共查询到18条相似文献，搜索用时 171 毫秒
1.
2.
对适配区进行一定的选择可以提高重力匹配导航精度。目前传统重力匹配导航区域的选择方法通常是利用单一评价指标,导致评价结果不全面。针对这种情况,本文基于信息熵、模糊综合决策和主成分分析3种方法对适配区进行多指标综合选取;并通过ICCP匹配算法进行实验计算分析,结果表明3种方法均具有较好的效果。利用3种方法计算出的可导航能力高的区域匹配效果更优,其中基于模糊综合决策方法和主成分分析法的结果优于信息熵法。 相似文献
3.
4.
基于独立分量分析的遥感图像分类技术 总被引：20，自引：0，他引：20
遥感图像的自动分类方法一般基于图像的统计信息。多光谱遥感图像之间有着一定的相关性 ,对遥感图像的自动分类有不利影响。一般用主成分分析去除波段之间的相关性。独立分量分析能利用相对主成分分析更高的统计分量 ,不但可以获得去相关的效果 ,而且可以得到相互独立的结果波段图像。本文首先讨论了独立分量分析的基本原理。在此基础上 ,介绍FastICA算法 ,并对其进行改进 ,得到M FastICA算法 ,并将其应用到遥感图像的分类上。实验结果表明 ,M FastICA算法较FastICA算法收敛性大为改善 ,提高了独立分量分析在遥感图像的分类上的有效性 相似文献
5.
6.
主成分分析模型在数据处理中的应用 总被引：10，自引：0，他引：10
主成分分析模型是一种将原始多个指标转化为少数几个相互独立的包含原始指标绝大部分信息的综合指标的统计学方法.利用MATLAB软件探索了利用主成分分析模型对专题数据进行处理的方法,并利用科学可视化方法对处理结果进行分析评价.实验表明,主成分分析模型能够有效简化原始变量,挖掘原始数据中的隐藏信息. 相似文献
7.
《地理空间信息》2020,(5)
以冬小麦作为研究对象,基于2016年10月-2017年7月共12景GF-1号数据,通过计算不同特征波段构建了多特征冬小麦种植区识别方法。首先计算影像增强植被指数(EVI);再通过样本分离度选择关键期影像,对关键期影像进行主成分变换并计算其纹理特征数据;然后分离原始影像的红波段、近红外波段构建单波段时序数据,以建立包括多特征的数据集;最后基于不同特征组合数据,利用随机森林方法分别提取研究区内冬小麦分布情况。精度评价表明,影像主成分、EVI时序以及红波段、近红外波段特征组合的精度最高可达97.85%,较单独使用时序数据结果提高了约2.5%,说明红波段、近红外波段在作物提取中对精度提升具有一定的贡献。 相似文献
8.
9.
10.
针对Fmask云检测算法难以区分Landsat遥感影像上云和冰这一技术难题,该文提出一种基于主成分分析的改进Fmask云检测算法。首先对Fmask中归一化植被指数和归一化雪指数固定阈值进行自适应阈值改进,并对影像进行主成分变换,然后对主成分分析变换后的组合波段进行改进的Fmask云检测,最后进行算法对比分析。以北极地区的TM影像进行实验,结果表明,对同时覆盖冰层和云层的Landsat遥感影像,该文提出的算法能够提高云检测精度。 相似文献
11.
Rui Huang Mingyi He 《Geoscience and Remote Sensing Letters, IEEE》2005,2(2):156-159
A new feature weighting method for band selection is presented, which is based on the pairwise separability criterion and matrix coefficients analysis. Through decorrelation of each class by principal component transformation, the criterion value of any band subset is the summations of the values of individual bands of it for the transformed feature space, and thus the computation amounts of calculating criteria of each band combinations are reduced. Following it, the corresponding matrix coefficients analysis is done to assign weights to original bands. As feature weighting considers little about the spectral correlation, the redundant bands are removed by choosing those with lower correlation coefficients than a preset threshold. Hyperspectral data classification experiments show the effectiveness of the new band selection method. 相似文献
12.
面向土地利用分类的HJ-1 CCD影像最佳分形波段选择 总被引：2，自引：0，他引：2
环境一号卫星（HJ-1）CCD影像光谱波段较少,地物之间的准确分类识别有一定困难。采用分形纹理辅助地物分类识别是一种有效方法,而波段选择是提高分类识别精度的关键。本文以江西赣州定南县土地利用分类为例,采用双毯覆盖模型对HJ卫星CCD影像6类典型地物的波谱分形特征进行了分析,利用不同地物在不同波段上的分形区分度差异构建了最佳分形波段选择模型,并利用该模型挑选出最佳分形波段来辅助土地利用分类,最后对分类结果进行检验。结果表明：最佳分形波段选择模型能够综合权衡不同地物在不同波段上的分形区分度差异,利用挑选出来的最佳分形波段来辅助分类,其分类总体精度相对于原始影像分类提高了11.77%,相对于第1主成分分形辅助下的分类提高了1.56%。 相似文献
13.
