排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
4.
5.
6.
基于改进最大似然方法的多光谱遥感图像分类方法 总被引:1,自引:0,他引:1
最大似然(ML)分类方法是一种典型的基于统计分析的监督分类方法, 从理论上讲,具有最小出错率与最高分类精度的特点。但最大似然分类方法是以数据的正态分布假设为前提的, 这在真实遥感数据中很难满足, 从而导致分类精度下降。根据数据分布可以以任意精度由多个正态分布的线性组合表示, 对最大似然分布的数据分布进行修正, 既提高了数据模型的正确性, 又充分利用正态分布的优点。最大似然分类方法的训练样本挑选也具有一定的随意性和主观性, 先验概率直接影响分类结果, 而且对整幅图像采用同样的先验概率会导致分类精度下降。针对训练样本的选择问题, 先用ISODATA聚类算法对数据进行聚类, 对比参考分类图像选择训练区域, 一方面利用聚类结果可以选择性质均匀的区域, 另一方面使得样本的选择变得简单, 最后进行了遥感数据的分类实验。实验结果证明了该方法不仅可以实现遥感数据的分类, 而且具有较高的总体分类精度和Kappa系数。 相似文献
7.
近红外多视场恒星探测系统采用3个探测器同时进行恒星探测,分析了近红外波段白天恒星-背景对比度随探测参数的变化情况,对不同视场对比度进行对比,结果表明:随着探测天顶角的增大,恒星-背景对比度呈线性增大;太阳天顶角大于探测器天顶角以后,恒星-背景对比度随太阳天顶角近似于指数增长;一定高度时,对比度随探测器高度的增加近似指数增加;而随着探测方位角的增大,恒星-背景对比度呈高斯分布;三个视场内同一时刻的背景辐射比在主视场0探测方位角时达到最小,探测到的恒星-背景对比度随主视场探测方位角变化呈对称分布,为星等修正奠定较好的基础。 相似文献
1