基于目标特征的遥感图像分类方法进展

根据高光谱遥感图像数据维度高、空间相关性、特征非线性的特点,提出了一种基于深度学习的空-谱特征提取分类算法。首先在堆栈稀疏自动编码机中加入权重衰减项,再利用主成分分析方法对图像数据进行降维处理,然后根

它是属于模糊分类的一种。充分结合了高斯混合模型的数学优势和云模型的描述概念的普适性，使得遥感图像的分类更加接近人的思维！

用于对遥感图像进行监督分类，贝叶斯分类器，用于对遥感图像进行监督分类，用于对遥感图像进行监督分类，用于对遥感图像进行监督分类，用于对遥感图像进行监督分类

在主动学习的基础上，提出一种基于SLIC的高光谱遥感图像主动分类方法。首先提取图像纹理特征并与光谱特征融合，使用PCA对新数据进行降维，取前三个主成分构成假彩色图像，然后使用SLIC处理该图像获得超像

遥感图像分类方法通常采用监督的学习算法，它需要人工选取训练样本，比较繁琐，而且有时很难得到；而非监督学习算法的分类精度通常很难令人满意。针对这些缺陷，提出一种基于Kmeans与支持向量机(SVM)结合

针对遥感图像中零星目标几何特征的非规则性,提出基于非规则标识点过程的遥感图像零星目标几何特征提取方法.首先,将图像分为目标类和背景类,利用非规则标识点过程建立目标的分布和几何特征,其中非规则标识采用一

目标分割方法是工业自动化、在线产品检验、生产过程控制等领域的关键技术之一。基于特征匹配策略,研究了如何增强纹理特征的区分能力以及如何快速分割特定的目标。在纹理特征提取方面,首先通过形态学处理获取图像细

为了研究遥感图像森林林型SVM分类多特征的选择对提高分类精度的影响，选取小波变换不同尺度纹理、四种植被指数、最优波段光谱特征等不同组合构成林型分类多特征向量进行分类。结果表明，纹理与植被指数、最优波段

遥感图像纹理特征是光谱相近林型准确分类的有效方法，然而其带来分类特征向量维数增加和计算量增大。因此，对南方山区林地TM图像进行独立成分分析ICA降维，通过计算灰度共生矩阵获取纹理特征，使用SVM分类，

针对已训练好的tensorflow模型，模型是根据自身需要训练的，将模型其应用的遥感影像分类中，并显示分类结果。