搜索资源列表
C++图像分割
- 适合于遥感图像分类，C++程序
ArcGIS实习总结
- 1.GIS中的数据： GPS定位数据（点Envet数据表）；矢量线画图形；遥感影像；属性数据。 2.GIS中的数据类型： 栅格数据(image,grid两种，多个grid构成了image)；矢量数据（shp、coverage…）；网络；地形表面（TIN）。 连续的数据：如高程相关的数据 栅格数据包括两种： 离散的数据：表示分类和描述性的数据
AerialImageClassificationMethodBasedonFractalTheor
- 提出一种基于分形理论和BP 神经网络的航空遥感图像有监督分类方法。该方法尝试将航空图像 的光谱信息和纹理特征相结合。它首先将彩色航空图像由RGB 格式转化为HSI 格式,然后,根据亮度计算分 数维、多重分形广义维数谱q-D( q) 和“空隙”等基于分形的纹理特征,同时加入归一化的色度和饱和度作为光 谱特征,采用BP 神经网络作为分类器。通过对彩色航空图像的分类实验,结果证实该方法行之有效。-Based on fractal theory and BP neural network
bp
- 利用bp神经网络对遥感图像进行分类，输入样本值后，根据样本值对遥感图像不同的地物进行分类，分类后计算每种地物所占面积-The use of bp neural network classification of remote sensing images, enter a sample value, based on the sample value of the different features of remote sensing image classification, classif
nw
- 几篇关于神经网络的文章，结合遥感图像的特性，介绍了人工神经网络在遥感图像分类中的作用-Several articles on the neural network, combined with the characteristics of remote sensing images on the artificial neural networks in remote sensing image classification in the role of
egewed
- 国内外对高光谱遥感成像后进行校正等预处理技术研究已经比较成熟，这些技术跟高光谱图像成像机理密切相关。本文关心的是这些之后进行的信息处理技术。由于高光谱传感器获得的连续波段宽度一般在10nm以内，一般都具有上百个波段，所以基本上不会出现多光谱在成像及传输过程中出现的同物或同谱异物的现象，这给地物分类识别带来了极大的便利-dtgregg
ecognition-AND-REMOTESENSING
- 传统的基于像素的统计特征的分类方法在处理高分辨率影像的分类问题上遇到了很大的困 难。介绍了面向对象与基于像素的分类方法 ,探讨了基于面向对象的遥感影像的模糊分类方法在地 物分类中的新思路。并且通过了展示利用 ecognition 进行的的一个分类实例 ,阐述了面向对象的模 糊分类技术的软件应用-Traditional pixel-based classification of the statistical characteristics of high-resolution ima
land-cover-classification
- 遥感图像的土地利用情况分类相关的英文文献，有详细设计-Remote sensing images of land use classification of the relevant English literature, a detailed design
Running_Ambio_1994[1]
- 难得的关于遥感影像分类的外文文献，供遥感领域专业人士利用-remote sensing
YuPERS
- 遥感影像分类外文文献，论述详细，对研究遥感分类的人有帮助-remote sensing paper
3D-geological-fault-structure-model-
- 辅以纹理特征的高分辨率遥感影像分类为了提高对高分辨率影像的分类精度,通过灰度差矢量法快速提取纹理特征,利用BP神经网络并辅以纹理特征,对一幅江西某地0·2m分辨率的航空影像进行分类。-In order to improve the classification accuracy of high-resolution images
2012.TGRS.Selflearning
- 一篇关于遥感图像处理的地物分类方法的国外专家研究情况的PDF文献-A foreign experts to study the situation on the terrain classification method of remote sensing image processing PDF documents
Simulated-Annealing
- 由于K-means 聚类方法对遥感图像进行分类时，对训练样本的选取依赖性很大，容易陷入局部最优的陷阱的情况，本文提出利用模拟退化算法对K-means 的聚类进行优化以获得 全局最优解的分类新方案。并以多波段影像为例进行验证分析，结果表明该方法可行，收敛 结果优于K-means 聚类算法，分类精度相对传统的K-means 算法更高。-Because K-means clustering classification depend on the training sample selecti
123
- 高分辨率遥感影像的支持张量机分类方法，此方法能够利用少量的训练样本实现更优的分类精度。-Support tensor machines resolution remote sensing image classification method, and this method can use a small amount of training samples to achieve better classification accuracy.
learnFeaturesRS-master
- 较好的遥感分类代码，在国外网站下载的，可以成功运行，效果较好-Hyperspectral related papers, mainly focused on mixed pixel decomposition related. Has great reference significance
遥感图像自动分类参考论文
- 内有利用机器学习模型去对遥感图像自动分类的研究论文；(There is a research report on automatic classification of remote sensing images using machine learning model;)
基于支持向量机的几种核函数遥感图像分类比较
- 该文献详细介绍了支持向量机SVM在遥感图像中的应用，尤其是在小目标的提取上居然不可替代的作用(In this literature, the application of support vector machine SVM in remote sensing images is introduced in detail, especially the irreplaceable role in the extraction of small targets)
ERDAS界面认识基本功能、图像增强、监督分类非监督分类方法
- ERDAS软件实现遥感影像的监督分类和非监督分类方法说明及指导