论文研究-基于随机森林的高光谱遥感图像分类.pdf下载

AI100_小助手 2019-09-16 10:14:17

为了充分利用高光谱图像的光谱信息和空间结构信息，提出了一种新的基于随机森林的高光谱遥感图像分类方法，首先，利用主成分分析降低数据的维数，并对主成分进行独立成分分析提取其光谱特征，同时消除像元的空间相关性，再采用形态学分析提取像元的空间结构特征，然后，根据像元的谱域和空域特征分别构造随机森林，并引入空间连续性对像元点的预测结果进行约束修正，最后由投票机制决定最后的分类结果。在AVIRIS和ROSIS高光谱图像上的实验结果表明，所提方法的分类性能要优于传统的高光谱图像分类方法，且分类精度高于基于单一特征的方法。
相关下载链接：//download.csdn.net/download/weixin_38744270/11750504?utm_source=bbsseo

...全文

12 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

针对遥感图像地物覆盖分类方法对图像空间分布信息利用不足的问题，提出一种基于超像素统计量的随机森林遥感图像分类方法。以北京市海淀区为研究区，选用Landsat-8卫星为主要数据源，通过改进SLIC超像素分割方法，使之适用于多光谱遥感图像中超像素的分割，提取超像素常见的六个统计量（最小值、最大值、均值、标准差、上四分位数、下四分位数）用于随机森林在遥感图像中的分类。实验结果表明，其对研究区遥感图像的总体分类精度为89.01%，明显改善了对地物的错分和漏分现象，能够推广到Landsat-8遥感图像的地物覆盖分类工作中。

将结合ENVI和PIE Hyp讲述高光谱遥感信息处理技术，包括光谱恢复、光谱库建立、光谱特征提取、混合像元分解、图像分类及精度检验等内容；同时以JavaScript版本GEE为主进行讲解长时序多尺度的遥感信息提取技术，包括GEE基本知识，遥感影像数据处理的关键知识，及海岸带应用典型案例。

本篇开始对遥感图像的目标检测进行介绍，介绍了其目标前景、数据集以及评价指标。

雾霾是一种大气现象，由灰尘、烟雾或其他气溶胶颗粒的积累引起的，它们掩盖了大气的清晰度。在雾霾环境下拍摄的图像通常会出现严重的质量退化，比如对比度低、细节丢失以及颜色褪色。对于人类观察者来说，在朦胧的环境中，远处内容物的可见性受到很大影响。同样，雾霾的存在也会在很大程度上影响现代计算机视觉系统，并导致假设在清晰条件下捕获所有视觉内容的视觉任务的性能不理想，例如图像分割[1 - 3]，物体检测[4,5]，人员再识别[6]。

论文笔记(SR)-Super-Resolution via Deep Learning（详解SRCNN）论文下载：https://arxiv.org/pdf/1706.09077.pdf 文章以深度学习为背景，对SR文献进行了考察。关注多媒体的三个重要方面，即图像、视频和多维度，尤其是深度映射。在每种情况下，首先以数据集和最先进的SR方法(不包括深度学习)的形式引入相关基准。接下来是对各...

下载资源悬赏专区

12,796

社区成员

12,333,859

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章