郭学兰;杨敏华;毛军;周秋琳 《东北测绘》2013,(4):144-146,149+152
针对高光谱影像数据具有波段众多、数据量较大的特点,本文提出了一种基于波段子集的独立分量分析(ICA)特征提取的高光谱遥感影像分类的新方法。以北京昌平小汤山地区的高光谱影像为例,根据高光谱遥感影像的相邻波段的相关性进行子空间划分,在各个波段子集上采用ICA算法进行特征提取,将各个子空间提取的特征合并组成特征向量,采用支持向量机(SVM)分类器进行分类。结果表明:该方法分类精度最佳(分类精度89.04%,Kappa系数0.8605,明显优于其它特征提取方法的SVM分类,有效地提高了高光谱数据的分类精度。 相似文献
14.
对高光谱数据进行波段组合,可以减少信息量的冗余,提高数据的处理速度。对黄河口入海口湿地进行分类,对合理利用、开发保护该地区湿地资源具有重要意义。本文首先分析了“珠海一号”高光谱数据各个波段的信息量及波段之间的相关系数,然后利用最佳波段指数(OIF)方法选出波段组合B7-B8-B32,进一步在OIF基础上设置信息量与相关系数阈值,选出波段组合B7-B18-B32,实验结果证明分类精度提高了5.4%。最后,根据地物的光谱特征分析,选择光谱差异较大的波段进行组合B6-B13-B18,分类后精度比OIF筛选出的波段组合精度高12.6694%。经实验验证,结合地物光谱特征的波段组合可以大大提高分类精度。 相似文献
15.
利用粗糙集关于属性依赖性公式,本文给出一种定义遥感影像波段间相似度的方法。通过模糊聚类,得到对高光谱遥感影像原始波段集合的模糊等价划分。在每个模糊等价波段组中,选择一个代表性波段完成对原始波段集合的初步降维。基于遗传算法并结合粗糙集理论,在降维后的波段集合中进一步进行的分类波段组合的优化选择。实验结果表明,本文给出的高光谱遥感影像优化分类波段组合选择方法是非常有效的。 相似文献
16.
结合有关项目数据处理的需要,对02C卫星影像特征进行科学分析与应用研究。通过对影像信息量特征、配准特征及融合特征分析,发现岩石裸露区影像各波段信息量大,但是波段间相关性强,地类边界模糊,而植被覆盖区影像各波段信息量相对较小,波段间相关性较小,地类可分性较好;MUS影像与PAN影像配准精度一般能达到1个像元,而MUS影像与HRC影像配准比较困难,HRC影像需要正射校正或者强制拉伸,才能满足精度要求;主成分分析方法融合效果比较好,MUS影像与HRC影像融合效果优于MUS影像与PAN影像融合。分析结果表明:02C数据适用于土地覆被调查,若用于地质信息解译,需要进一步技术处理;HRC影像分辨率高,但数据处理方法有待于进一步探讨。 相似文献
17.
波段选择是高光谱遥感图像分类的重要前提,本文提出了一种用于高光谱遥感图像波段选择的改进二进制布谷鸟算法,通过使用混合二进制编码算法更新子代鸟巢和使用遗传算法交叉方式更新被发现鸟巢两个方面对二进制布谷鸟算法进行改进,找出在图像中起主要作用且相关性低的波段,实现对高光谱遥感图像降维。将本文算法运用于PaviaU数据集和AVIRIS数据集,并与二进制布谷鸟算法、二进制粒子群算法、最小冗余最大相关算法、Relief算法等进行对比分析。结果表明,改进二进制布谷鸟算法波段特征选择效率更高,且选取的波段更具代表性,能够较好地提高后续分类精度。 相似文献
18.
高光谱遥感影像的波段光谱特征是各类地物内在物理化学性质的反映,在对不同地物进行分类与识别时具有巨大潜能,但由于其波段多造成的信息冗余,需要对高光谱数据进行有效降维,以提高高光谱影像的分类准确度。本文提出了基于判别局部片排列的流形学习算法（DLA）对Hypersion高光谱数据进行降维,通过对局部样本数据进行流形学习框架内的优化训练,将原始光谱特征空间转换为低维的最优判别流形子空间,然后在该子空间内利用最大似然分类器对Hypersion影像中的每个像素进行分类,并与主成分分析（PCA）、原始光谱特征（spectral）降维方法的分类效果进行比较。结果表明,DLA能够有效提高高光谱数据的分类准确度,对不同树种分类取得了满意效果。 相似文献