安徽大学学报（自然科学版）
安徽大學學報（自然科學版）
안휘대학학보（자연과학판）
JOURNAL OF ANHUI UNIVERSITY(NATURAL SCIENCES EDITION)
2014年
1期
48-55
,共8页
胡根生%陈长春%张学敏%潘煜天
鬍根生%陳長春%張學敏%潘煜天
호근생%진장춘%장학민%반욱천
Landsat7影像%云检测%多分类%最小二乘小波孪生支持向量机%小波核
Landsat7影像%雲檢測%多分類%最小二乘小波孿生支持嚮量機%小波覈
Landsat7영상%운검측%다분류%최소이승소파련생지지향량궤%소파핵
Landsat7 images%cloud detection%multi-classification%least squares wavelet twin support vector machines%wavelet kernel
研究基于最小二乘小波孪生支持向量机(least squares wavelet twin support vector machines,简称LS-WTSVM)的遥感多光谱影像云检测.首先根据云在不同波段中大气的辐射特点,结合Landsat7 ETM+影像数据的光谱特性获得云像元的光谱特征,再通过提取每个图像块的灰度共生矩阵得到相应像元的纹理结构特征,根据像元的光谱特性和纹理结构特征构造特征向量,最后利用最小二乘小波孪生支持向量机多分类算法进行Landsat7 ETM+影像像元的云检测,实现不同类型云区的多分类识别.仿真实验结果表明,该算法能准确地检测出多光谱影像中的厚云和薄云.
研究基于最小二乘小波孿生支持嚮量機(least squares wavelet twin support vector machines,簡稱LS-WTSVM)的遙感多光譜影像雲檢測.首先根據雲在不同波段中大氣的輻射特點,結閤Landsat7 ETM+影像數據的光譜特性穫得雲像元的光譜特徵,再通過提取每箇圖像塊的灰度共生矩陣得到相應像元的紋理結構特徵,根據像元的光譜特性和紋理結構特徵構造特徵嚮量,最後利用最小二乘小波孿生支持嚮量機多分類算法進行Landsat7 ETM+影像像元的雲檢測,實現不同類型雲區的多分類識彆.倣真實驗結果錶明,該算法能準確地檢測齣多光譜影像中的厚雲和薄雲.
연구기우최소이승소파련생지지향량궤(least squares wavelet twin support vector machines,간칭LS-WTSVM)적요감다광보영상운검측.수선근거운재불동파단중대기적복사특점,결합Landsat7 ETM+영상수거적광보특성획득운상원적광보특정,재통과제취매개도상괴적회도공생구진득도상응상원적문리결구특정,근거상원적광보특성화문리결구특정구조특정향량,최후이용최소이승소파련생지지향량궤다분류산법진행Landsat7 ETM+영상상원적운검측,실현불동류형운구적다분류식별.방진실험결과표명,해산법능준학지검측출다광보영상중적후운화박운.
