

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著遙感技術(shù)的發(fā)展,人們能更方便的獲取更多的遙感影像數(shù)據(jù)。但是目前遙感影像數(shù)據(jù)利用率仍較低,其本質(zhì)原因是遙感數(shù)據(jù)缺乏有效的數(shù)據(jù)質(zhì)量評(píng)價(jià)方法指導(dǎo)用戶選擇合適的數(shù)據(jù)來(lái)滿足相關(guān)應(yīng)用需求。
本文的主要目的是從遙感影像分類應(yīng)用的角度對(duì)遙感影像進(jìn)行質(zhì)量評(píng)估,根據(jù)估計(jì)的遙感圖像分類精度來(lái)評(píng)價(jià)圖像的分類質(zhì)量。以遙感影像分類精度最常用的度量指標(biāo)Kappa入手,結(jié)合最小距離分類準(zhǔn)則研究紋理特征的分布與遙感影像分類精度之間的關(guān)系,構(gòu)建了基于特征分布
2、參數(shù)的分類精度估計(jì)模型。因此本文的三個(gè)主要的研究?jī)?nèi)容包括:1)遙感影像紋理特征的研究。本文以基于灰度共生矩陣提取的紋理特征為重點(diǎn)研究對(duì)象。2)遙感影像分類精度估計(jì)模型構(gòu)建。在特征的分布符合高斯模型的假設(shè)下,結(jié)合最小距離準(zhǔn)則構(gòu)建了Kappa估計(jì)模型,將遙感影像分類精度估計(jì)問題轉(zhuǎn)換為特征的分布估計(jì)問題。3)特征分布估計(jì)技術(shù)研究。本文重點(diǎn)介紹了混合高斯模型下的特征分布估計(jì)算法—GMM算法,針對(duì)GMM算法的局限提出了一種均值約束的GMM算法作為
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 遙感影像分類精度評(píng)價(jià)
- 基于紋理基元的遙感影像分類方法研究.pdf
- 遙感影像紋理特征提取及其在影像分類中的應(yīng)用.pdf
- 基于紋理特征的高分辨率遙感影像分類方法研究.pdf
- 基于紋理特征的遙感圖像分類算法研究.pdf
- 基于空間變差函數(shù)的遙感影像紋理分類研究.pdf
- 多光譜遙感影像的紋理特征研究.pdf
- 基于紋理的遙感圖像分類研究.pdf
- 輔助紋理特征的分類方法和精度比較.pdf
- 31953.基于分形理論的遙感影像紋理分析與分類研究
- 光譜與紋理特征融合的遙感圖像分類方法.pdf
- 遙感影像紋理特征提取與分析研究.pdf
- 基于紋理特征的圖像分類研究.pdf
- 基于SPM特征提取的面向?qū)ο筮b感影像分類研究.pdf
- 基于光譜特征不確定性的遙感影像分類研究.pdf
- 基于紋理特征的瓷磚圖像分類.pdf
- 基于Clifford小波的遙感影像紋理分析方法研究.pdf
- 多尺度分割技術(shù)對(duì)遙感影像分類精度影響研究.pdf
- 基于SVM的遙感影像云分類研究.pdf
- 基于對(duì)象信息的遙感影像分類研究.pdf
評(píng)論
0/150
提交評(píng)論