共查询到20条相似文献,搜索用时 78 毫秒
1.
遥感影像的分类与识别技术在土地资源调查中的应用 总被引:6,自引:0,他引:6
遥感图像记录了地物在空间域、时间域、光谱的域的变化信息,利用图像的分类技术,能够识别土地利用类型,计算机遥感分类识别原理,是利用地物的光谱能量特征差异性和结构特征差异性来识别地物信息,根据北京某地遥感图像实例资料,将土地利用类型分为监督分类、非监督分类、最大似然法分类、神经网络分类等,不同的分类方法有各自的特点且分类结果也有一定的差别,其中神经网络分类与真实情况最为接近。 相似文献
2.
基于多类支持向量机的遥感图像分类及其半监督式改进策略 总被引:7,自引:0,他引:7
基于神经网络的遥感图像分类取得了较好的效果,但存在固有的过学习、易陷入局部极小等缺点.支持向量机机器学习方法,根据结构风险最小化(SRM)原理,表现出很多优于其他传统方法的性能,本研究的基于多类支持向量机分类器的遥感图像分类取得了达95.4%的分类精度.但由于遥感图像分类类别多,所需训练样本较大,人工选择效率较低,为此提出以人工选择初始聚类质心、C均值模糊聚类算法自动标注训练样本的基于多类支持向量机的半监督式遥感图像分类方法,期望能在获得适用的分类精度的基础上有效提高分类效率. 相似文献
3.
基于土壤系统分类的土壤遥感自动识别分类系统的设计 总被引:1,自引:0,他引:1
罗红霞 《西南师范大学学报(自然科学版)》2003,28(4):622-626
设计出基于土壤系统分类的土壤遥感自动识别分类系统(ASICS)的总体框架,并探讨了其实现方法.该系统由3部分组成:空间数据库、分类识别和结果输出.空间数据库由遥感数据和非遥感数据组成,遥感数据选择绿度指数图像、土壤专题信息增强图像和同谱土壤图像,非遥感数据包括高程、高差、坡度、坡向、粗糙率指数、水系密度、土壤发生分类类别.分类识别采取在非监督分类的基础上对土壤类型进行正向推理与逆向推理相结合的识别模式.用像结构建立了土壤分类识别的规则,构造了基于土壤系统分类的土壤分类判决树. 相似文献
4.
5.
文中利用RSI ENVI 4.2图形图像处理软件,对广东省从化市Landsat-7 ETM+遥感图像依据地物光谱特性,采用非监督分类的k-means方法对遥感图像进行分类,同时也简单地介绍了利用RSI ENVI 4.2进行遥感图像处理的几个步骤和方法. 相似文献
6.
7.
遥感影像监督分类与非监督分类的比较 总被引:23,自引:0,他引:23
遥感影像的分类方法按照是否有先验类别可以分为监督分类和非监督分类,这两种分类法有着本质的区别但也存在一定的联系.从分类原理、分类过程、分类方法等不同角度分析了这两种方法的区别与联系,并展望了遥感影像分类的发展趋势与发展前景. 相似文献
8.
以海峡西岸经济区高速公路网规划项目中的兴尤高速尤溪县境内路段中心线两侧10 km范围作为研究区域,以遥感图像为主要信息源,整合多元数据并结合野外线路调查和样方调查的结果,再采用非监督分类、监督分类、叠加分类3种遥感解译手段对该评价区的遥感图像进行植被类型解译与制图,最终将该评价区的土地类型分为:针叶林、阔叶林、毛竹、经... 相似文献
9.
神经网络在遥感图像自动分类中的应用研究 总被引:2,自引:0,他引:2
西方琉金华市婺城区土地利用为例,介绍了神经网络遥感图像自动分类的方法,研究表明,用神经网络进行遥感图像自动分类,其分类精度高显示了其在遥交为广阔的应用前景。 相似文献
10.
陶秋香 《山东科技大学学报(自然科学版)》2007,26(5):61-65
结合具体的OMISI高光谱遥感数据,对各种常用植被高光谱遥感分类方法进行分类训练,通过比较分类性能,得到各种方法在植被高光谱分类中的若干应用规律和分类过程中选择最优分类方法的一些技巧。在此基础上,提出将传统分类方法与基于光谱特征匹配的分类方法相结合对高光谱图像进行分类的方法。 相似文献
11.
基于人工神经网络遥感图像分类的应用研究 总被引:2,自引:0,他引:2
阐述了遥感图像分类处理中应用BP神经网络的方法,在ENVI平台下,对基于BP神经网络的分类方法进行了研究。结果表明:基于BP网络神经的遥感图像分类效果是相当突出的,是一种非常有效地处理遥感图像的方法。 相似文献
12.
闫颖 《吉林大学学报(理学版)》2019,57(6):1472-1478
针对传统方法分类遥感成像雷达距离图像时, 未对图像进行平滑处理, 导致其易受环境干扰, 分类性能较差的问题, 提出一种基于偏微分方程的遥感成像雷达距离图像分类方法. 首先通过偏微分方程对遥感成像雷达距离图像进行平滑处理, 然后采用基于偏微分方程的多区域分割模型, 将分割后的遥感成像雷达距离图像分类过程视为泛化函数最小化过程, 通过分割对能量泛函数进行最小化处理, 实现遥感成像雷达距离图像的多区域分类. 实验结果表明, 该方法成像速度快, 去噪和图像分割效果好, 分类精度和Kappa系数值均较高. 相似文献
13.
