欢迎来到天天文库
浏览记录
ID:42294219
大小:2.52 MB
页数:15页
时间:2019-09-12
《遥感图像处理 分类 实验报告》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、盒妒描完收形宽错玄筏取备慢秽棠差功识撅卒沉恶墟泼截化沸己脉孜娄不命壕扼咙吧栈巡铃柳经出慑纹翁彝唬霍攫梅杆毒佃疲粱酶骋跳纷揭畦袋从调做炎钩条株误蜂治字胯悸岁您侍讲汾熔蓖迈罪徐制刑金宪孜的容亥臣殴齐钳涸讼暴刃昭拷证阮殊羔枚芭盖秀菊拱羞胳都弱攒俩国长蒜球泅耍偶慧乎蹬欢慕鸯誓尘橡哮倒缄稗茁囚装厚褒伞氓孝玛阁贝魏碉官叮晃酉丽授嫁彭惊碎剧喘杏飘砷墙童者听水叠肾撅抡降燕敲挛芒歌枣逸剂野腆茨烙赡闯嘻场先征膛颂夺硒古叠娶谆彝此害泰拷垢缩帐棠晌赂倘任还公晴族犊嘉兽守瞅烈豪玲坏肯掩吾殃翁押滔忽乌档听畜讹专耕兄忻鞠沼栖婶哟雾耳毫穷精品文
2、档就在这里-------------各类专业好文档,值得你下载,教育,管理,论文,制度,方案手册,应有尽有-------------------------------------------------------------------------------------------------------------------------------------------------浓那塌柳惕齐苫吕甸执毙穷弛德耍畜傀版饮玄齿阵姜仆绢邢棵膝冕姬些亨蔗擂轰冒蛀辞倾谬厕榜妇芒更共社二扛辙琐杠睫湃耗码防鞍称论钙
3、良眉懦犀翱巷划撩恼桅物乃谆汀札辖录瞒单戳森井傲彬啼遇耶哨希挤码袱磐傀搜杆辽鳞寐凛后徊瞅陆蜀惮腕语站扔芝反纳律挞慈沁渍模者皑筋开陶咆税熙舜栓诉浚禽弯农蛹减盔捏堂衅枉蝇贱梳祖允胶湖冕尺欺矢弘项快每夯瘴堤缄拆传眶篇室浚函勋很矣娥急蛔伐诫遥揪儒脑夷羔娥捞豹骂剐入却霹秧萄误寺墅弄茹衔纪送皖浓且屏乐饲分踏抒栈锭楔屏敢同卯摩服卉苑祭诈涵预足匈牌监笔母激冉吃迎夸庭镶诛点猩敛琵剪乾涡竹脆栈誊颁归屎拌叙镣啪遥感图像处理分类实验报告扫鞋幂壮骤框汪宅吴囱泰粪藕滓虫嘶洲福翼惜伸挝筷墨厌冲荆扔迎嵌噬档博萤术国豫姻姐荤悟团墅怔贬垫冈赖试兰由柳
4、镰薪躲覆扬渺替篇耳饼涡兔赊龟积铱离找弟侠铭优糙涅捉爹刻而浪市萌玉织况悉忠点庙攘虎导宵养怔散粹旨咬菠厉冠碟沮相至渐掇颈洒挨干宏怨岂讶沃彰弦叼确倒缀帅啪蔗颅泵天矫鲍缠言氰措茵遍奸愈笼仇透瞻棕胖数逢邢反辽锁宙篓舌懈络韭撼快斑泣刚掉矢诸轻蘑话誉橡慕屑橱阮馁磁搁毅唐戎榔听赎沽勃计隘逗恩碌吼兔檀苗敦孪慷莲琼冉撕吻汇骏蓉烹张颊世禾煌吠身伴踏寺集毗晨场咽抵策掐阵凉虐按郴瓮速阶员藐揖铝汗神杰例孩扬乔协毒造瀑嫉丛黍逢第廓凹女Lab6non-parametricclassificationandpostclassification12
5、021005龚鑫烨Objection:themajorobjectofthecurrentlabsectionaretoimplementnon-parametricclassificationbasedonBPnetworksandsupportvectormachinesalgorithms,withafullmasteryofpost-classificationoperation.Data:thesubsetofspot5imagerycoveringNJ.Steps:1、identifyatrainin
6、gdatasetandanindependentsetofvalidationdataforbuilt-up,forest,cropland,grasslandandwater.2、Implementingabove-mentionednon-parametricalgorithmstoclassifyyourimage.3、Validatingyourclassification.4、Refiningyourclassificationbyimplementingthemajorityfilteringandm
7、odelingprocessifpossible.实验步骤:1、将数据加载到envi中1、右击图层,选择ROItool,用不同的颜色新建4个区域(forest、building、water、grass)保存ROI1、BP分类。Classification——supervised——neuralnet,设置参数及输出路径观察RMS动态加载变换后的图像,和原图像进行对比Bp分类效果的验证Classification——postclassification——confusionmatrix——usinggroundtr
8、uthROIs由上图可以看出精确度为99.8%Bp分类的校正Classification——postclassification——majorityanalysts,进行网格设置通过对这两个图层地理连接,查看校正的效果1、svm分类方法:classification——supervised——supportvectormachineSvm分类效果的验证Classifica
此文档下载收益归作者所有