简介：高光谱影像包含有丰富的地物类别信息,但由于受分类方法等因素的限制,这些信息并不能得到充分的挖掘.组合分类器由于可以实现各分类结果信息的互补,因而总有着较各单分类器效果更好的分类性能.将组合分类方法引入到高光谱影像的分类实践中,并对组合的关键问题一组合规则进行探讨,提出了混合组合规则的概念.实验表明,利用该组合分类方法对高光谱影像进行分类,可以得到良好的处理结果.

简介：

简介：

简介：摘要基于云理论的遥感影像分离方法，主要具有理论兼容模糊性、随机性等特点。其可利用逆向云发生器进行云模型的生成制作，结合相应的云数字特征进行定量数据分析。还可以在特定事件发生背景下进行遥感影像隶属性的分析判断，达到良好的遥感影像分类结果。本文以现阶段云理论在遥感影像分类不确定性问题处理方面的优势，从浮动云、评语云、正态云三个方面对云理论下遥感影像分类方法进行了分析。

简介：摘要本文提出了一种基于局部自动搜索和光谱匹配技术的训练样本纯化的BP网络分类方法。利用影像的空间信息在图像局部范围内自动搜索和选择最佳样区位置，再用光谱匹配对寻找到的最佳样区在光谱空间上进一步纯化。从空间和光谱两个角度对样区进行了纯化，使得训练样本更适合遥感图像分类的要求，最后利用BP网络对遥感图像进行分类。实验结果证明，原始遥感图像经过样区纯化算法处理后，目视判读效果和数值分析都表明提高了分类精度。

简介：摘要：本研究旨在探讨基于深度学习技术的遥感影像地物分类方法，以提高遥感影像解译的准确性和效率。研究使用了深度卷积神经网络（CNN）和循环神经网络（RNN）等深度学习模型，对高分辨率遥感影像进行了特征提取和地物分类。实验结果表明，与传统方法相比，深度学习方法在地物分类任务中表现出更高的精度和鲁棒性。此外，研究还考察了不同遥感传感器和数据预处理方法对分类性能的影响，并提出了进一步改进的可能性。这项研究为遥感影像地物分类领域的发展提供了有力支持，可广泛应用于城市规划、环境监测和资源管理等领域。

简介：通过对扎龙湿地Landsat7ETM+影像进行计算机自动分类的实验研究,探讨了提高湿地遥感分类精度的方法与途径.实验所采用的首先对遥感影像进行非监督分类,再利用非监督分类生成的分类模板加以修改补充后进行监督分类的方法,经过误差矩阵的精度评价,可以获得研究区湿地遥感分类较高的分类精度.利用上述分类方法对3种ETM+不同波段组合的影像进行具体的遥感分类比较研究发现,选择ETM+7、5、3影像进行分类有助于提高扎龙湿地遥感分类的精度.为了提高湿地遥感分类的精度,还必须运用人机互译判读方法.

简介：摘要本研究利用缨帽变换获取绿度、亮度以及湿度三个特征波段，并结合植被覆盖度（VFC）构建地物光谱特征曲线。此外，通过估算上述各波段的灰度共生矩阵构建地物纹理特征曲线。在此基础上，分析地物的光谱特征和纹理特征，建立分类决策树模型，并在envi软件中实现决策树分类。为了探究决策树分类法的可行性，以史灌河地区TM30m分辨率影像进行了土地覆盖决策树分类试验与分析，并利用混淆矩阵对其结果进行精度评价。结果显示分类精度可达77.72%，Kappa系数0.69，具有一定的参考价值。

简介：Curvelet变换用于影像融合能有效保持影像的光谱信息，利于提取影像不同尺度、不同方向的细节特征。为检测Curvelet变换对影像分类的影响，文章首先采用PCA方法、Curvelet变换方法对IKONOS影像进行融合；然后对原多光谱影像和融合影像进行监督分类，分类时采用相同的训练样本；最后运用多种参数对结果进行目视、定量评价。总体结果显示：基于Curvelet变换的融合影像各波段的信息熵以及与原影像的平均结构相似性程度均高于基于PCA的融合影像，原多光谱影像、基于PCA的融合影像和基于Curvelet变换的融合影像的总体分类精度分别为：77．27％、70．00％和80．09％，其中基于Curvelet变换的分类影像的地物边缘光滑度最高。

简介：摘要：21世纪随着科学技术的飞速发展，各种新兴产业层出不穷，遥感图像技术就是其中的佼佼者。遥感图像可以收集到丰富的信息，但也使相关人员面临信息分类和整理的困难，而新的人工智能技术解决了这一问题。人工智能就是为机器编写程序，使其具有相应的学习能力，能够有效地利用互联网或计算机资源实现无人或人为遥感图像信息分类。

