

一种遥感图像的分类方法.pdf
Ch****91
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种遥感图像的分类方法.pdf
本发明公开一种遥感图像的分类方法,包括图像预处理模块、图像分类模块、特征优化模块和边缘提取模块;图像预处理模块包括分类方案确定单元、多尺度分割单元、特征提取单元和训练样本选取单元;图像分类模块采用监督算法和半监督算法;特征优化模块包括特征重要性评价单元、特征选取及加权累加单元;边缘提取模块采用曲率滤波计算单元和分数阶微分差运算单元。本发明采用多级分类并评价特征重要性,且选取较优特征进行加权融合形成新特征参与分类,采用微分阶与曲率滤波实现边缘检测,平滑噪声并降低运算量和复杂度,保留遥感图像丰富细节信息。
一种遥感图像的分类方法.pdf
本发明提供了遥感图像的分类方法,首先获取遥感图像中地物的样本,然后构建用于地物分类的半监督神经网络模型,最后基于半监督神经网络进行地物分类。本发明在半监督神经网络中引入结构性误差代替经验误差,有效地避免了当目标函数局部取得局部极小值带来的分类错误;并在极值求解过程中引入了用于求解非线性优化的拟牛顿极值求解算法,从而有效地提高了地物分类精度,为后续进一步进行环境检测、地形测绘等应用提供有益保障。
遥感图像分类方法.docx
遥感图像分类方法遥感图像分类是一种广泛应用于地球观测和地理信息系统的技术。通过遥感图像分类,我们可以从遥感数据中提取有关地物、地貌和地理属性的信息。遥感图像分类有助于解决许多实际问题,如土地利用/覆盖分类、灾害监测和资源管理等。遥感图像分类方法可以分为监督分类和无监督分类。监督分类是一种基于事先确定的训练样本集进行分类的方法。在监督分类中,我们需要先手动标注样本图像,然后使用机器学习算法来训练分类器。常见的监督分类算法包括支持向量机、随机森林和深度学习等。支持向量机(SVM)是一种常用的监督分类算法,它通
遥感图像的分类方法.pdf
本发明公开了遥感图像的分类方法:首先,使用训练分类,利用已知其属性类别的像元样区训练计算机掌握各样类的统计值,并以统计值为依据对逐个像元进行识别分类;主要步骤如下:S1、选择训练样本和提取统计信息;S2、选择分类算法;然后使用聚类分析或点群分析,在没有先验知识,不选取类别样区的情况下,仅根据图像本身的统计特征进行识别分类。在S2中所述的分类算法包括平行算法、最小距离法、最大似然法;根据图像本身的统计特征进行识别分类的方法包括集群法、图形识别法。计算过程巨量并行、高度分布,这使其能以极快的速度处理大量的数据
一种多特征结合的遥感图像分类方法.docx
一种多特征结合的遥感图像分类方法遥感图像分类是利用遥感技术获取的图像数据进行监督或者无监督分类的过程。根据遥感图像分类的要求,遥感图像数据通常包含大量的特征,如光谱、纹理、形态和空间结构等多种特征,这些特征之间的相互作用比较复杂,如何通过多种特征结合进行分析是遥感图像分类的重要问题之一。目前,研究人员已经使用模型识别、神经网络、集成方法等多种算法来处理遥感图像的分类问题,但是目前这些算法在处理多特征结合问题时还存在一定的困难,需要进一步优化。为了解决遥感图像分类中多特征结合的问题,本文提出一种基于多特征结