
预览加载失败,请重新加载试试~

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、遙感影像分類可以為林業(yè)、農(nóng)業(yè)資源的監(jiān)測(cè)評(píng)價(jià)提供基礎(chǔ)信息,極化合成孔徑雷達(dá)(POLSAR)影像分類作為遙感影像分類的重要組成部分在國(guó)際遙感領(lǐng)域已受到高度重視。以往關(guān)于POLSAR影像的分類大多基于單時(shí)相影像,分類精度總體較低。為解決這一問題,本文研究了基于支持向量機(jī)(Support Vector Machine,SVM)的多時(shí)相POLSAR影像土地覆蓋分類方法。
本研究以大興安嶺地區(qū)十八站林場(chǎng)作為實(shí)驗(yàn)區(qū),獲取了覆蓋實(shí)驗(yàn)區(qū)的兩景R
2、adarsat-2數(shù)據(jù)和一景SPOT-5數(shù)據(jù),通過實(shí)地調(diào)查獲取了用于驗(yàn)證分類結(jié)果精度的地面實(shí)況數(shù)據(jù)。
針對(duì)應(yīng)用SVM進(jìn)行多時(shí)相極化SAR影像分類,本文首先發(fā)展了一種“基于窮舉法與測(cè)試精度相結(jié)合的特征選擇方法”,利用兩個(gè)時(shí)相的Radarsat-2 POLSAR數(shù)據(jù)進(jìn)行了土地覆蓋分類實(shí)驗(yàn),結(jié)果表明,所發(fā)展的特征選擇方法與“基于知識(shí)的特征選擇方法”和不采用特征選擇的分類方案相比,可獲得更高的分類精度:本文發(fā)展的特征選擇方法的分類精度
3、為84.96%,基于知識(shí)的特征選擇方法分類精度為80.28%,無特征選擇的分類精度為65.68%。
其次,本文采用相同的SVM分類方法分析評(píng)價(jià)了兩個(gè)不同時(shí)相獲取的Radarsat-2極化SAR影像的土地覆蓋分類能力,發(fā)現(xiàn)10.月份影像特征的識(shí)別能力要優(yōu)于7月份影像特征的識(shí)別能力,10月份的分類精度為73.53%,7月份的分類精度為57.08%。7月份與10月份季節(jié)的SAR數(shù)據(jù)結(jié)合起來進(jìn)行分類,可以彌補(bǔ)各自識(shí)別能力的不足,提高總
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 多時(shí)相遙感影像土地覆蓋自動(dòng)分類研究.pdf
- 基于稀疏編碼和SVM的極化SAR影像地物分類方法研究.pdf
- 基于svm方法的全極化sar影像黃河口濕地分類
- 基于svm方法的全極化sar影像黃河口濕地分類
- 基于SVM方法的全極化SAR影像黃河口濕地分類.pdf
- 基于SVM方法的全極化SAR影像黃河口濕地分類.pdf
- 基于SVM和散射機(jī)理的極化SAR影像地物分類.pdf
- 基于CNN特征學(xué)習(xí)和SVM的極化SAR影像地物分類.pdf
- 基于遙感影像的土地覆蓋分類方法研究
- 基于SVM的MODIS數(shù)據(jù)土地覆蓋分類方法研究.pdf
- 基于有限混合模型的極化SAR影像分類方法研究.pdf
- 基于深度ICA網(wǎng)絡(luò)的極化SAR影像地物分類方法研究.pdf
- 基于譜圖分割的極化SAR影像面向?qū)ο蠓诸惙椒ㄑ芯?pdf
- 基于稀疏編碼的極化SAR影像地物分類.pdf
- 10228.全極化sar數(shù)據(jù)土地覆蓋分類能力評(píng)價(jià)
- 基于極化SAR目標(biāo)信息提取與SVM分類.pdf
- 基于圖的極化SAR影像半監(jiān)督分類.pdf
- 基于深度SVM和深度小波神經(jīng)網(wǎng)絡(luò)的極化SAR影像地物分類.pdf
- 雙極化sar影像分類研究與應(yīng)用
- 基于深度RPCA網(wǎng)絡(luò)的極化SAR影像地物分類.pdf
評(píng)論
0/150
提交評(píng)論