排序方式： 共有4条查询结果，搜索用时 15 毫秒
1.
面向对象的遥感影像分类方法克服了传统基于像元分类方法的弊端,将对象光谱、空间纹理等特征一并加入分类依据中,有效避免了“同谱异物”或“异物同谱”的问题,适合于高分辨率的遥感影像分类。以武汉市某街区公共遥感影像为例,采用上述方法,结合支持向量机分类方法进行地物分类识别,结果显示,分类总体精度达到了89．9913％,取得了良好的分类效果。 相似文献
2.
面向对象的遥感影像分类方法克服了传统基于像元分类方法的弊端,将对象光谱、空间纹理等特征一并加入分类依据中,有效避免了“同谱异物”或“异物同谱”的问题,适合于高分辨率的遥感影像分类。以武汉市某街区公共遥感影像为例,采用上述方法,结合支持向量机分类方法进行地物分类识别,结果显示,分类总体精度达到了89.9913%,取得了良好的分类效果。 相似文献
3.
将Google Earth影像引入到土地资源分析领域,基于GE影像,利用ENVI遥感图像处理软件对图像进行辐射校正、几何校正以及去噪等预处理和增强处理,然后根据武汉市矢量地图裁剪出武汉市行政边界;对处理后的图像进行非监督分类得到初步处理图像,将获取的分类结果结合具体地形图再进行后续处理,最终得到较理想的武汉市遥感图像分类结果;最后对武汉市的土地利用情况进行统计,对土地资源的利用和管理加以分析。 相似文献
4.
将GoogleEarth影像引入到土地资源分析领域,基于GE影像,利用ENVI遥感图像处理软件对图像进行辐射校正、几何校正以及去噪等预处理和增强处理,然后根据武汉市矢量地图裁剪出武汉市行政边界;对处理后的图像进行非监督分类得到初步处理图像,将获取的分类结果结合具体地形图再进行后续处理,最终得到较理想的武汉市遥感图像分类结果;最后对武汉市的土地利用情况进行统计,对土地资源的利用和管理加以分析。 相似文献
|
