欢迎来到天天文库
浏览记录
ID:46828961
大小:5.70 MB
页数:65页
时间:2019-11-28
《遥感影像分类方法比较研究》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、分娄号.P28壤步犬净硕士学位论文遥感影像分类方法比较研究钱抓抓导师姓名职称申请学位级圳论文提交日蝴学位授予单位吴金华副教授{l学硕士年月几论史替辩日划长安大学署辩蚕员会主席壶勒煎塑益学位论文评。^蠡勃盘崔&鳌§《g歪】丛篓摘要遥感技术已成为土地利用/覆盖信息来源的重要手段,分类方法在其研究中占有重要的地位,方法的优劣直接关系着分类的精度。本文回顾了遥感图象分类的研究背景,阐述了遥感基本理论和图像预处理的一些方法,简要概述了遥感图像分类的概念和原理,详细探讨了传统的遥感分类方法——监督分类和非监督分类,以及近年来
2、出现的一些较新的分类方法——人工神经网络和模糊分类,对各种方法的原理,算法及各自的优缺点进行了比较分析。最后,用不同的遥感分类方法对实际遥感影像进行分类,通过分类结果的分析比较,得出不同方法在实际使用过程中的特点。结果表明,人工神经网络分类方法在分类效果上要优于传统的分类方法。总之,遥感图像分类是模式识别领域一个比较复杂的问题,遥感影像的监督分类和非监督分类方法,是影像分类的最基本、最概括的两种方法。传统的监督分类和非监督分类方法虽然各有优势,但是也都存在一定的不足。而新的分类方法如神经网络以其自适应、自学习、联
3、想记忆和分布存储等良好特性,被人们加以重视和广泛应用于图像分类中,打破了传统的统计分类方法的局限,提高了分类速度和精度。虽然各种分类方法各有特点,但在实际工作中还需要综合应用多种分类方法,以提高分类的准确率与精度。关键词:遥感,图像分类,监督分类,非监督分类,神经网络分类AbstractRemotesensingtechnologyhasbecometheimportantmeanslanduse/landcoverinformationsources.Classification,initsstudy,whic
4、hoccupiesallimportantposition,themeritsdirectlyrelatedtotheclassificationaccuracy.Thispaperreviewstheclassificationofremotesensingimagesonthebackground,explainthebasictheoryandremotesensingimagepreprocessingoftheways,abriefoverviewoftheremotesensingimageclass
5、ificationconceptsandprinciples.detailedstudyofthetraditionalclassificationofremotesensingmethods—·supervisedandunsupervisedclassification,andtheemergenceofsomerelativelynewclassificationinrecentyears一-artificialneuralnetworksandfuzzyclassification.Comparedwit
6、hthevariousmethodsofprinciple,algorithmsandtheirrespectiveadvantagesanddisadvantages.Finally,theUSeofdifferentremotesensingclassificationoftheactualimageclassification,theclassificationanalysis,cometodifferentmethodsusedintheactualprocesscharacteristics.There
7、sultsshowthattheartificialneuralnetworkclassificationmethodsintheclassificationeffectisbetterthanthetraditionalmethodofcategorization.Inshort,remotesensingimageclassificationinpatternrecognitionisamorecomplicatedissue.remotesensingimageclassificationofsupervi
8、sionandnon-supervisedclassificationmethods,isthemostbasicandgeneralmethodinimageclassification.Traditionalsupervisedandunsupervisedclassificationdespitetheirdifferentstrengths,butthereiss
此文档下载收益归作者所有