科学技术与工程
科學技術與工程
과학기술여공정
SCIENCE TECHNOLOGY AND ENGINEERING
2014年
12期
73-76,82
,共5页
赵福强%杨国范%张婷婷%翟光耀
趙福彊%楊國範%張婷婷%翟光耀
조복강%양국범%장정정%적광요
遥感%浅水河道%自动提取%二维经验模态分解(EMD)%极大似然法%BP神经网络
遙感%淺水河道%自動提取%二維經驗模態分解(EMD)%極大似然法%BP神經網絡
요감%천수하도%자동제취%이유경험모태분해(EMD)%겁대사연법%BP신경망락
two-dimensional EMD%maximum likelihood method%BP neural network%remote sensing%shallow water channel%automatic extraction
遥感影像中浅水河道与居民地具有相似的光谱特性,在浅水河道自动提取过程中噪声较多,经验模态分解(EMD)可获取原始信号不同尺度上的细节信息,有效地提高遥感影像浅水河道自动提取的精度.利用环境与减灾小卫星数据,以彰武县柳河为研究区,对该区2012年10个时期NDVI时间序列分别EMD分解,选取每个时相信息量较大的前三个固有模态函数(IMF),结合2012年9月18号影像共34波段作为研究数据,利用极大似然法、BP神经网络传统的分类方法进行分类.结果表明结合EMD的分类方法可有效地去除居民地噪声,Kappa系数最高达到0.9690,总体分类精度最高达到93.35％,从而有效地解决了遥感影像中浅水河道提取正确率低的难题.
遙感影像中淺水河道與居民地具有相似的光譜特性,在淺水河道自動提取過程中譟聲較多,經驗模態分解(EMD)可穫取原始信號不同呎度上的細節信息,有效地提高遙感影像淺水河道自動提取的精度.利用環境與減災小衛星數據,以彰武縣柳河為研究區,對該區2012年10箇時期NDVI時間序列分彆EMD分解,選取每箇時相信息量較大的前三箇固有模態函數(IMF),結閤2012年9月18號影像共34波段作為研究數據,利用極大似然法、BP神經網絡傳統的分類方法進行分類.結果錶明結閤EMD的分類方法可有效地去除居民地譟聲,Kappa繫數最高達到0.9690,總體分類精度最高達到93.35％,從而有效地解決瞭遙感影像中淺水河道提取正確率低的難題.
요감영상중천수하도여거민지구유상사적광보특성,재천수하도자동제취과정중조성교다,경험모태분해(EMD)가획취원시신호불동척도상적세절신식,유효지제고요감영상천수하도자동제취적정도.이용배경여감재소위성수거,이창무현류하위연구구,대해구2012년10개시기NDVI시간서렬분별EMD분해,선취매개시상신식량교대적전삼개고유모태함수(IMF),결합2012년9월18호영상공34파단작위연구수거,이용겁대사연법、BP신경망락전통적분류방법진행분류.결과표명결합EMD적분류방법가유효지거제거민지조성,Kappa계수최고체도0.9690,총체분류정도최고체도93.35％,종이유효지해결료요감영상중천수하도제취정학솔저적난제.
