是用于高光谱遥感影像分类的机器学习脚本，其中使用了MLP算法（Multilayer Perceptron Algorithm）对Salinas数据集进行分类。
Salinas数据集是一个常用的高光谱遥感影像数据集，包含了来自13种不同作物和地物的224个像素。在你的Python脚本中，使用了MLP算法对这些像素进行分类。MLP算法是一种基于神经网络的分类算法，其通过多层神经元对特征进行抽象和表达，从而实现高效的分类。在该算法中，使用了反向传播算法对网络进行训练，以便调整网络中的权重和偏置，从而提高分类的准确性。
2023-12-23 13:58:14
5KB
1
模糊C均值聚类算法可有效的解决遥感信息的不确定性和混合像元的划分。文中基于matlab平台、采用模糊C均值聚类对遥感影像进行分类,并运用混淆矩阵对分类结果进行了精度评定。实验结果表明,基于模糊C均值聚类使得分类后的图像很好地区分了地物类别,取得了较好效果。
2023-04-02 17:39:47
382KB
1
《Erdas遥感影像处理入门实战教程》以Erdas2010版本经典界面进行实战教学，设计12章内容，正式教学内容总共45课时，15个小时时长。从软件界面开始，到后的应用，适合入门级、初级、中级的人员学习、工作、教师教学参考。课程根据作者实际工作经验，以及采访学员需求，开展课程设计，实用加实战，会是你学习路上的好帮手。
2023-02-01 11:49:41
6KB
1
传统的遥感影像是依据地物的波谱信息来进行分类的。这往往会产生“同物异谱，
异物同谱”的问题，
使得分类精度和效果不理想。因此本文采用基于专家知识的决策树 Ｃ４．５法，
利用地物的波谱信息、归一化植被指数、主成分分析等特征构建决策树，
与监督分类中的支持向量机法、最小距离法去比较。
2022-06-08 14:46:37
220KB
1
人工神经网络在高光谱遥感影像分类中的应用，郑玉凤，，高光谱遥感图像数据具有数据量大、波段很多很窄、波段相关性强、信息冗余多、图光一体化等特征。而遥感图像上的光谱值是多种地物
2022-05-12 00:32:51
355KB
1
遥感影像分类是模式识别技术在遥感领域的具体应用,针对普通卷积神经网络处理遥感图像分类遇到的边缘分类不准确、分类精度低等问题,提出了一种基于编码解码器的空洞卷积模型(DeepLab-v3+)的遥感图像分类方法。首先标注卫星图像数据;再利用标注数据集对DeepLab-v3+模型进行训练,该模型能够提取遥感图像中具有较强稳健性的边缘特征;最后获得遥感影像地物分类结果。在遥感数据集上进行分析可知,所提方法比其他分类方法具有更高的分类精度,更稳健的边缘特征,以及更优的分类效果。
2022-05-06 16:15:39
15.39MB
1
深度学习是近几年图像识别领域的一门新兴技术，能够自动学习影像深层次特征 从而进行准确的分类决策，为得到更好的高分辨率遥感影像分类结果带来新的契机
2022-04-18 16:36:47
4.19MB
1
主要有监督分类与非监督分类，基于分类判据的实现策略
划分，硬分类和软分类，基于像素的分类和基于对象的分类。单分类器和多分类器集成。并简单介绍了一些
分类方法，包括监督分类法(最小距离分类法、最大似然分类法和平行多面体分类法)、基于光谱相似性度量
的分类方法、人工神经网络分类法、支持向量机分类、决策树分类、面向对象分类和非监督分类。
2022-03-14 18:17:08
318KB
1