【基於分形与模糊神经网络方法的卫星遥感图像分类系统】王刚.pdf
本文针对卫星遥感图像分类这一十分复杂的非线性问题中普遍存在的 同物异谱”、“同谱异物”、“混合像元”、缺乏空间频谱信息以及样本采集精 度不高等问题,采用分形方法来增加遥感图像的空间频谱信息以解决同谱 异物.采用自组织特征映射神经网络把遥感图像分类的无监督学习与有监 督学习有机地结合在一起以提高样本精度,适应非线性问题的特点.利用模 糊数学的方法在一定程度上解决混合像元问题,以期从整体上提高卫星遥 感图像的分类精度.
4面积模块系统的数据流程 第五章重点算法的实现与系统分类精度分析5调色板原理 5分形算法 5无监督学习与无监督分类算法5地物类与聚类中心对应关系建立的算法,5有监督学习与有监督分类算法分类后处理算法 5系统的分类精度第六章结束语 参考文献,致谢
第一章引言 第一章引言 中科院长春地理所遥感实验室多年来一直在从事玉米卫星遥感估产集 五期间将进一步深入下去.遥感估产的核心问题之一是从遥感图像中解译出 不同地物的面积,也即遥感图像的分类,这是本文的主要研究内容,以此作为”九五期间遥感估产集成系统的前导性研究工作.S1卫星遥感图像 本文的研究主要采用典型的陆地卫星TM(ThematicMapper)图像,其地 面分辨率较高为30*30m2,即遥感图像上的一个像元点代表地面上30*30m 的地物 TM图像是由携带在Landsat卫星上的一种改进型多波段光谱扫描仪拍摄 下来的.