注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 遥感影像分类精度评价VC程序

  2. 遥感影像分类后精度评价，包括kappa系数的计算，混淆矩阵，总体精度的计算等。

  3. 所属分类：C++

    • 发布日期：2010-07-09
    • 文件大小：253952
    • 提供者：peterson10

  1. TM影像与高分辨率影像融合前后分类精度对比

  2. 本文针对朝阳区土地利用类型特点选取TM影像和CBERS-02B影像为研究数据，根据最佳指数法（OIF）计算TM影像最佳组合波段。利用ENVI对最佳波段组合和高分辨率CBERS-02B影像进行校正、裁剪、融合，并对融合前后数据分别进行监督分类。通过比较融合前后分类结果的总体精度和Kappa系数，发现多波段数据与高精度数据融合能够提高地物类型的分类精度。

  3. 所属分类：教育

    • 发布日期：2014-07-31
    • 文件大小：30408704
    • 提供者：zwx19925319

  1. 图像分类评价标准 matlab

  2. 利用不同样本选择方法进行变化检测实验的结果的好坏是通过与对应的精标准图像——GroundTruth进行相似度衡量而得到的。 总体分类精度OA（Overall Accuracy）是指正确分类的像素点数与总的像素点数的比值，是一种常用的衡量变化检测结果的指标， Kappa系数是一种能更加精确衡量分类准确度的参数，能较好的反映出两者的一致性，

  3. 所属分类：其它

    • 发布日期：2017-09-24
    • 文件大小：4096
    • 提供者：qq_21397455

  1. 遥感影像分类精度评价

  2. 对分类结果进行评价，确定分类的精度和可靠性。有两种方式用于精度验证：一是混淆矩阵，二是ROC曲线，比较常用的为混淆矩阵，ROC曲线可以用图形的方式表达分类精度，比较形象。 对一帧遥感影像进行专题分类后需要进行分类精度的评价，而进行评价精度的因子有混淆矩阵、总体分类精度、Kappa系数、错分误差、漏分误差、每一类的制图精度和拥护精度。

  3. 所属分类：讲义

    • 发布日期：2018-03-20
    • 文件大小：200704
    • 提供者：ting1112

  1. 基于分区决策树的乌达煤田土地覆被分类研究

  2. 精确的土地覆被分类结果是研究煤田火区生态环境变化的基础。本文基于Landsat8卫星遥感数据,依据地形特征、主体地物类型以及辐射特征,将乌达煤田分为五个子区。利用多光谱特征、高程、坡度和热辐射特性构建决策树模型,并分区实现土地覆被分类。分类结果表明,与传统决策树分类法相比,基于决策树法的分区分类方法总体分类精度提高了14.75%,Kappa系数增加了0.17,其准确性有了较大的提高。

  3. 所属分类：其它

    • 发布日期：2020-05-06
    • 文件大小：679936
    • 提供者：weixin_38714641

  1. 训练样本对湿地分类精度的影响

  2. 为探寻训练样本数量对湿地遥感影像分类精度的影响规律,基于统计学理论提出面向对象的分类方法,以GF-2影像为数据源,在构建标准训练样本集的基础上,研究KNN算法和SVM算法的线性函数、多项式函数、径向基函数在湿地分类中的适用性和有效性。根据分类统计和对比分析结果,得到了提取湿地要素时能够满足精度所需的最少训练样本数量。利用该方法在河南省三门峡市天鹅湖公园进行试验,提取3~10倍波段数的训练样本,对每个样本进行3次试验,得到96张分类图。结果表明,选取6倍波段数的样本数量,总体分类精度达到85%,K

  3. 所属分类：其它

    • 发布日期：2020-06-12
    • 文件大小：1048576
    • 提供者：weixin_38686924

  1. 高分辨率遥感影像结合LiDAR数据的面向对象分类方法

  2. 为了更准确地对遥感数据进行分类,结合Geo Eye高分辨率遥感影像和机载Li DAR数据,通过对分割参数、特征选择、分类规则等特征进行研究,提出采用面向对象的模糊分类方法——成员函数法选择实验区进行了分类研究。实验结果表明:该分类方法能够更有效地提取出建筑物、煤堆、灌木等矿区典型地物,总体分类精度达到93.92%,KIA为92.52%,分类精度相比单一遥感数据明显提高。

  3. 所属分类：其它

    • 发布日期：2020-07-09
    • 文件大小：203776
    • 提供者：weixin_38656462

  1. 无需手动删除频段即可进行高光谱图像分类的无监督频段选择

  2. 高光谱影像中的丰富信息为材料分类和识别提供了重要机会。 由于高数量的光谱通道以及少量标记的训练样本带来的“维数诅咒”（称为休斯现象）问题，降维是高光谱数据的必要预处理步骤。 通常，为了提高分类精度，通常预先手动地去除由各种源（主要是传感器和大气）产生的噪声带。 但是，删除这些频段可能会丢弃一些重要的区分性信息，从而最终降低分类精度。 在本文中，我们提出了一种无需手动删除频段即可自动选择频段的新策略。 首先，应用小波收缩对整个数据立方体的空间图像进行消噪。 然后，使用亲和力传播（这是最近提出的一种

