BP神经网络在遥感影像分类中的应用,罗卿莉,,传统的基于统计的分类要求数据服从正态分布,并存在分类精度低的特点。本文在Matlab平台基础上,采用BP神经网络对遥感图像进行监督�
基于模糊C-均值聚类算法的遥感影像分类,王翠玲,王一冒,本文简要介绍了K-均值聚类和模糊C-均值聚类算法,传统的k-均值聚类算法广泛用于图像的自动分类,但没有考虑到图像信息的不确定性问�
基于BP神经网络的遥感影像分类方法研究,张建平,王崇倡,采用BP神经网络进行遥感影像分类,可以在一定程度上消除传统的遥感影像分类所带来的模糊性和不确定性。然而,BP网络自身也存在着�
在使用深度学习模型研究遥感影像地物分类问题时,某些地物的遥感影像可用于训练的样本很少。同时,多样化的遥感影像获取方式产生了大量不同空间分辨率的多模态遥感影像。融合这些多模态遥感影像,弥补样本量少导致分
局部几何结构Fisher分析通过数据的邻域和邻域的重构来表征高光谱数据的内在流形,可以提升高光谱图像的分类效果。但是该方法使用原始样本点与重构点一起构图,在低维空间上不能有效保持流形的整体结构。针对上
基于MATLAB写的可对遥感影像进行BP神经网络分类的m文件,里面有测试图像数据,其中感兴趣区域数据是由ENVI选取的感兴趣区域保存而来。
决策树分类作为一种基于空间数据挖掘的知识发现的监督分类方法,它通过决策学习过程得到分类规则并对遥感影像进行分类,突破了以往分类树或分类规则的构建要利用分类者的生态学和遥感先验知识的确定。而C5.0算法
研究提出了一种基于粗集理论的遥感影像分类新方法。该方法充分利用了粗集理论对不确定性的处理能力,能够有效地处理遥感影像中的复杂信息。通过实验验证,结果表明该方法在遥感影像分类任务中具有较好的性能和稳定性
提出了一种基于集成卷积神经网络(CNN)的遥感影像场景分类算法。通过构建反向传播网络实现了场景图像的复杂度度量; 根据图像的复杂度级别, 选择CNN对图像进行分类, 完成了遥感影像的场景分类。使用所提
高分辨率遥感影像中丰富的空间结构信息和地理特征信息提取需要在多种不同的尺度下进行,而传统的基于像素光谱特征的影像分割和单尺度影像信息提取方法在这方面存在明显的缺陷.基于区域的面向对象影像分析方法,为高
