資源描述:
《高光譜遙感數(shù)據(jù)在地物分類中的應(yīng)用》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、本科學(xué)生畢業(yè)論文高光譜遙感數(shù)據(jù)在地物分類中的應(yīng)用黑龍江工程學(xué)院二O—二年六月TheGraduationThesisforBachelor'sDegreeHyperspectralRemoteSensingDataInTerrainClassificationApplication摘要高光譜圖像的高分辨率、多波段數(shù)、窄波段寬度、大數(shù)據(jù)量在為人類帶來巨大的研究價值的同時,也給高光譜圖像的處理帶來了巨大的挑戰(zhàn)。分類方法在其硏究中占有重要的地位,方法的優(yōu)劣直接關(guān)系著分類的精度。本文闡述了遙感基本理論和圖像預(yù)處理的一些方法,簡要概述了遙感圖像分類的概念和原理,詳細(xì)探討了傳統(tǒng)的遙感分類方法一一監(jiān)督分類和非
2、監(jiān)督分類,以及近年來出現(xiàn)的一些較新的分類方法,對各種方法的原理,算法及各自的優(yōu)缺點(diǎn)進(jìn)行了比較分析??傊?,遙感影像的監(jiān)督分類和非監(jiān)督分類方法,是影像分類的最基木、最概括的兩種方法。傳統(tǒng)的監(jiān)督分類和非監(jiān)督分類方法雖然各有優(yōu)勢,但是也都存在一定的不足。而新的分類方法如神經(jīng)網(wǎng)絡(luò)以其自適應(yīng)、自學(xué)習(xí)、聯(lián)想記憶和分布存儲等良好特性,被人們加以重視和廣泛應(yīng)用于圖像分類屮,打破了傳統(tǒng)的統(tǒng)計分類方法的局限,提高了分類速度和精度。雖然各種分類方法各有特點(diǎn),但在實(shí)際工作中還需要綜合應(yīng)用多種分類方法,以提高分類的準(zhǔn)確率與精度。關(guān)鍵詞:圖像分類;監(jiān)督分類;非監(jiān)督分類;高光譜ABSTRACTHigherspectralre
3、solution,moreofchannels,narrowerbandwidthandlargeramountofdataofhyperspectralimagenotonlybringgreatresearchvaluesforhumanbeing,butalsobringlargerchallengesforProcessingthem.Classification,initsstudy,whichoccupiesallimportantposition,themeritsdirectlyrelatedtotheclassificationaccuracy.Thispaperexplai
4、nthebasictheoryandremotesensingimagepreprocessingoftheways,abriefoverviewoftheremotesensingimageclassificationconceptsandprinciples-detailedstudyofthetraditionalclassificationofremotesensingmethods一supervisedandunsupervisedclassification,andtheemergenceofsomerelativelynewclassificationinrecentyears.
5、Comparedwiththevariousmethodsofprinciple,algorithmsandtheirrespectiveadvantagesanddisadvantages.Finally,theuseofdifferentremotesensingclassificationoftheactualimageclassification,theclassificationanalysis,cometodiflerentmethodsusedintheactualprocesscharacteristics.Inshort,remotesensingimageclassific
6、ationofsupervisionandnon-supervisedclassificationmethodarethemostbasicandgeneralmethodinimageclassification.Traditionalsupervisedandunsupervisedclassificationdespitetheirdifferentstrengths,butthereissomedeficiency.Andthenewclassificationmethodssuchasneuralnetworkswithadaptive,sei匸learning,associativ
7、ememorystorageanddistributionofgoodcharacter,bythepeopleandtobewidelyusedinimageclassification,breakthetraditionalmethodofstatisticalclassificationoflimitations,improvethespeedandaccuracyofclassificat