物探化探计算技术
物探化探計算技術
물탐화탐계산기술
COMPUTING TECHNIQUES FOR GEOPHYSICAL AND GEOCHEMICAL EXPLORATION
2008年
2期
158-162
,共5页
周峰%潘和平%杜志顺%付华%李广亮
週峰%潘和平%杜誌順%付華%李廣亮
주봉%반화평%두지순%부화%리엄량
主成份分析%RBF神经网络%多光谱%监督分类
主成份分析%RBF神經網絡%多光譜%鑑督分類
주성빈분석%RBF신경망락%다광보%감독분류
多光谱卫星遥感影像具有波段多,信息量大的特点,传统的分类方法难以达到比较高的精度.这里首先采用主成份分析对多波段遥感图像进行降维,再采用训练后的RBF(radial basis function)神经网络做图像的监督分类.通过对ETM+的遥感数据进行实验,结果表明,这种分类方法的分类精度,明显优于最大似然法、最小距离法等传统的分类方法.同时,与基于像元的RBF神经网络法相比,也有一定的优势.
多光譜衛星遙感影像具有波段多,信息量大的特點,傳統的分類方法難以達到比較高的精度.這裏首先採用主成份分析對多波段遙感圖像進行降維,再採用訓練後的RBF(radial basis function)神經網絡做圖像的鑑督分類.通過對ETM+的遙感數據進行實驗,結果錶明,這種分類方法的分類精度,明顯優于最大似然法、最小距離法等傳統的分類方法.同時,與基于像元的RBF神經網絡法相比,也有一定的優勢.
다광보위성요감영상구유파단다,신식량대적특점,전통적분류방법난이체도비교고적정도.저리수선채용주성빈분석대다파단요감도상진행강유,재채용훈련후적RBF(radial basis function)신경망락주도상적감독분류.통과대ETM+적요감수거진행실험,결과표명,저충분류방법적분류정도,명현우우최대사연법、최소거리법등전통적분류방법.동시,여기우상원적RBF신경망락법상비,야유일정적우세.
