排序方式： 共有4条查询结果，搜索用时 7 毫秒
1
1.
三维及相关辅助信息在提高图像分类精度中的研究 总被引：1，自引：1，他引：0
该文对应用高程、坡向及土壤等辅助信息提高分类精度进行了研究.在GIS支持下，运用GIS的空间分析技术综合研究高程、坡向等辅助信息与植被类型的内在关系,运用模糊数学的基本原理将这种内在关系量化,形成可以反映植被与辅助信息间规律的模糊矩阵，综合应用所得到的模糊矩阵通过后分类法来修正无监、有监分类得到的初分类图像.该研究以贺兰山中段汝箕沟一带为研究对象，成功地应用该方法得到了研究区的植被分类图像.研究表明，三维及相关辅助信息可以有效地提高遥感图像的分类精度. 相似文献
2.
不同IHS变换公式在植被信息提取中的比较研究 总被引：3，自引：0，他引：3
多源遥感图像融合对于植被信息提取具有重要意义,该文对常用的球体、柱体、三角形和单六角锥4种IHS变换融合方法进行了比较研究,分别从融和图像的信息量、标准差等统计特征、植被光谱特征曲线、类别可分性、植被指数4方面做了分析.研究结果表明,球体变换融和图像的信息量、标准差和光谱扭曲值等统计指标从整体上优于其他变换.球体变换可将不同类型的灰度平均值间的距离进行拉伸.类别可分性指标的分析表明,球体变换可将难以区分的阔叶林与针叶林、阔叶林与草地间的距离加大,增强了类别间的可分性 相似文献
3.
人工神经网络在遥感图像森林植被分类中的应用 总被引：10，自引：0，他引：10
应用人工神经网络模型对陆地卫星TM多光谱图像进行了森林植被分类的研究 ,共选取了 8种主要植被类型 ,重点是研究在不同背景条件下存在同谱异物现象的云杉、油松和落叶松等针叶林树种的分类方法 .所采用的网络模型为 3层误差后向传播神经网络模型 ,鉴于贺兰山自然植被垂直带谱明显 ,利用误差后向传播网络模型的并行分布式结构 ,研究中引入高程数据作为一个独立波段与 3个多光谱波段一起直接进行分类 ,取得了很好效果 .该方法与常规的最大似然法相比 ,存在同谱异物现象的云杉、油松和落叶松的分类精度平均提高了 2 7 5个百分点 .对存在同物异谱现象的阔叶林的分类精度也有一定程度的提高 . 相似文献
4.
该文对应用高程、坡向及土壤等辅助信息提高分类精度进行了研究 .在GIS支持下 ,运用GIS的空间分析技术综合研究高程、坡向等辅助信息与植被类型的内在关系 ,运用模糊数学的基本原理将这种内在关系量化 ,形成可以反映植被与辅助信息间规律的模糊矩阵 ,综合应用所得到的模糊矩阵通过后分类法来修正无监、有监分类得到的初分类图像 .该研究以贺兰山中段汝箕沟一带为研究对象 ,成功地应用该方法得到了研究区的植被分类图像 .研究表明 ,三维及相关辅助信息可以有效地提高遥感图像的分类精度 相似文献
1