版權(quán)說(shuō)明:本文檔由用戶(hù)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、本文研究了一種基于光譜特征及紋理特征融合的遙感圖像分類(lèi)方法。
在本文設(shè)計(jì)的分類(lèi)方法中,首先提出了一種新的適用于遙感目標(biāo)分類(lèi)的目標(biāo)特征——幅度波譜向量,并把該特征和紋理特征進(jìn)行融合,對(duì)特征分量進(jìn)行逐點(diǎn)自適應(yīng)加權(quán),然后設(shè)計(jì)了一種性能良好的具有降維功能的隸屬函數(shù)對(duì)目標(biāo)的真實(shí)特征值進(jìn)行投影變換,使其成為模糊特征值。然后,選定分類(lèi)規(guī)則對(duì)目標(biāo)進(jìn)行分類(lèi),最后,對(duì)分類(lèi)結(jié)果采用兩種方法進(jìn)行評(píng)價(jià)。
對(duì)遙感圖像進(jìn)行實(shí)驗(yàn)分析,首先用
2、本文提出的方法對(duì)不同復(fù)雜程度的仿真圖像進(jìn)行分類(lèi)實(shí)驗(yàn),并和基于不同特征的分類(lèi)方法進(jìn)行比較。其次是對(duì)融合前后的實(shí)際圖像進(jìn)行實(shí)驗(yàn),比較其分類(lèi)結(jié)果。最后對(duì)采用9種不同融合方法得到的圖像用本文提出的方法進(jìn)行分類(lèi),比較融合方法的好壞。
通過(guò)實(shí)驗(yàn)分析,采用本文提出的方法,即有加權(quán)系數(shù)的特征融合方法,進(jìn)行仿真實(shí)驗(yàn),用全局評(píng)價(jià)的方法進(jìn)行評(píng)估,對(duì)三類(lèi)的圖像,總體分類(lèi)精度為92.60%。而采用未改進(jìn)的方法,即沒(méi)有加權(quán)系數(shù)的特征融合方法,其總體分
3、類(lèi)精度為78.48%;對(duì)五類(lèi)的圖像,用本文提出的方法,即有加權(quán)系數(shù)的特征融合方法,進(jìn)行仿真實(shí)驗(yàn),用全局評(píng)價(jià)的方法進(jìn)行評(píng)估,總體分類(lèi)精度為91.12%,而采用未改進(jìn)的方法,即沒(méi)有加權(quán)系數(shù)的特征融合方法,其總體分類(lèi)精度為90.67%。
對(duì)采用9種不同融合方法得到的圖像進(jìn)行分類(lèi),其分類(lèi)結(jié)果明顯好于融合前的圖像。對(duì)于三類(lèi)圖像,融合前圖像的分類(lèi)精度為90.77%,而采用9種融合方法得到的圖像的平均精度為92.62%;對(duì)于五類(lèi)圖像,融
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(hù)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(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(hù)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
- 基于紋理及光譜信息融合的遙感圖像分類(lèi)方法研究.pdf
- 光譜與紋理特征融合的遙感圖像分類(lèi)方法.pdf
- 基于紋理與光譜信息巖性分類(lèi)的研究.pdf
- 基于圖像融合的高光譜遙感圖像分類(lèi)研究.pdf
- 結(jié)合空間信息與光譜信息的高光譜圖像分類(lèi)研究.pdf
- 基于紋理的遙感圖像分類(lèi)研究.pdf
- 基于紋理融合的高分辨率遙感圖像分類(lèi)方法研究.pdf
- 基于數(shù)據(jù)融合的高光譜遙感圖像分類(lèi)研究.pdf
- 基于光譜信息的高光譜圖像目標(biāo)識(shí)別方法的研究.pdf
- 基于非光譜信息的龍口市土地利用遙感分類(lèi)方法研究.pdf
- 結(jié)合空間信息的高光譜遙感圖像分類(lèi)方法研究.pdf
- 基于紋理特征的遙感圖像分類(lèi)算法研究.pdf
- 壓縮感知遙感圖像融合及分類(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
- 超光譜遙感圖像降維及分類(lèi)方法研究.pdf
- 分形遙感圖像融合及分類(lèi)方法研究.pdf
- 基于光譜信息的模型辨識(shí)方法研究.pdf
- 粗糙集遙感圖像融合及分類(lèi)方法研究.pdf
- 基于光譜紋理信息融合的SAR圖像特征級(jí)變化檢測(cè)研究.pdf
評(píng)論
0/150
提交評(píng)論