应用于高光谱遥感图像数据.通过先进行自适应波段选择后再用径向基神经网络分类器、K-最近邻分类器和标准支持向量机等3种方法进行全部分类精度比较,以及与这3种方法直接进行类别分类精度和平均分类精度比较,其结果表明运用ETAFSVM不仅可以自动进行波段选择,而且分类精度较高,对Hughes现象敏感性较低,是进行高光谱遥感图像分类的一种有效方法.    

15.  基于多分类器集成的“北京一号”小卫星遥感影像分类研究  
   单丹丹  杜培军  夏俊士《遥感信息》,2011年第2期
   将多分类器集合应用于"北京一号"小卫星多光谱遥感数据土地覆盖分类,首先构建分类器集合,应用最小距离分类、最大似然分类、支持向量机(SVM)、BP神经网络、RBF神经网络和决策树等进行土地覆盖分类,然后利用Bagging、Boosting、投票法、证据理论和模糊积分法等分类器集成方法,得到综合不同分类器输出的最终分类结果。试验表明,多分类器集成能够有效提高"北京一号"小卫星土地覆盖分类的精度,具有广泛的应用前景。    

16.  深度卷积神经网络特征提取用于地表覆盖分类初探  
   张伟  郑柯  唐娉  赵理君《中国图象图形学报》,2017年第22卷第8期
   目的 地表覆盖监测是生态环境变化研究、土地资源管理和可持续发展的重要基础,在全球资源监测、全球变化检测中发挥着重要作用。提高中等分辨率遥感影像地表覆盖分类的精度具有非常重要的意义。方法 近年来,深度卷积神经网络在图像分类、目标检测和图像语义分割等领域取得了一系列突破性的进展,相比于传统的机器学习方法具有更强的特征学习和特征表达能力。基于其优越的特性,本文进行了深度卷积神经网络对中分辨率遥感影像进行特征提取和分类的探索性研究。以GF-1的16 m空间分辨率多光谱影像为实验数据,利用预训练好的AlexNet深度卷积神经网络模型进行特征提取,以SVM为分类器进行分类。分析了AlexNet不同层的特征以及用于提取特征的邻域窗口尺寸对分类结果的影响,并与传统的单纯基于光谱特征和基于光谱+纹理特征的分类结果进行对比分析。结果 结果表明在用AlexNet模型提取特征进行地表覆盖分类时,Fc6全连接层是最有效的特征提取层,最佳的特征提取窗口尺寸为9×9像素,同时利用深度特征得到的总体分类精度要高于其他两种方法。结论 深度卷积神经网络可以提取更精细更准确的地表覆盖特征,得到更高的地表覆盖分类精度,为地表覆盖分类提供了参考价值。    

17.  独立分量分析在多光谱遥感图像分类中的应用  被引次数:6
   曾生根  夏德深《计算机工程与应用》,2004年第40卷第21期
   多光谱遥感图像反映了不同地物的光谱特征,其分类是遥感应用的基础。但是在多光谱遥感波段图像中存在不同地物对应着相同的灰度,即异物同谱的问题。独立分量分析算法对未知的源信号的混合信号进行估计,可以获得相互独立的源信号的近似。独立分量分析算法利用了信号的高阶统计信息,对于多光谱遥感图像而言,算法去除了波段图像之间的相关性,获得的波段图像是相互独立的。但是独立分量分析算法有一个缺点,即计算量太大,影响了在多光谱遥感图像分类上的应用。文章对独立分量分析的一种快速算法FastICA进行改进,减少了计算量,提高了算法的有效性。在性能相当的情况下,改进FastlCA算法能有效地减少算法的计算量。由于FastICA算法是线性ICA算法,对于非线性混合的光谱信号的估计存在一定误差,因此应用BP神经网络的非线性特性对其进行自动分类。在同原始遥感图像的BP神经网络分类结果进行比较,结果表明独立分量分析算法能提高多光谱遥感图像的分类的正确率。    

18.  基于核熵成分分析的高光谱遥感图像分类算法  
   王瀛  郭雷  梁楠《吉林大学学报(工学版)》,2012年第42卷第6期
   根据核熵成分分析(KECA)的特点提出了基于凸面几何学概念的样本集选取方法和以特征空间光谱角为相似性度量的C-均值分类算法,并将其用于高光谱遥感图像分类。在HYDICE高光谱数据上的试验表明,本文提出的算法可以有效地提高分类精度。    

19.  多光谱遥感图像BP网分类器学习样本选取法的研究  被引次数:4
   于秀兰 钱国蕙《红外与毫米波学报》,1999年第18卷第6期
   通过分析多光谱遥感图像学习样本在光谱空间不同位置对BP神经网络分类器分类精度的影响,提出基于x2 分布的学习样本选取方法,并应用于TM 图像分类.对6 种地物应用不同样本选取法训练的BP网分类器和Bayes分类器的分类结果比较表明:本方法分类精度明显高于Bayes分类器和其它样本选取法得到的BP网分类器,并具有学习样本数量少等特点    

20.  多种分类器融合的遥感影像分类  
   张丹  杨斌  张瑞禹《遥感信息》,2009年第5期
   在遥感影像分类应用中,不同分类器的分类精度是不同的,而同一分类器对不同类别的分类精度也是不相同的。多分类器结合的思想就是利用现有分类器之间的互补性,通过适当的方法将不同的分类器之间进行优势互补,往往可以得到比单个分类器更好的分类结果。本文研究了如何在Matlab下采用最短距离分类器、贝叶斯分类器、BP神经网络分类器对影像进行分类,并采用投票法进行多种分类器结合的遥感影像分类,最后进行分类后处理。实验结果表明多分类器结合的遥感影像分类比单一分类器分类的精度高。    

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