改进M-training算法的高光谱图像分类

为了解决高光谱数据有标签样本数量有限的分类问题,提出将M-training算法应用于高光谱图像分类。采用两个SVM、一个K近邻(KNN)以及一个随机森林(RF)进行分类器组合,对传统M-training算法进行改进,增强分类器的多样性和差异性。为了充分考虑大量无标签样本的影响,采用有标签样本与无标签样本错误率加权作为有标签样本集更新的限制条件,从而有效地扩大了有标签样本集。实验结果表明:改进算法和传统的M-training算法相比较,在总体分类精度与Kappa系数上分别提高1. 85%～12. 10%与0. 021 5～0. 141 3,从而验证了该算法的有效性。     

基于Web草原遥感影像与专题图半透明叠加系统的初步实现

以内蒙古锡林郭勒盟的基础专题图和正蓝旗的遥感影像为研究对象,系统地介绍了遥感影像与专题图基于Web叠加的关键技术,并通过综合应用现代信息技术,运用网络地理信息系统(WebGIS)原理和理论,使用Java开发语言设计开发试验版的WebGIS小软件,初步实现了遥感影像与专题图在Web上半透明叠加的系统。