![](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/16/15/9430b771-dd08-47bb-982e-d5df09942386/9430b771-dd08-47bb-982e-d5df09942386pic.jpg)
![遙感圖像的分類(lèi).pdf_第1頁(yè)](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/16/15/9430b771-dd08-47bb-982e-d5df09942386/9430b771-dd08-47bb-982e-d5df099423861.gif)
版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、北京化工大學(xué)碩士學(xué)位論文遙感圖像的分類(lèi)姓名:郭欣申請(qǐng)學(xué)位級(jí)別:碩士專(zhuān)業(yè):計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師:趙淑清20041123!!塞些!盔蘭塑!:型型蘭堂垡堡墨CLASSIFICATl0N0FTHEREMOTEIMAGEABSTRACTTheclassificationof“remoteserlsingimageisaprocessthatallthepixelsintheimageareseperatedintosomespeciesbyth
2、eircharactersThegeneralwaysareStnpervisedclassificationandUn—supervisedclassificationUn—surperwisedclassificationisaprocessofclustering,Supervisedclassificationisaprocessoflearningandtraining,itneedenoughpre—knowledgeWit
3、houtenoHghpreknowledgetheunsupervisedclassificationisusedinthispaperInthepaperthetraditionaltin—supervisedclassificationsuchasK—means,IsodataareshowndetailedlyBasedonthis,KmeansintheGaussdistribution,Rayleighdistribution
4、andfuzzyIsodataareintroducedFromtheresults,wecanseethattheclassifiederiectismuchbetterthanthetraditionalways,Inthedataanalysis,theHiddenMarkovModelinWaveletdomainusedinSARclassificationanditseffectareshowntooSowecarldraw
5、aconclusionthatthenewwaysinclassificationinthepaperwhichhavebeenshownareMoreaccurateandflowingthanthetraditionalonesAimingatthespeclenoiseoftheSARimagewetagseethattheHMMisaIleffectivemethodforthenoiseKEYWORDS:SARImageUn—
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 遙感圖像分類(lèi)方法的研究.pdf
- 實(shí)習(xí)遙感圖像分類(lèi)(一)監(jiān)督分類(lèi)
- 基于圖論的遙感圖像分類(lèi)研究.pdf
- 基于紋理的遙感圖像分類(lèi)研究.pdf
- 基于圖像融合的高光譜遙感圖像分類(lèi)研究.pdf
- 基于ENVI的遙感圖像特征分析及圖像分類(lèi).pdf
- 基于機(jī)器學(xué)習(xí)的遙感圖像分類(lèi)研究.pdf
- 支持向量機(jī)遙感圖像分類(lèi)的研究.pdf
- 利用融合方法的遙感圖像分類(lèi)研究.pdf
- 基于主動(dòng)深度學(xué)習(xí)的遙感圖像分類(lèi).pdf
- 基于MODIS遙感圖像的地物分類(lèi)研究.pdf
- 數(shù)字遙感圖像解譯分類(lèi)方法研究.pdf
- 城市TM遙感圖像分類(lèi)方法研究.pdf
- 高光譜遙感圖像分類(lèi)方法研究.pdf
- 基于核理論的遙感圖像分類(lèi)方法研究.pdf
- 基于稀疏表示的高光譜遙感圖像分類(lèi).pdf
- 基于深度學(xué)習(xí)的高光譜遙感圖像分類(lèi).pdf
- 數(shù)據(jù)融合在遙感圖像分類(lèi)中的應(yīng)用.pdf
- 基于改進(jìn)RBM的多光譜遙感圖像分類(lèi).pdf
- 基于紋理特征的遙感圖像分類(lèi)算法研究.pdf
評(píng)論
0/150
提交評(píng)論