基于云模型的高光谱遥感图像的分类研究.pdf

基于云模型的高光谱遥感图像的分类研究.pdf

ID:51448854

大小:274.93 KB

页数:3页

时间:2020-03-24

基于云模型的高光谱遥感图像的分类研究.pdf_第1页
基于云模型的高光谱遥感图像的分类研究.pdf_第2页
基于云模型的高光谱遥感图像的分类研究.pdf_第3页
资源描述:

《基于云模型的高光谱遥感图像的分类研究.pdf》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、旦经验童逾日仪器仪表用户doi:10.3969/j.issn.1671—1041.2011.01.017基于云模型的高光谱遥感图像的分类研究李万臣,郭逢丽。刘海亮(哈尔滨工程大学信息与通信工程学院,哈尔滨150001)摘要:现有的分类方法没有考虑或者没有彻底考虑高光谱遥感图像数据的不确定性,因此提出了一种基于云模型的高光谱遥感图像分类方法。云分类时,首先根据训练样本集,由逆向云发生器生成每类地物的多维云模型,然后利用x条件云发生器计算出各测试像素对每类地物的隶属度,最终采用极大判定法实现对每个测试样本的分类。仿真结果表明,该方法简单、计算量

2、小,可以取得高于传统方法的分类精度,具有很好的发展前景。关键词:高光谱遥感图像;不确定性;逆向云发生器;X条件云发生器;极大判定法中图分类号:TIy753文献标志码:BClassificationofhyperspectralremotesensingimagebasedonthecloudmodelsLIWan—chen,GUOFeng—li,LIUHal—liang(InformationandCommunicationDepartment,HarbinEngineeringUniversity,Harbin150001,China)A

3、bstract:Theexistingmethodsofclassificationdidn’tconsiderorthoroughlyconsidertheuncertaintyofthehyperspec-tralremotesensingimagedata.Thereforeproposeaclassificationofhyperspectralremotesensingimagebasedonthecloudmodels.Firstly,giventhetrainingsamples,producethemultidimensio

4、nalcloudmodelsofeachclusterbyback—wardcloudgenerator.Secondly,computethecertaintydegreeofeachtestpixelusingXconditioncloudgenerator,Atlast.determinewhichclustereachtestpixelbelongstowiththema)(imumlikelihoodprinciple.Simulationresultsshowthatthismethodhasthecharacteristics

5、ofsimpler,lesscalculation.Itcangethigheraccuracythantraditionalalgorithms.Inaword,thismethodhasabrightfuture.Keywords:hyperspectralremotesensingimage;uncertainty;backwardcloudgenerator;Xconditioncloudgenerator;enormousdeterminationprincipleO引言数值;概念的定义、定理的描述以及定理的证明等数现有的高光谱遥

6、感图像分类算法中研究的热点学思维环节也不再有丝毫的模糊性了。总之,现有的有高斯最大似然分类、决策树分类、神经网络分类以各种分类方法在分类过程中都把概念人为明确化了,违背了遥感数据的不确定性这种本质特征卜。基及支持向量机分类等算法。他们基本可以分为确定型方法与随机型方法两大类。高光谱遥感图像数据于此,提出了基于云模型的高光谱遥感图像的分类方法。的本质特征是不确定性。确定型分类方法中有常见的K均值分类方法,该算法是根据待分类像素灰度l云模型值与各个类别中心灰度值的距离进行分类。实际中云是用语言值表示的某个定性概念与其定量表某些像素属于可能属于A

7、类,但受干扰后得到的灰示之间的不确定转换模型,它主要反映宇宙中事物或度值却离B类近,使得像素数据具有不确定性,但是人类认知中概念的两种不确定性:模糊性(边界的亦K均值分类不会考虑这些不确定性,而是根据计算得此亦比性)和随机性(发生的概率)。正态云模型是到的距离值硬性的对像素进行类别划分,这种情况下基本的云模型,本研究中用到的云都是正态云。从正K均值分类的可靠性就为零。随机型的分类方法有态云的极端情况可以看出确定性是不确定性的特例,模糊K均值聚类方法和最大似然分类法。这类算法所以正态云是表征语言原子最重要、最有力的工具,根据像素属于各个类别的

8、概率大小进行分类,考虑到较其他模型,更符合人类对事物的认知。了像素属于其他类的概率。但是这类算法也有缺点,高光谱图像的光谱特征空问的多维决定每类地即隶属函数一旦通过人为假定,隶属

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。