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：917504
    • 提供者：weixin_38706824

  1. 基于多尺度残差网络的小样本高光谱图像分类

  2. 为了解决基于深度学习的高光谱图像分类方法对于小样本数据分类精度低的问题,提出了一种基于多尺度残差网络的分类模型。该模型通过在残差模块中加入分支结构,分别构造了基于光谱特征和空间特征的提取模块,实现了空间特征和光谱特征的多尺度提取融合,充分利用了高光谱图像中丰富的空谱信息。此外,所提模型使用了动态学习率、批归一化以及Dropout等来提高计算效率和防止过拟合。实验结果表明,该模型在Indian Pines和Pavia University数据集上分别取得了99.07%和99.96%的总体分类精度,

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：9437184
    • 提供者：weixin_38717031

  1. 结合卷积神经网络和稀疏编码的高光谱图像分类

  2. 传统的高光谱图像分类大多只考虑地物的光谱信息,而忽略了空间信息,现有的空谱联合分类方法难以有效提取空间邻域信息。针对上述问题,提出了一种卷积神经网络和稀疏字典联合学习的算法。现有稀疏编码方法大多仅考虑光谱信息而丢弃空间信息,而所提算法利用卷积神经网络可以有效提取数据深层特征的优势,对高光谱图像同时提取空谱特征,获取高维深层特征;然后再通过字典学习对深层特征进行稀疏编码,以获取用于分类的鉴别特征;最后采用分类器确定分类结果。在实验部分,采用所提算法与现有几种算法在三个公开数据集上进行分类,结果发现

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：8388608
    • 提供者：weixin_38694006

  1. 基于迁移学习的小样本机载激光雷达点云分类

  2. 已有基于深度学习的机载激光雷达点云分类方法存在训练时间长、对样本数据需求量较大等问题,无法广泛应用于不同情况下的复杂场景。针对该问题,提出了一种基于迁移学习的小样本机载激光雷达点云分类方法。该方法首先对机载激光雷达点云进行光谱信息的补充,通过提取点云数据的归一化高度、强度值和植被指数特征构建三通道点云特征图;通过设置不同的邻域大小和投影方向,生成多尺度和多投影特征图,并基于迁移学习方法进行多尺度、多投影的深层特征提取。针对上述提取的深层次特征,利用池化操作提取全局特征,并采用卷积神经网络进行初步

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：13631488
    • 提供者：weixin_38706824

  1. PFWG改进的CNN多光谱遥感图像分类

  2. 为了实现在遥感图像处理过程中准确地提取到有效地物信息, 缩短分类用时, 将卷积神经网络（CNN）模型引入遥感图像地物分类, 首先提出由图片模糊加权平均（PFWG）改进的CNN分类方法, 利用模糊几何聚类算法作为预处理单元对实验样本进行特征规划, 并对遥感地物信息进行多源特征决策, 简化了分类过程, 加快了CNN模型的收敛速度。实验结果表明, 利用PFWG改进的CNN分类方法总体分类精度达到了93.73%; Kappa系数为0.94。该方法有效地弥补了CNN自身对遥感图像分类不够细腻、表达效果差的

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：9437184
    • 提供者：weixin_38664469

  1. 基于三维空洞卷积残差神经网络的高光谱影像分类方法

  2. 高光谱影像是典型的高维数据,在光谱维和空间维都包含了大量信息。针对高光谱影像分类时光谱维数据量巨大的特点,提出一种基于三维空洞卷积残差神经网络的高光谱影像分类方法。该方法以高光谱像元立方体作为数据输入,使用三维卷积核同时提取高光谱数据的空间维和光谱维特征,并通过在卷积核中引入空洞结构,在不增加网络参数量和不消减数据特征的情况下提高卷积核的感受野,从而提高神经网络的分类的精度。该方法利用残差结构避免了由网络层数加深导致的梯度消失问题,最终使用Softmax分类器完成高光谱像元的分类工作。实验结果表

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：11534336
    • 提供者：weixin_38515897

  1. 基于改进型相关向量机的高光谱图像分类

  2. 相关向量机(RVM)高光谱图像分类算法是一种基于贝叶斯概率模型的监督机器学习算法，其分类精度较高、测试时间较短。然而算法本身存在训练时间随着训练样本增加直线上升、分类效率整体降低等问题。针对这种情况，提出一种基于改进型相关向量机(VRVM) 的高光谱图像分类算法。本算法在传统概率模型中引入一个新的分布，使得计算复杂度较高的积分运算可近似地拆分成两个较为简单的对数和形式。实验结果表明，VRVM高光谱图像分类算法的总体分类精度和相关向量的数量与RVM基本相同，但训练时间随样本数的增加有明显的减少。

