排序方式： 共有7条查询结果，搜索用时 31 毫秒
1
1.
最大似然在高维、多源数据分类中易发生休斯现象,其卓越的分类性能不能充分展现。通过提取WorldView-2影像前3主成分的24个纹理特征,构造高维数据,以树种分类为例,提出了利用递归特征消除筛选重要纹理特征,降低数据维数,实现最大似然休斯现象规避的方法。结果表明:在消除5个纹理特征后,最大似然的休斯现象基本得到解除,在消除8个纹理特征后,休斯现象达到了最大解除;休斯现象解除后树种分类的最高总体精度为81.166 4%,Kappa系数为0.779 9,总体精度和Kappa较基于光谱特征的高7.095 1%和0.082 5。递归特征消除可避开、克服最大似然分类中的休斯现象,可使最大似然分类器在高维数据中充分展现其分类性能。 相似文献
2.
采用任意二值图面积测定为方法,以Word产生不同复杂程度的二值图为数据源,对非监督分类、监督分类、像素统计法测定林分郁闭度的方法进行对比分析.结果表明:非监督分类、监督分类、像素统计法对林分郁闭度的测定结果均偏大,监督分类、像素统计法对林分郁闭度测定的精度较非监督分类法测定的要高.像素统计法操作简单、测算速度快、准确程度高,是一种通过树冠投影法测定林分郁闭度的有效方法. 相似文献
3.
基于递归纹理特征消除的WorldView-2树种分类 总被引：1，自引：0，他引：1
利用遥感影像识别树种是一个尚未解决的科学难题,传统方法在高分辨率影像树种分类中存在着诸多不适宜问题。本文通过提取WorldView-2影像的纹理特征构造高维数据,利用递归特征消除降低数据维数,逐步解除最大似然分类的休斯现象,并将有代表性的纹理特征集合与光谱特征结合,对树种进行分类。结果显示:在递归消除8个纹理特征后,最大似然的休斯现象达到了很好的规避;在结合光谱特征后,分类的总体精度达到了86.39%,Kappa系数达到了0.8410,比基于光谱特征的总体精度和Kappa系数高12.32%和0.1436。研究表明,在高维数据中通过递归特征消除规避最大似然分类的休斯现象,充分结合影像纹理与光谱信息对树种分类可以取得更为理想的结果。 相似文献
4.
在内蒙古大兴安岭地区,以杜香—兴安落叶松林为研究对象,通过计算不同龄组林下植被各层次及各器官生物量分配,为准确估算森林的固碳能力提供依据。结果表明:杜香—兴安落叶松林从幼龄林到成熟林,林下植被生物量变化范围为19.80~43.96 t·hm-2,其中,枯落物层（69.64%~92.98%）>灌木层（5.01%~20.82%）>草本层（1.46%~9.54%）>苔藓层（0~1.15%）。林分年龄影响着林下植被各层次生物量及其比例,随龄组增加,枯落物量逐渐增加,灌木层生物量呈“U”型;草本层生物量所占比例呈降低趋势。相关分析表明,灌木层生物量与乔木层生物量及林分郁闭度呈负相关关系,凋落物现存量与乔木层和植被总生物量呈极显著正相关。 相似文献
5.
遥感数据源在光谱、空间分辨率上不断提高,越来越有利于村落的精确提取,但如何有效利用影像特征,寻找简单便捷的方法来实现农田包围型村落的准确快速提取是一个不断需要探索的问题。本研究以Sentinel-2A卫星影像为数据源,利用光谱指数密度分割法与光谱波段分类法对内蒙古五原县郊区的村落进行提取。结果显示:NDVI、NDBI、NDBI-NDVI、(NDBI-NDVI)/(NDBI+NDVI)4个光谱指数提取村落的总体精度介于93.903 4%～96.476 6%之间,NDVI提取精度最低,NDBI提取精度最高;光谱波段分类法提取的精度介于94.101 3%～98.753 0%之间,且利用蓝、绿光波段分类取得最高精度。研究结果表明,分类法和阈值法提取村落均可取得较高的精度,MLC-RFE法可有效获得最有利于村落提取的波段组合,但过程较繁琐、速度慢,阈值法精度略低,但较简单,计算速度快。 相似文献
6.
7.
分析遥感影像不同类型波段在树种分类中的表现,可为遥感数据光谱信息的深度挖掘提供基础信息。本研究以8波段Worldview-2影像为数据源,将光谱波段分为传统波段和新增波段两种类型,在室外调查的基础上利用最大似然法对树种进行分类,分析传统波段、新增波段及完整波段在树种识别中的精度差异。结果表明:传统波段对树种分类的总体精度(63.348 2%)不及新增波段的(67.669 6%)高,完整波段分类的总体精度最高(74.071 3%)。本研究表明,在树种识别中,Worldview-2新增波段比传统波段更具优势,两类波段的充分结合,更有利于树种的识别。 相似文献
1