Please wait a minute...
 
国土资源遥感  1996, Vol. 8 Issue (3): 49-55    DOI: 10.6046/gtzyyg.1996.03.09
  方法技术 本期目录 | 过刊浏览 | 高级检索 |
遥感图像的神经网络分类法
潘东晓1, 虞勤国2, 赵元洪3
1. 上海气象科学研究所, 上海 200030;
2. 宁波市城市规划院, 宁波 315000;
3. 浙江大学遥感研究室, 杭州 310027
NEURAL NETWORK FOR CLASSIFICATION OF REMOTE SENSING IMAGE
Pan Dongxiao1, Yu Qingguo2, Zhao Yuanhong3
1. Shanghai Meteorological Institute, Shanghai 200030;
2. Ningbo Urban Planning Institute, Ningbo 315000;
3. Zhejiang University, Hangzhou 310027
全文: PDF(1148 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 神经网络的研究已有近35a的历史,各种模型相继出现,应用领域越来越广,近年来,神经网络的研究在国内外遥感界也越来越受到重视。笔者结合国家“八五”攻关项目“太湖地区水稻遥感估产”的要求,运用半线性前馈神经网络对TM图像进行分类作了研究,并以无锡县的华庄、羊尖两个乡作为试验区,用1991年7月23日的TM资料提取了两个乡的水稻种植面积,并与采用传统的Bayes分类法作的分类结果进行了比较,取得了满意的效果。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
王凤敏
田庆久
虢建宏
钟勇
孙东
陈磊
关键词 热红外遥感ASTER陆表温度发射率    
Abstract:A method of semilinear feedforward net applied to the classification of remote sensing image was discussed in this paper, Satisfactory results were obtained in extracting the planted rice area in Huazhuang and Yangjian towns of Wuxi county from TM data of July 23, 1991 by this method.
Key words Thermal infrared    Remote sensing    ASTER    Land surface temperature    Emissivity
收稿日期: 1995-12-01      出版日期: 2011-08-02
作者简介: 潘东晓 男 助理研究员,1968年10月生,1993年获浙江大学遥感专业硕士学位,现主要从事地理信息系统和遥感应用等研究工作。
引用本文:   
潘东晓, 虞勤国, 赵元洪. 遥感图像的神经网络分类法[J]. 国土资源遥感, 1996, 8(3): 49-55.
Pan Dongxiao, Yu Qingguo, Zhao Yuanhong. NEURAL NETWORK FOR CLASSIFICATION OF REMOTE SENSING IMAGE. REMOTE SENSING FOR LAND & RESOURCES, 1996, 8(3): 49-55.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/gtzyyg.1996.03.09      或      https://www.gtzyyg.com/CN/Y1996/V8/I3/49


[1] 王杰生.遥感图像应用处理中的-个分类新方法—模拟目视分辨法.环境遥感,1992,7(2):125-130





[2]

[美]包约翰著,马颂德、张恭清等译,自适应模式识别与神经网络北京:科学出版社,1992年





[3] 刘其真.用光学/人工神经网络混合方法进行图像分类.遥感技术与应用,1991,6(2):60-62





[4] A. pintand H. Bischof, Constructinga neural network for the interpretation of the species of treesinaerial photographs. IEEE Computer Society Press, 1990, 755-757





[5] J. Lee, R. C. Weqeretc, Aneural network approach to cloud classification. IEEE Traps,GRS. 1990, 28(5):452-454





[6] J. A. Benedijtsson. P. H. Swain, Neural Network Approach Veata Statistical Methodsin Classificationof Multisoure

Ramte Senisng Data. IEEE Traps, on GRS. 1990, 28(4):540-552





[7] P. D. Hnmann, N. Khazenie, Classifi cation of Multispectral Remote Sensing Data Usinga Back-Propagation Neural Network. IEEE Traps, on GRS. 1992, 30 (1): 81-88





[8] H. Bischof, A. J. Pinz, Multispectral Classificationof Land-Image Using Neural Network, IEEE Ttans, on GRS.1992,30(3)
[1] 刘文, 王猛, 宋班, 余天彬, 黄细超, 江煜, 孙渝江. 基于光学遥感技术的冰崩隐患遥感调查及链式结构研究——以西藏自治区藏东南地区为例[J]. 自然资源遥感, 2022, 34(1): 265-276.
[2] 王茜, 任广利. 高光谱遥感异常信息在阿尔金索拉克地区铜金矿找矿工作中的应用[J]. 自然资源遥感, 2022, 34(1): 277-285.
[3] 吕品, 熊丽媛, 徐争强, 周学铖. 基于FME的矿山遥感监测矢量数据图属一致性检查方法[J]. 自然资源遥感, 2022, 34(1): 293-298.
[4] 张大明, 张学勇, 李璐, 刘华勇. 一种超像素上Parzen窗密度估计的遥感图像分割方法[J]. 自然资源遥感, 2022, 34(1): 53-60.
[5] 薛白, 王懿哲, 刘书含, 岳明宇, 王艺颖, 赵世湖. 基于孪生注意力网络的高分辨率遥感影像变化检测[J]. 自然资源遥感, 2022, 34(1): 61-66.
[6] 宋仁波, 朱瑜馨, 郭仁杰, 赵鹏飞, 赵珂馨, 朱洁, 陈颖. 基于多源数据集成的城市建筑物三维建模方法[J]. 自然资源遥感, 2022, 34(1): 93-105.
[7] 李伟光, 侯美亭. 植被遥感时间序列数据重建方法简述及示例分析[J]. 自然资源遥感, 2022, 34(1): 1-9.
[8] 丁波, 李伟, 胡克. 基于同期光学与微波遥感的茅尾海及其入海口水体悬浮物反演[J]. 自然资源遥感, 2022, 34(1): 10-17.
[9] 高琪, 王玉珍, 冯春晖, 马自强, 柳维扬, 彭杰, 季彦桢. 基于改进型光谱指数的荒漠土壤水分遥感反演[J]. 自然资源遥感, 2022, 34(1): 142-150.
[10] 张秦瑞, 赵良军, 林国军, 万虹麟. 改进遥感生态指数的宜宾市三江汇合区生态环境评价[J]. 自然资源遥感, 2022, 34(1): 230-237.
[11] 贺鹏, 童立强, 郭兆成, 涂杰楠, 王根厚. 基于地形起伏度的冰湖溃决隐患研究——以希夏邦马峰东部为例[J]. 自然资源遥感, 2022, 34(1): 257-264.
[12] 艾璐, 孙淑怡, 李书光, 马红章. 光学与SAR遥感协同反演土壤水分研究进展[J]. 自然资源遥感, 2021, 33(4): 10-18.
[13] 李特雅, 宋妍, 于新莉, 周圆锈. 卫星热红外温度反演钢铁企业炼钢月产量估算模型[J]. 自然资源遥感, 2021, 33(4): 121-129.
[14] 刘白露, 管磊. 南海珊瑚礁白化遥感热应力检测改进方法研究[J]. 自然资源遥感, 2021, 33(4): 136-142.
[15] 吴芳, 金鼎坚, 张宗贵, 冀欣阳, 李天祺, 高宇. 基于CZMIL测深技术的海陆一体地形测量初探[J]. 自然资源遥感, 2021, 33(4): 173-180.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发