欧洲成人午夜精品无码区久久_久久精品无码专区免费青青_av无码电影一区二区三区_各种少妇正面着bbw撒尿视频_中文精品久久久久国产网址

首頁(yè) > 期刊 > 自然科學(xué)與工程技術(shù) > 信息科技 > 自動(dòng)化技術(shù) > 國(guó)土資源遙感 > 遞歸濾波與KNN的高光譜遙感圖像分類(lèi)方法 【正文】

遞歸濾波與KNN的高光譜遙感圖像分類(lèi)方法

涂兵; 張曉飛; 張國(guó)云; 王錦萍; 周瑤 湖南理工學(xué)院信息與通信工程學(xué)院; 岳陽(yáng)414006; 湖南理工學(xué)院復(fù)雜系統(tǒng)優(yōu)化與控制湖南省普通高等學(xué)校重點(diǎn)實(shí)驗(yàn)室; 岳陽(yáng)414006; 湖南理工學(xué)院IIP創(chuàng)新實(shí)驗(yàn)室; 岳陽(yáng)414006
  • 高光譜圖像
  • 遞歸濾波
  • knn
  • 主成分分析
  • 歐式距離

摘要:為了有效去除高光譜圖像中的噪聲,強(qiáng)化空間結(jié)構(gòu),充分利用地物目標(biāo)的空間上下文信息,提升高光譜圖像的分類(lèi)精度,提出一種基于遞歸濾波(recursive filtering,RF)和KNN(k-nearest neighbor)算法的高光譜圖像分類(lèi)方法。首先,利用主成分分析法對(duì)高光譜圖像進(jìn)行降維;其次,通過(guò)RF算法對(duì)降維后的主成分圖像進(jìn)行濾波,以增強(qiáng)遙感圖像的輪廓特征;然后,采用KNN算法計(jì)算測(cè)試樣本與不同類(lèi)別訓(xùn)練樣本的歐式距離,根據(jù)比較k個(gè)最小歐式距離的平均值得到測(cè)試樣本所屬類(lèi)別;最后,在2個(gè)典型的數(shù)據(jù)庫(kù)上進(jìn)行實(shí)驗(yàn)驗(yàn)證,并分析所提算法中不同參數(shù)對(duì)分類(lèi)精度的影響。實(shí)驗(yàn)結(jié)果表明,RF算法可以有效地去除噪聲點(diǎn),強(qiáng)化圖像輪廓,與其他高光譜圖像分類(lèi)方法相比,該方法在分類(lèi)準(zhǔn)確性方面表現(xiàn)突出。

注:因版權(quán)方要求,不能公開(kāi)全文,如需全文,請(qǐng)咨詢(xún)雜志社

投稿咨詢(xún) 文秘咨詢(xún)

國(guó)土資源遙感

  • 預(yù)計(jì)1-3個(gè)月 預(yù)計(jì)審稿周期
  • 1.27 影響因子
  • 生物 快捷分類(lèi)
  • 季刊 出版周期

主管單位:中國(guó)地質(zhì)調(diào)查局;主辦單位:中國(guó)自然資源航空物探遙感中心

我們提供的服務(wù)

服務(wù)流程: 確定期刊 支付定金 完成服務(wù) 支付尾款 在線(xiàn)咨詢(xún)