2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩122頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明: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)

文檔簡介

1、高光譜遙感是當(dāng)前遙感技術(shù)發(fā)展的一個(gè)前沿領(lǐng)域,它利用很多很窄的電磁波波段從感興趣的物體獲得有用信息。高光譜圖像作為遙感領(lǐng)域的一項(xiàng)重大突破,在保留較高空間分辨率同時(shí),其光譜分辨率有極大的提高,達(dá)到了納米的數(shù)量級(jí),可以用來探測(cè)和識(shí)別傳統(tǒng)全色和多光譜遙感中不可探測(cè)的地物類別。與傳統(tǒng)的多光譜遙感圖像相比,高光譜遙感圖像有著信息量大、光譜分辨率高等特點(diǎn),這使得在描述與區(qū)分地物類別方面的能力有了大幅提高,進(jìn)而為地物光譜信息的精確處理與分析提供了可能。

2、高光譜遙感系統(tǒng)已在全球許多國家的先進(jìn)對(duì)地觀察遙感系統(tǒng)中占有重要的位置,己成為地球陸地、海洋、大氣觀察的生力軍。但是由于高光譜圖像具有較高的數(shù)據(jù)維數(shù),常規(guī)的圖像分類方法在處理高光譜圖像時(shí)有較大的限制,如何從大量的高光譜數(shù)據(jù)中快速而準(zhǔn)確地挖掘出所需要的信息,實(shí)現(xiàn)高精度的分類,仍是一個(gè)亟待解決的問題。本文從高光譜圖像數(shù)據(jù)的特點(diǎn)入手,在對(duì)現(xiàn)有算法進(jìn)行分析的基礎(chǔ)上,針對(duì)高光譜遙感圖像分類算法進(jìn)行深入研究。主要的研究工作如下:
  ①在對(duì)高光

3、譜遙感影像進(jìn)行預(yù)處理之后,對(duì)所用高光譜圖像做了大氣校正。幾何校正選取為二次多項(xiàng)式模型,重采樣采用的是最近鄰插值法,精度方面的要求得到了充分保證,為下一步的正確分類打下了堅(jiān)實(shí)的基礎(chǔ)。
  ②提出了一種基于自適應(yīng)粒子群優(yōu)化算法的RBF神經(jīng)網(wǎng)絡(luò)高光譜遙感圖像分類方法。由于人工神經(jīng)網(wǎng)絡(luò)具有并行處理、模糊識(shí)別和非線性映射等優(yōu)點(diǎn),很適合高光譜圖像分類,但是其參數(shù)難選。采用自適應(yīng)粒子群優(yōu)化算法對(duì)RBF神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行了優(yōu)化,建立了基于粒子群優(yōu)

4、化算法的的RBF神經(jīng)網(wǎng)絡(luò)模型,分類實(shí)驗(yàn)結(jié)果表明了基于粒子群優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)模型具有很高的分類精度。
  ③提出了一種基于自適應(yīng)粒子群優(yōu)化算法的SVR高光譜遙感圖像分類方法。首先分析了支持向量回歸的核函數(shù)的構(gòu)造和模型參數(shù)的優(yōu)選問題。由于本文數(shù)據(jù)樣本較少,模型參數(shù)優(yōu)選的比較復(fù)雜,本文采用了CV估計(jì)模型推廣誤差,并使用自適應(yīng)粒子群優(yōu)化算法來優(yōu)選SVR模型參數(shù),構(gòu)建了基于粒子群優(yōu)化算法的SVR高光譜遙感圖像分類模型,在一定程度上解決了

溫馨提示

  • 1. 本站所有資源如無特殊說明,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。

評(píng)論

0/150

提交評(píng)論