2) Remote sensing image analysis
遥感影像分析
3) remote sensing image classification
遥感图像分类
1.
Research on remote sensing image classification using Ant Colony Optimization(ACO) based classification rule mining algorithm;
基于蚁群优化分类规则挖掘的遥感图像分类研究
2.
Application of Support Vector Machine and Fuzzy Theory for Remote Sensing Image Classification;
支持向量机和模糊理论在遥感图像分类中的应用
3.
The supervised learning algorithm was usually used for remote sensing image classification,but its training samples need to be chosen by manual,which was boring and sometimes even difficult.
遥感图像分类方法通常采用监督的学习算法,它需要人工选取训练样本,比较繁琐,而且有时很难得到;而非监督学习算法的分类精度通常很难令人满意。
4) Classification of the Remote Image
遥感图像的分类
5) Remote sensing image segmentation
遥感图像分割
1.
Remote sensing image segmentation is not only the key implementation step for understanding remote sensing image but also a comprehensive study of the subject which across the image processing, pattern recognition, computer vision, neural network and other areas of multidisciplinary research.
遥感图像分割是实现遥感图像理解关键的一步,是一个跨越图像处理、模式识别、计算机视觉、神经网络等多学科研究领域的综合性研究课题,有着广阔的应用前景,近年来受到人们普遍重视。
2.
In response to these problems,by combining evolving clustering(ECM) with FCM algorithm,put forward a new method of remote sensing image segmentation.
针对上述问题,结合进化聚类(ECM)和FCM算法,提出了一种遥感图像分割的新方法。
6) Remote sensing image
遥感图像
1.
Theory of support vector machine and its applications in remote sensing image processing;
支持向量机理论及其在遥感图像处理中的应用
2.
Error protection in remote sensing image compression and transmission based on JPWL;
基于JPWL的遥感图像压缩传输错误保护
3.
Research on the remote sensing image compression based on ECW technology;
基于增强小波ECW的遥感图像压缩研究
补充资料：遥感图像分析
用模式识别方法对遥感图像数据进行分类的技术。遥感图像分析的主要目的是根据图像所包含的光谱信息、空间信息、多时相信息和辅助数据确定地面物景中对应的物体类别、性质及其变化，例如农作物类别、林区林种、农林虫害、泛区面积、矿山岩性、土壤成分和城镇变迁等。利用地面多光谱特性直接对单个像素进行分类的方法有：监督学习的平行多面体法，最小距离法和计算复杂但识别正确率较高的最大似然法。在缺乏地面实况样本数据情况下，可以采用按像素光谱特性相似程度进行分类的聚类分析方法。图像纹理、局部结构和形状（见纹理分析、形状分析）等空间信息，能够提供比单个像素更多的区域和相邻像素间的关系信息，因此应用空间信息进行分类，有利于克服噪声的影响和提高识别正确率。
不同时间获取的同一地面物景图像的多时相信息，能反映一种植被或农作物的生长过程，或一块土地、一片水域、一座城镇的变化情况。此外，从多时相信息中还可选择出类别最易分开的时相。例如，玉米和大豆的光谱特性在生长初期很接近，但到30～70天后两者差异加大而易于区分。
辅助数据是指图像以外的有关数据，如地形图、等高线和土壤条件等，这些数据为分类增添了有用的信息。在其他信息相似的情况下，辅助数据能在很大程度上帮助正确地区分类别。
图像分析专家系统、地理信息系统和环境监测系统，正在成为遥感图像分析的重要手段。这些系系统将在水力、森林、草场、土地等资源调查、开发和利用中成为有效的工具。
不同时间获取的同一地面物景图像的多时相信息，能反映一种植被或农作物的生长过程，或一块土地、一片水域、一座城镇的变化情况。此外，从多时相信息中还可选择出类别最易分开的时相。例如，玉米和大豆的光谱特性在生长初期很接近，但到30～70天后两者差异加大而易于区分。
辅助数据是指图像以外的有关数据，如地形图、等高线和土壤条件等，这些数据为分类增添了有用的信息。在其他信息相似的情况下，辅助数据能在很大程度上帮助正确地区分类别。
图像分析专家系统、地理信息系统和环境监测系统，正在成为遥感图像分析的重要手段。这些系系统将在水力、森林、草场、土地等资源调查、开发和利用中成为有效的工具。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条