基于权重与混合模型的遥感图像分类方法研究

doi:10.6046/gtzyyg.2008.02.05

全文: PDF(824 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

提出了一种基于权重与混合像元模型的遥感图像分类方法。该方法在现有光谱混合模型的基础上，根据实际应用需要确定地类权重，通过地类丰度与权重因子加权平均确定像元的隶属类型，从而实现遥感图像分类。以SPOT-5土地覆盖遥感分类为例，对权重与混合像元模型结合的图像分类方法进行了验证，结果表明，该方法提高了遥感图像分类精度，在一定条件下更具实际意义。

	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
	张宝光

关键词 ：人工神经网络, 遥感数字图像, 分类

Abstract：

A method for remote sensing image classification based on weight and mixed-pixel models is proposed in this paper. Combined with the available spectral mixed-pixel models，this method classifies the pixels by weighting and averaging with the abundances and weight factors of the categories according to practical application. To verify its feasibility，the authors carried out the classification of land cover with SPOT-5 data. The results show that the method can improve the accuracy of remote sensing image classification and even has higher application value under certain conditions.

Key words： Artificial neural network Remote sensing digital images Classification

收稿日期: 2007-11-01 出版日期: 2009-07-15

TP75　

基金资助:

国家科技支撑计划课题(2006BAJ05A13)。

通讯作者: 何海清(1983-)，男，在读硕士，主要从事遥感与地理信息系统应用研究。

引用本文:

何海清, 李发斌, 李何超, 王勇. 基于权重与混合模型的遥感图像分类方法研究[J]. 国土资源遥感, 2008, 20(2): 18-21.
HE Hai-Qing, LI Fa-Bin, LI He-Chao, WANG Yong. A METHOD FOR REMOTE SENSING IMAGE CLASSIFICATION BASED ON WEIGHT AND MIXED-PIXEL MODELS. REMOTE SENSING FOR LAND & RESOURCES, 2008, 20(2): 18-21.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2008.02.05 或 https://www.gtzyyg.com/CN/Y2008/V20/I2/18

[1]	史飞飞, 高小红, 肖建设, 李宏达, 李润祥, 张昊. 基于集成学习和多时相遥感影像的枸杞种植区分类[J]. 自然资源遥感, 2022, 34(1): 115-126.
[2]	吴琳琳, 李晓燕, 毛德华, 王宗明. 基于遥感和多源地理数据的城市土地利用分类[J]. 自然资源遥感, 2022, 34(1): 127-134.
[3]	范莹琳, 娄德波, 张长青, 魏英娟, 贾福东. 基于面向对象的铁尾矿信息提取技术研究——以迁西地区北京二号遥感影像为例[J]. 自然资源遥感, 2021, 33(4): 153-161.
[4]	李渊, 毋琳, 戚雯雯, 郭拯危, 李宁. 基于改进OGMRF-RC模型的SAR图像分类方法[J]. 自然资源遥感, 2021, 33(4): 98-104.
[5]	白俊龙, 王章琼, 闫海涛. K-means聚类引导的无人机遥感图像阈值分类方法[J]. 自然资源遥感, 2021, 33(3): 114-120.
[6]	王镕, 赵红莉, 蒋云钟, 何毅, 段浩. 月尺度农作物提取中GF-1 WFV纹理特征的应用及分析[J]. 自然资源遥感, 2021, 33(3): 72-79.
[7]	蒋校, 钟昶, 连铮, 吴亮廷, 邵治涛. 卫星遥感地质信息产品分类标准研究进展[J]. 自然资源遥感, 2021, 33(3): 279-283.
[8]	韩彦岭, 崔鹏霞, 杨树瑚, 刘业锟, 王静, 张云. 基于残差网络特征融合的高光谱图像分类[J]. 国土资源遥感, 2021, 33(2): 11-19.
[9]	孟清, 白红英, 赵婷, 郭少壮, 齐贵增. 秦岭山地对气溶胶的生态屏障效应[J]. 国土资源遥感, 2021, 33(1): 240-248.
[10]	许赟, 许艾文. 基于随机森林的遥感影像云雪雾分类检测[J]. 国土资源遥感, 2021, 33(1): 96-101.
[11]	张莉, 谢亚楠, 屈辰阳, 汪鸣泉, 常征, 王茂华. 基于K-Means城市分类算法的夜光遥感电力消费估算[J]. 国土资源遥感, 2020, 32(4): 182-189.
[12]	王德军, 姜琦刚, 李远华, 关海涛, 赵鹏飞, 习靖. 基于Sentinel-2A/B时序数据与随机森林算法的农耕区土地利用分类[J]. 国土资源遥感, 2020, 32(4): 236-243.
[13]	王跃峰, 武慧智, 何姝珺, 黄頔, 白朝军. 河南省信阳市浉河区自然资源智能化信息提取技术方法研究[J]. 国土资源遥感, 2020, 32(4): 244-250.
[14]	孙珂. 融合超像元与峰值密度特征的遥感影像分类[J]. 国土资源遥感, 2020, 32(4): 41-45.
[15]	江珊, 王春, 宋宏利, 刘玉锋. 基于SAR与光学遥感数据相结合的农作物种植类型识别研究[J]. 国土资源遥感, 2020, 32(4): 105-110.