SVM和ANN在多光谱遥感影像分类中的比较研究-中国期刊网

摘要首先利用支持向量机（SVM）和人工神经网络（ANN）对Landsat8OLI多光谱影像进行基于光谱信息的土地利用监督分类;然后,对多波段进行主成分变换,提取第一主成分的主要纹理信息,与光谱信息一起进行融合光谱和纹理信息的SVM和ANN影像监督分类.对比分析发现：对中原地区,SVM是Landsat8多光谱遥感影像分类的较优方法,尤其适用于农业用地信息提取;光谱分类即可达到较高精度,纹理信息对提高分类精度的作用十分有限.

1范雪婷;史照良;刘波. 基于SVM的资源三号测绘卫星影像多特征分类.测绘科学与技术,2015-04.
2安斌;陈书海;严卫东. SAM法在多光谱图像分类中的应用.临床医学,2005-01.
3张智敏,赵嘉怡,颜正鑫,段超. 基于多源高光谱遥感影像的水土流失监测方法.建筑技术科学,2019-12.
4张智敏赵嘉怡颜正鑫段超. 基于多源高光谱遥感影像的水土流失监测方法.社会学,2019-11.
5王丰;刘书明;卢文虎;杜琼玮;姜伟男;刘金. 基于特征区域统计的多光谱遥感影像海岛瞬时岸线提取.海洋科学,2014-01.
6宫大鹏;李之歆;韩建峰;杨哲海;张雅争. 高光谱影像分类及组合分类器的应用.海洋科学,2006-05.
7. 遥感影像几何和光谱高精度重建技术获突破.检测技术与自动化装置,2013-04.
8黄悦. 基于深度学习的遥感影像地物分类研究.建筑技术科学,2024-01.
9吕凤军;郝跃生;王娟;王会平;石静;李斌. 多光谱蚀变遥感异常提取方法研究.检测技术与自动化装置,2008-02.
10张洪喜,何国新. 遥感影像地物光谱分析探究.工程地质学,2022-11.

SVM和ANN在多光谱遥感影像分类中的比较研究

来源期刊

相关推荐

同分类资源更多

相关关键词

SVM和ANN在多光谱遥感影像分类中的比较研究

来源期刊

相关推荐

同分类资源 更多

相关关键词

同分类资源更多