排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
面向对象规则和支持向量机的天宫一号高光谱影像分类 总被引：2，自引：2，他引：0
传统的高光谱分类方法通常基于单一像元的光谱或纹理特征,很少考虑地物空间结构信息与空间相关特征.本文将面向对象规则与基于像元的分类进行融合,利用对象的空间结构特征和光谱特征进行混合分类,旨在克服像元层次分类的不足.本文尝试性的提出了两种混合分类方法:(1)基于分形网络演化的多尺度分割支持向量机分类(2)基于多层分水岭分割的SVM分类,并将这两种方法应用到天宫一号高光谱数据上.结果表明:基于面向对象规则的混合分类方法有效地提高了分类精度,不仅能够改善同谱异物现象,而且解决分类结果中地物破碎的问题. 相似文献
2.
目前卫星高光谱数据幅宽小,难以进行大面积矿物填图应用.本文探讨了基于多光谱图像光谱分辨率增强方法(spectral resolution enhancement method,SREM)融合算法,将Hyperion窄幅高光谱和先进星载热发射和反射辐射仪(advanced spaceborne thermal emission and reflection radiometer,ASTER)宽幅多光谱数据进行融合,获得宽幅高光谱数据,从而进行矿物蚀变信息提取的方法和流程.结果表明:(1)原始ASTER数据仅能识别出Al-OH基团,Mg-OH基团和Fe3+离子基团3种矿物,SREM方法能够识别出高岭石、伊利石、绢云母、绿泥石和黄钾铁矾5种蚀变矿物;(2)融合图像矿物提取结果与原始ASTER和Hyperion图像的相对精度分别达到90.56%和92.85%;(3)其中绢云母、伊利石、高岭石与Al-OH基团,黄钾铁矾与Fe3+离子,绿泥石与Mg-OH基团出露区域基本一致.SREM融合数据具有幅宽大和光谱分辨率高的特点,提高了矿物蚀变信息解译精度,该方法对大面积矿物填图具有示范作用. 相似文献
1