高光谱遥感数据在地物分类中的应用

高光谱遥感数据在地物分类中的应用

ID:33054183

大小:1.78 MB

页数:53页

时间:2019-02-19

高光谱遥感数据在地物分类中的应用_第1页
高光谱遥感数据在地物分类中的应用_第2页
高光谱遥感数据在地物分类中的应用_第3页
高光谱遥感数据在地物分类中的应用_第4页
高光谱遥感数据在地物分类中的应用_第5页
资源描述:

《高光谱遥感数据在地物分类中的应用》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、本科学生毕业论文高光谱遥感数据在地物分类中的应用黑龙江工程学院二O—二年六月TheGraduationThesisforBachelor'sDegreeHyperspectralRemoteSensingDataInTerrainClassificationApplication摘要高光谱图像的高分辨率、多波段数、窄波段宽度、大数据量在为人类带来巨大的研究价值的同时,也给高光谱图像的处理带来了巨大的挑战。分类方法在其硏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一一监督分类和非

2、监督分类,以及近年來出现的一些较新的分类方法,对各种方法的原理,算法及各自的优缺点进行了比较分析。总之,遥感影像的监督分类和非监督分类方法,是影像分类的最基木、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屮,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:图像分类;监督分类;非监督分类;高光谱ABSTRACTHigherspectralre

3、solution,moreofchannels,narrowerbandwidthandlargeramountofdataofhyperspectralimagenotonlybringgreatresearchvaluesforhumanbeing,butalsobringlargerchallengesforProcessingthem.Classification,initsstudy,whichoccupiesallimportantposition,themeritsdirectlyrelatedtotheclassificationaccuracy.Thispaperexplai

4、nthebasictheoryandremotesensingimagepreprocessingoftheways,abriefoverviewoftheremotesensingimageclassificationconceptsandprinciples-detailedstudyofthetraditionalclassificationofremotesensingmethods一supervisedandunsupervisedclassification,andtheemergenceofsomerelativelynewclassificationinrecentyears.

5、Comparedwiththevariousmethodsofprinciple,algorithmsandtheirrespectiveadvantagesanddisadvantages.Finally,theuseofdifferentremotesensingclassificationoftheactualimageclassification,theclassificationanalysis,cometodiflerentmethodsusedintheactualprocesscharacteristics.Inshort,remotesensingimageclassific

6、ationofsupervisionandnon-supervisedclassificationmethodarethemostbasicandgeneralmethodinimageclassification.Traditionalsupervisedandunsupervisedclassificationdespitetheirdifferentstrengths,butthereissomedeficiency.Andthenewclassificationmethodssuchasneuralnetworkswithadaptive,sei匸learning,associativ

7、ememorystorageanddistributionofgoodcharacter,bythepeopleandtobewidelyusedinimageclassification,breakthetraditionalmethodofstatisticalclassificationoflimitations,improvethespeedandaccuracyofclassificat

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。