共查询到10条相似文献，搜索用时 15 毫秒
1.
2.
基于Google Earth的ETM~+遥感图像自动分类方法 总被引：1，自引：0，他引：1
为了快速准确识别地物、设计野外路线并减少踏勘后对前期解译工作的修改,本文参考Google Earth软件提供的高分辨率遥感图像,利用ETM+解译生成训练样本,然后采用最大似然监督分类算法进行ETM+图像分类。结果表明:与非监督分类和非监督-监督混合分类方法相比,基于Google Earth高分辨率遥感图像的ETM最大似然监督分类方法效果好、精度高,是一种经济、高效的技术手段,可用于初步识别地物分布情况、设计野外路线和勘查点等工作,对野外工作具有一定的指导意义;不同融合方式、不同波段组合的图像分类结果明显不同,该区域ETM+图像R(5)G(4)B(3)波段组合、PCA融合图像的分类总精度最好。 相似文献
3.
4.
耕地是人类在地球上赖以生存的主体,耕地面积对粮食产量的保证起到至关重要的作用。在卫星或航拍得到的遥感图像中提取耕地类型,是遥感图像分类中的难点,本文分析了基于遥感图像的耕地类型识别与分类的重要性,并列出耕地类型分类的主要算法,为提高耕地利用率、促进农业发展提供科学依据。 相似文献
5.
6.
王耀南 《湖南农业大学学报(自然科学版)》1999,26(3)
介绍了一种遥感图像解释专家系统的设计思想，总体结构，知识表示，推理规则和实现功能。ＲＳＰＥＳ系统将图像处理系统，专家系统和地理信息系统集成为一个整体，主要应用于遥感图像处理，分类与解释中。 相似文献
7.
【目的】在遥感影像和地形图基础上对干旱半干旱地区天然荒漠草地进行分类,旨在为干旱半干旱地区草地分类及监测提供参考。【方法】采用基于决策树的天然草地分类方法,以天山北坡新疆阜康地区的TM遥感影像(2010-09-24)多光谱波段特征为主要分类变量,结合研究区数字高程模型(DEM),辅以影像目视解译结果,构建了对天然荒漠地区草地进行分类的决策树分类模型,对研究区主要地物类型进行了分类,并对分类精度进行了评价。【结果】综合考虑了遥感图像植被指数(NDVI)特征、DEM特征的分类策略,可以忽略山区的地形影响,简化分类过程,提高分类精度;与传统的非监督分类精度评价结果相比,基于专家知识的分类方法中总分类精度提高了37.4%,Kappa系数提高了78%,错分误差和漏分误差大幅减小;调整NDVI和DEM阈值可以使分类结果更加精准,模型适用区域更加广阔。【结论】基于决策树的典型荒漠草地遥感分类模型适用于荒漠区天然草地类型的提取与划分,可以提高利用遥感图像进行荒漠草地类型分类的精度。 相似文献
8.
基于知识的土地利用/土地覆盖遥感分类研究 总被引：6，自引：1，他引：6
提出了一种基于知识的土地利用／土地覆盖的分类方法,将遥感影象数据与地理信息系统数据有机地结合起来。通过与常规最大似然法的分类结果相比较表明基于知识的分类方法更加精确,为动态监测土地资源利用及环境变化情况提供了有力的工具。 相似文献
9.
10.
基于数学形态学和最大似然法的遥感图像分类研究 总被引：2，自引：0，他引：2
《北京林业大学学报》2005,(Z2)
随着高空间分辨率遥感影像应用范围的不断扩大,传统基于灰度值的遥感图像分类方法很难满足实际需要.该文通过数学形态学方法,对高空间分辨率遥感全色图像进行处理,通过交互式选择训练区,构造包含形态学梯度、高帽变换和灰度均值的三维特征向量,利用Bayes最大似然分类器对高空间分辨率遥感图像不同土地利用类型进行自动识别,改善了分类精度.这种分类方法,可以用于指导森林资源监测、土地利用现状调查和国土荒漠化监测与评价的工程实践. 相似文献