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：1001472
    • 提供者：weixin_38576561

  1. 基于集成学习的高光谱图像一类分类算法

  2. 由于高光谱图像的光谱分辨率已经达到了10 nm甚至更高，使其具有了辨识很多原本在其他遥感图像中无法识别出现的地物。但较高的光谱分辨率也带来了高维数据的处理难题。为了充分利用高光谱图像的高维数据信息，提高一类分类器性能，提出了一种基于集成学习的高光谱图像一类分类方法。该方法将训练样本生成多个随机子空间的低维训练样本集，在这些子空间训练集上训练支持向量数据描述(SVDD)，并对其进行精简处理，最后均值合并这些分类器为一个集成分类器。实验结果表明，与光谱角匹配、一类支持向量机(OC-SVM)和直接SV

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：1048576
    • 提供者：weixin_38611877

  1. 面向高光谱图像分类的空谱半监督局部判别分析

  2. 针对传统的基于特征提取的高光谱图像分类算法大多只考虑光谱信息而忽略空间信息的问题，提出了一种基于空谱半监督局部判别分析(S3ELD)和空谱最近邻 (SSNN) 分类器的高光谱图像分类算法。该算法结合高光谱图像的空间一致性，在利用标记样本的判别信息保持数据集可分性的基础上，定义空间近邻像元散度矩阵来保存像元的空间近邻结构，提出基于空谱距离的相似性度量并将其应用于局部流形结构的发现和SSNN的构建。S3ELD算法不仅能揭示数据集的局部几何关系，而且增强了光谱域同类像元和空间域近邻像元在低维嵌入空间的

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：8388608
    • 提供者：weixin_38570854

  1. 鄱阳湖5种典型植被高光谱特征波段选择与光谱分类识别

  2. 光谱特征波段的选取是植被高光谱分类识别的重要基础之一。利用鄱阳湖5种典型植被的实测高光谱数据, 在对数据进行预处理和分析的基础上, 提出了一种基于均值极差阈值法的光谱特征波段选择方法, 并利用马式距离-光谱角法对不同植被种类进行识别。结果表明：所提方法有效提取了植被间的光谱特征波段, 分别为1111~1132 nm、1466~1522 nm和1577~1750 nm, 三个波段全部位于红外区域; 在光谱特征波段范围内, 利用马氏距离-光谱角法可对不同植被类型进行有效识别, 其中南荻的光谱分类精度

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：1048576
    • 提供者：weixin_38617604

  1. 基于局部重构Fisher分析的高光谱遥感影像分类

  2. 局部几何结构Fisher分析通过数据的邻域和邻域的重构来表征高光谱数据的内在流形,可以提升高光谱图像的分类效果。但是该方法使用原始样本点与重构点一起构图,在低维空间上不能有效保持流形的整体结构。针对上述问题,提出了一种局部重构Fisher分析方法;该方法首先使用类内近邻样本重构原始样本,以保持流形的整体结构,然后利用重构点构造本征图和惩罚图。在低维空间中,通过减小类内样本间的距离,增大非同类样本的距离,提高了同类地物的紧凑性和不同类地物的离散性,获得了更好的鉴别特征,有效改善了高光谱图像的分类性

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：17825792
    • 提供者：weixin_38737283

  1. 面向高光谱影像分类的空间正则化流形鉴别分析方法

  2. 针对传统高光谱影像特征提取算法大多仅考虑光谱信息或提取空间信息不够精细的问题,提出了一种监督空间正则化流形鉴别分析(SSRMDA)算法,以提高遥感地物的分类性能。该算法首先利用样本数据的标签信息构建谱域类内图和类间图,以揭示高光谱数据潜在的非线性流形结构;然后构建空域类内图,并将空间信息以正则化方式与光谱信息融合,实现谱-空信息的有效融合,并可在低维空间内使类内数据更加聚集,增强嵌入数据的可分性。在Indian Pines和Washington DC Mall数据集上的实验表明,所提算法的总体分

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：15728640
    • 提供者：weixin_38632825

  1. 基于多特征和改进自编码的高光谱图像分类

  2. 针对高光谱图像特征利用不足和训练样本难以获取的问题,提出了一种具有多特征和改进堆栈稀疏自编码网络的高光谱图像分类算法。采用流形学习获得高光谱图像的低维数据结构,并提取高光谱图像的光谱特征、具有空间信息的局部二值模式(LBP)特征及拓展多属性剖面 (EMAP)特征。利用主动学习查询特征性强的未标记样本并将其标记,利用融合空谱联合信息的样本训练堆栈主动稀疏自编码神经网络并用Softmax分类器对其分类。Indian pines数据集的总体分类精度达到98.14%,Pavia U数据集总体分类精度达到

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：12582912
    • 提供者：weixin_38610573
« 12 3 4 »