智能优化算法在高光谱遥感影像分类中的应用研究

针对基于深度卷积神经网络的高光谱图像分类算法中存在的空间分辨率下降、池化操作引发特征丢失从而导致分类精度下降的问题,设计了一种由双边融合块构成的双边融合块网络。1×1卷积与超链接构成双边融合块上结构,

这是一篇高光谱文章——《基于光谱特征拟合的高光谱遥感影像植被覆盖度提取》，学遥感的同学可以参考一下！

粒子群优化算法（PSO）是一种基于群体智能的优化算法，近年来在解决多维优化问题中取得了显著的成果。本研究通过对23个不同维度的测试函数进行广泛测试，评估了PSO算法在处理多维优化问题时的性能。测试涵盖

基于分类器组合的遥感影像分类，豆林轩，，将多分类器集合应用土地覆盖分类，首先构建分类器集合，应用支持向量机、径向基神经网络、J48决策树、简单贝叶斯和REPtree分类等进�

详细介绍了高光谱遥感的基础和分析方法，是学习和考试的好资料

对分类结果进行评价，确定分类的精度和可靠性。有两种方式用于精度验证：一是混淆矩阵，二是ROC曲线，比较常用的为混淆矩阵，ROC曲线可以用图形的方式表达分类精度，比较形象。对一帧遥感影像进行专题分类后需

C#遥感影像分类,可以实现各种遥感影像的分类，基于IDL8.2实现的.

VS2010编译，结合opencv，可以对bmp、jpg、tif等格式的遥感影像进行k均值分类

回顾性的分析了遥感技术在获取自然环境动态信息的应用，深入的分析了GIS在集成遥感信息，数字化地图，地面测量数据，社会经济统计数据用于辅助决策应用....

本文针对遥感图像智能识别中存在的问题，综述了大数据技术在遥感图像识别中的应用研究现状。结合实际案例，详细讨论了基于图像处理技术和机器学习算法的遥感图像智能识别方法，并进行对比分析。最后提出了未来研究方