共被期刊论文引用了2次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于核映射多光谱特征融合的高光谱遥感图像分类法显示文摘多光谱遥感图像的波段设定在理论和实践上都极具地物针对性,在更有效的数据挖掘方法帮助下可以提取足够的光谱特征以区分地物,本文将光谱匹配技术用于相似性度量,以提高分类准确度.首先选定光谱角制图、光谱相关制图、Mahalanobis距离、光谱相似度和光谱信息差异做为光谱度量;随后选择高斯核函数,在选定核函数之后,得到了核映射下的光谱特征度量来挖掘高光谱遥感数据的光谱特征.最后采用核映射多光谱特征融合法对多光谱遥感图像光谱特征的相似性进行描述,得到基于核映射多光谱特征融合的高光谱遥感图像分类算法.使用MATLAB中的LIBSVM工具箱对AVIRIS高光谱遥感数据进行分类实验,并与已有算法进行对比,结果表明本文提出的算法具有较高的分类准确度和性能. | 樊利恒 吕俊伟 于振涛 曹亮杰 | 2014 | 光子学报2014，43，6： | 6 |
| 2 | 基于CR-SAM的博斯腾湖西岸湖滨带典型植被分类显示文摘以博斯腾湖西岸湖滨带为研究区,采取高光谱数据和Sentinel-2A遥感数据,采用包络线去除(CR)法提取并分析箭杆杨、沙枣树和芦苇3种典型植被类别间的可区分特征,利用光谱角匹配(SAM)法对研究区3种典型植被的分布状况进行分类识别。结果表明:①SAM分类方法对3种典型植被的识别百分比为58.47%,基于包络线去除的光谱角匹配(CR-SAM)分类方法对3种典型植被的识别百分比为79.12%,CR-SAM能够突出植被光谱细节特征,减少环境背景对植被光谱的影响。②CR-SAM分类结果的总体分类精度为70.50%,较SAM分类方法提高了17.50%,Kappa系数由SAM分类方法的0.32增加到0.66,CR-SAM分类方法更能满足影像分类过程中的精度需求。③3种典型植被中,箭杆杨呈片状分布于道路两侧,面积3.98 km^(2),占研究区总面积的2.01%;沙枣树主要分布于荒地与耕地之间的过渡带,面积19.76 km^(2),占研究区总面积的9.98%;芦苇主要分布于湖滨带湿地及开都河下游沿岸,面积174.26 km^(2),占研究区总面积的88.01%。 | 张子慧 李新国 李勇 | 2022 | 中山大学学报(自然科学版)(中英文)2022，61，6： | 1 |
您所在的机构暂未开通此部分的功能，请联系管理员