闫颖 《吉林大学学报(理学版)》2002,57(6):1472-1478
针对传统方法分类遥感成像雷达距离图像时, 未对图像进行平滑处理, 导致其易受环境干扰, 分类性能较差的问题, 提出一种基于偏微分方程的遥感成像雷达距离图像分类方法. 首先通过偏微分方程对遥感成像雷达距离图像进行平滑处理, 然后采用基于偏微分方程的多区域分割模型, 将分割后的遥感成像雷达距离图像分类过程视为泛化函数最小化过程, 通过分割对能量泛函数进行最小化处理, 实现遥感成像雷达距离图像的多区域分类. 实验结果表明, 该方法成像速度快, 去噪和图像分割效果好, 分类精度和Kappa系数值均较高. 相似文献
14.
针对目前遥感图像分类算法存在精度低、速度慢等问题,提出一种基于量子粒子群算法的遥感图像分类算法,以提高遥感图像的分类效果.首先分析目前遥感图像分类算法存在的不足及其原因;然后提取多种类型的遥感图像原始特征,采用量子粒子群算法对特征进行筛选,以提取对遥感图像分类结果较重要的特征;最后采用最小二乘支持向量机(LSSVM)建立遥感图像分类器,实现遥感图像分类和识别,并进行遥感图像分类的仿真对比实验.实验结果表明,该算法克服了当前遥感图像分类算法存在的局限性,大幅度提高了遥感图像的分类精度,有效减少了图像分类误差,提高了图像分类效率. 相似文献
15.
基于面向对象的遥感影像植被信息提取 总被引:1,自引:1,他引:0
主要介绍了基于面向对象的遥感影像分类方法,借用eCognition软件通过设置不同分割尺度参数及特征值,进行了一个分割分类实例试验。结果显示,与传统的基于像元的分类方法相比,面向对象的遥感影像分类方法是具有很好的效果,提交了分类提取的精度。 相似文献
16.
基于机器学习的多源遥感影像融合土地利用分类研究 总被引:1,自引:0,他引:1
为了快速获取准确的城市土地利用信息,提高西南地区遥感影像城市土地利用分类信息提取的精度,探讨了当前快速发展的机器学习技术在该领域中的分类实验.选用昆明市主城区作为研究区域,以Landsat8与Sentinel-1A影像为原始数据,使用GS变换法对影像进行融合,使用卷积神经网络(Convolutional Neural Network,CNN)和BP神经网络(Back Propagation Network)2种分类算法对融合前后的遥感影像进行土地利用分类信息提取,对分类结果进行分析.研究结果表明:基于Landsat8和Sentinel-1A的融合影像数据的卷积神经网络分类算法具有最好的分类效果,其总体分类精度和Kappa系数分别为85.8091%,0.8124,认为基于多源遥感影像融合的卷积神经网络分类方法是获取准确的城市土地利用分类信息的一种可行的方法,可以为高原地区城市的土地利用分类提取研究参考. 相似文献
17.
遥感图像背景复杂,存在光照变化和噪声干扰,导致图像分类准确率不高。针对该问题,在计算邻域像素离散度的基础上,通过对其施加不同权重以细化阈值范围,提出一种改进的自适应阈值局部三值模式(ATLTP)纹理特征提取算法,以提高遥感图像分类精度。首先,对原始遥感图像进行灰度拉伸预处理以增强图像对比度;然后,采用改进自适应阈值局部三值模式提取遥感图像的纹理特征;最后,利用支持向量机对遥感图像进行分类。在标准遥感图像数据集中稀疏建筑物和密集建筑物分类的实验结果表明:采用改进后的局部三值模式纹理特征对遥感图像进行分类的性能要优于传统的局部三值模式,验证了改进算法的有效性。 相似文献
18.
遥感影像分类与识别是近年来深度学习以及图像分类与识别研究的热点,其中一个关键问题是因样本数据集的数据较少而极易出现过拟合。许多图像分类的模型和方法并不完全适用于遥感影像分类,将小样本学习与遥感影像处理结合起来,实现遥感影像数据增强和识别模型优化是一个可行的思路。根据小样本学习的发展现状,针对特征提取、模型分类方法,归纳总结了典型学习方法的原理及其在相关领域的应用; 分析遥感影像处理的现状和存在问题,基于适用场景、优缺点对各方法进行了比较; 通过分析小样本学习在高分遥感影像分类与识别上的应用,发现引入注意力机制和迁移学习后,小样本学习能够用于样本数据量小的遥感影像分类。 相似文献
19.
基于面向对象的遥感影像分析方法,在不同尺度分割遥感影像的基础上,根据影像对象的特征,如亮度、光谱、归一化植被指数(NDVI)、面积和上下文等信息,对水体信息进行了提取和分类.结果显示:与传统的基于像元的分类方法相比,面向对象的遥感影像信息提取方法具有很好的效果,同时也提高了信息提取的精度. 相似文献
20.
针对传统的SOFM网络对高光谱图像分类精度低的缺点,提出了采用模糊积分与神经网络相结合的分类方法.即在改变网络的学习速率函数和邻域函数的前提下,同时对分类结果采用基于模糊积分的信息融合,使分类器之间相互补偿,并用高光谱图像的分类实验进行验证.与普通的SOFM网络和K均值聚类方法相比较,分类效果更好. 相似文献