Please wait a minute...
 
国土资源遥感  1994, Vol. 6 Issue (4): 63-66    DOI: 10.6046/gtzyyg.1994.04.10
  探讨与争鸣 本期目录 | 过刊浏览 | 高级检索 |
遥感土地覆盖类型识别的自组织人工神经网络模型
蔡煜东, 李伟, 许伟杰
中国科学院上海冶金研究所
ARTIFICIAL NEURAL NETWORK MODEL FOR RECOGNITION ABOUT LAND COVER TYPE OF REMOTE SENSING
Cai Yudong, Li Wei, Xu Weijie
Shanghai Institute of metallurgy, Chinese Academy of Sciences, Shanghai 200050, China
全文: PDF(199 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

本文提出了进行遥感土地覆盖类型识别的自组织人工神经网络模型,并选取了一组标准样作为研究对象,识别效率较高。结果表明,该网络性能良好,可望成为遥感土地覆盖类型识别的有效手段。

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
杨清华
李景华
韩旭
安志宏
陈华
任春
孙长青
汤玉平
李吉鹏
关键词  QuickBird数据土地整理遥感    
Abstract

The self-organization artificial neural network model for the recognition about land cover type of remote sensing was presented in this paper.A group of samples was selected and studied for the model testing. The recognizing rate is high. The results show that the neural network model is good, and therefore it might be referred as an effective technique for the recognition about land cover type of remote sensing.

Key wordsQuickbird    Land reorganization    Remote sensing
     出版日期: 2011-08-02
引用本文:   
蔡煜东, 李伟, 许伟杰. 遥感土地覆盖类型识别的自组织人工神经网络模型[J]. 国土资源遥感, 1994, 6(4): 63-66.
Cai Yudong, Li Wei, Xu Weijie. ARTIFICIAL NEURAL NETWORK MODEL FOR RECOGNITION ABOUT LAND COVER TYPE OF REMOTE SENSING. REMOTE SENSING FOR LAND & RESOURCES, 1994, 6(4): 63-66.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/gtzyyg.1994.04.10      或      https://www.gtzyyg.com/CN/Y1994/V6/I4/63


[1] 尹红风, 戴汝为.人工神经元网络信息处理原理.模式识别与人工智能, 1990. 3(1):113

[2] Lippman R P.0An introduction to computing withnerual nets", IEEE ASSP magazine, 1987.(25);4-22.

[3] Kohonen Self-Organization and Associative Memory(2nd ed.).Berlin: Spring-verlag,1988,230-235

[4] 冯晋臣.遥感土地覆盖类型精确分类的Fuzzy数学模型之研究.模糊数学, 1981(1):73-86.

[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