简介：摘要：本文针对遥感影像的图像分类与地物识别问题展开研究，提出了一种基于深度学习算法的新型解决方案。首先，采用卷积神经网络（CNN）对遥感影像进行特征提取与学习，提高了图像分类的准确性和效率。其次，引入了多尺度和多模态数据融合技术，进一步提升了地物识别的精度和鲁棒性。实验结果表明，所提出的算法在遥感影像分类与地物识别任务上取得了优异的性能，具有较强的实用性与推广价值。

简介：摘要：在当今信息时代，遥感技术已成为获取地球表面信息的重要手段。遥感影像数据以其高覆盖率、高分辨率和高时效性的特点，为地理信息系统、环境监测和城市规划等领域提供了丰富的数据资源。然而，随着遥感数据量的急剧增加，如何高效、准确地处理这些数据成为一个亟待解决的问题。机器学习作为一种强大的数据分析工具，为遥感影像的自动分类与测绘提供了新的解决方案。本文将详细介绍遥感影像数据的获取与预处理技术，探讨机器学习在遥感影像分类中的应用，并分析深度学习技术在该领域的潜力。

简介：【摘要】在高中历史教学过程中，史料是历史学系的重要载体，也是历史教学活动有效开展的基础与前提，而史料来源、价值以及流转均可谓是丰富多样，需要教师在教学过程中针对性的收集与使用，借助于史料来有效强化学生对于教学内容的把握，同时及时诊断史料真伪与价值，这样学生不仅能够掌握教学内容，还能逐渐形成良好的史料实证意识。而本文则是以高中历史教学中的影像史料分类与甄别进行了研究，希望借此来有效发挥出影像史料在高中历史教学中的应用价值。

简介：文章针对株洲县堂市乡某部分区域高分辨率影像,采用eCognition的多尺度分割和面向对象的最邻近法对影像进行分类,同时与ENVI5.3软件平台下的最大似然法分类结果进行了对比分析,并以野外验证后的目视解译为基准进行精度评价。结果表明：基于eCognition平台下的面向对象的分类方法避免了传统分类结果噪声严重、精度低的缺陷,其总体分类精度为80%,Kappa系数为0.7397,比传统分类结果精度高,比目视解译效率高。

简介：摘要传统的机器学习受限于无法直接处理原始数据，而是依赖于专家设计特征提取器，但深度学习的出现打破了这一禁锢，可以自动地从未经处理的原始数据中发现用于检测或分类的代表性信息，成为人工智能医学影像分类的关键技术。在恶性黑素瘤与色素痣的二分类及黑素细胞来源肿瘤以外的其他皮肤疾病如鳞状细胞肿瘤、基底细胞癌、甲病等的分类方面，深度学习取得与皮肤科医师相当甚至超过皮肤科医师的分类水平。本文介绍深度学习在皮肤影像分类应用中的一些基本概念及常用的深度学习模型的评价方法，综述深度学习在皮肤影像分类中的研究进展。

简介：摘要遥感影像在很多领域都发挥着不容忽视的作用，科学技术的发展不仅使得遥感影像的分辨率越来越高，对于影像分类也提出了更高的要求。在这种情况下，以往高分遥感影像分类算法的计算精度逐渐无法满足分类要求，需要对算法进行改进和创新。基于此，本文提出了卷积神经网络分类算法，能够有效减少图像分类处理过程中比例缩放、平移等变形所引发的误差问题，提升分类精度。

简介：摘要：遥感影像分类按照是否使用先验知识分为监督分类和非监督分类。研究表明，使用先验知识的监督分类效果更好，能减少“同物异谱”和“同谱异物”现象的影响。

简介：摘要：本文探讨了基于深度学习的遥感影像地物分类中存在的精度问题，分析了影响分类精度的主要因素，并提出了一系列提升策略。通过优化模型结构、增强数据集、引入迁移学习等方法，旨在提高遥感影像的分类精度，推动遥感技术在环境监测、城市规划等领域的应用。

简介：摘要

简介：摘要人们对于遥感影像的应用需求不断增强，特别是对于高分辨率遥感影像，传统信息提取方法已不能满足要求。本文通过确定分类方案、面向对象图像分割、选择样本、根据类别选定特征，对高分辨率遥感影像进行分类，并与基于像素的最邻近分类法的分类结果进行比较；结果表明基于对象和特征的分类方法具有明显优越的分类效果，更能满足实际需要。