版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、遙感圖像分類(lèi)一直是遙感研究領(lǐng)域的重要內(nèi)容,如何解決多類(lèi)別的圖像的分類(lèi)識(shí)別并滿足一定的精度,是遙感圖像研究中的一個(gè)關(guān)鍵問(wèn)題,具有十分重要的意義。 遙感圖像的計(jì)算機(jī)分類(lèi)是通過(guò)計(jì)算機(jī)對(duì)遙感圖像像素進(jìn)行數(shù)值處理,達(dá)到自動(dòng)分類(lèi)識(shí)別地物的目的。遙感圖像分類(lèi)主要有兩類(lèi)分類(lèi)方法:一種是非監(jiān)督分類(lèi)方法,另一種是監(jiān)督分類(lèi)方法。非監(jiān)督分類(lèi)方法是一個(gè)聚類(lèi)過(guò)程,而監(jiān)督分類(lèi)則是一個(gè)學(xué)習(xí)和訓(xùn)練的過(guò)程,需要一定的先驗(yàn)知識(shí)。非監(jiān)督分類(lèi)由于不能確定類(lèi)別屬性,因此直
2、接利用的價(jià)值很小,研究應(yīng)用也越來(lái)越少。而監(jiān)督分類(lèi)隨著新技術(shù)新方法的不斷發(fā)展,分類(lèi)方法也是層出不窮。從傳統(tǒng)的基于貝葉斯的最大似然分類(lèi)方法到現(xiàn)在普遍研究使用的決策樹(shù)分類(lèi)和人工神經(jīng)網(wǎng)絡(luò)分類(lèi)方法,雖然這些方法很大程度改善了分類(lèi)效果,提高了分類(lèi)精度,增加了遙感的應(yīng)用能力。但是不同的方法有其不同優(yōu)缺點(diǎn),分類(lèi)效果也受很多因素的影響。 本文在對(duì)國(guó)內(nèi)外遙感圖像分類(lèi)方法研究的進(jìn)展進(jìn)行充分分析的基礎(chǔ)上,應(yīng)用最大似然分類(lèi)法、決策樹(shù)分類(lèi)法和BP神經(jīng)網(wǎng)絡(luò)分
3、類(lèi)法對(duì)北京市TM遙感圖像進(jìn)行了分類(lèi)研究。在對(duì)分類(lèi)實(shí)現(xiàn)中,首先對(duì)分類(lèi)過(guò)程中兩個(gè)必不可少的,并影響分類(lèi)效果的步驟也進(jìn)行了詳細(xì)地研究,分別是分類(lèi)樣本和分類(lèi)特征;然后詳細(xì)介紹三種方法的分類(lèi)實(shí)驗(yàn);最后分別分析分類(lèi)結(jié)果圖和采用混淆矩陣和kappa系數(shù)對(duì)三種方法的分類(lèi)結(jié)果進(jìn)行精度評(píng)價(jià)。三種分類(lèi)方法的分類(lèi)總體精度計(jì)算都達(dá)到80%以上,滿足分類(lèi)要求。通過(guò)綜合分析發(fā)現(xiàn)本次研究BP神經(jīng)網(wǎng)絡(luò)方法分類(lèi)精度較低,最大似然法和決策樹(shù)法分類(lèi)精度較高。因此本文有必要進(jìn)一
4、步研究神經(jīng)網(wǎng)絡(luò)分類(lèi)方法,提高該方法的分類(lèi)精度。 本文分為六部分。 第一章為緒論,主要介紹本次研究的目的、意義以及遙感圖像識(shí)別與分類(lèi)技術(shù)發(fā)展和研究現(xiàn)狀,并提出本研究的主要內(nèi)容和研究方法。 第二章為遙感圖像分類(lèi)技術(shù)的基本理論,介紹遙感圖像分類(lèi)的整個(gè)過(guò)程的基本原理,傳統(tǒng)的監(jiān)督、非監(jiān)督分類(lèi)的基本算法,分類(lèi)精度評(píng)價(jià)方法,為本研究提供理論基礎(chǔ)。 第三章介紹本次分類(lèi)研究區(qū)典型地物類(lèi)型樣本的確定原則和方法,并提出了本次分
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- TM遙感圖象統(tǒng)計(jì)分類(lèi)方法研究.pdf
- 遙感圖像分類(lèi)方法的研究.pdf
- 數(shù)字遙感圖像解譯分類(lèi)方法研究.pdf
- 高光譜遙感圖像分類(lèi)方法研究.pdf
- 利用融合方法的遙感圖像分類(lèi)研究.pdf
- 遙感圖像多分類(lèi)器組合方法研究.pdf
- 基于核理論的遙感圖像分類(lèi)方法研究.pdf
- 壓縮感知遙感圖像融合及分類(lèi)方法研究.pdf
- 遙感圖像融合方法的研究與應(yīng)用——以SPOT圖像與TM圖像融合為例.pdf
- 針闊混交林TM遙感圖像自動(dòng)分類(lèi)識(shí)別技術(shù)研究.pdf
- 專(zhuān)業(yè)遙感圖像分類(lèi)方法的研究及應(yīng)用.pdf
- 分形遙感圖像融合及分類(lèi)方法研究.pdf
- 基于圖譜理論的遙感圖像分類(lèi)方法研究.pdf
- TM及SPOT遙感圖像融合算法研究.pdf
- 衛(wèi)星多源遙感SAR圖像和TM圖像融合研究.pdf
- 粗糙集遙感圖像融合及分類(lèi)方法研究.pdf
- 基于分形理論的遙感圖像分類(lèi)方法研究.pdf
- 高光譜遙感圖像的稀疏表示分類(lèi)方法研究.pdf
- 超光譜遙感圖像降維及分類(lèi)方法研究.pdf
- 高光譜遙感圖像半監(jiān)督分類(lèi)方法的研究.pdf
評(píng)論
0/150
提交評(píng)論