高光谱遥感分类与提取技术

被引：15

作者：

许卫东

机构：

[1] 中国科学院上海技术物理研究所上海级博士研究生

来源：

红外 | 2004年 / 05期

关键词：

高光谱; 遥感; 分类; 提取;

D O I：

暂无

中图分类号：

TP75 [遥感图像的解译、识别与处理];

学科分类号：

081002 ;

摘要：

本文介绍了高光谱遥感的特点,主要对现有的分类与提取技术进行了综述,并归纳出了其最新研究方向。主要的分类方法有最小距离法、最大似然法、人式神经网络和模糊模式等,提取技术包括光谱吸收指数、光谱角度匹配,光谱相似度等。

引用

页码：28 / 34

页数：7

共 11 条

[1] 分层神经网络分类算法 [J].

熊桢 ;

郑兰芬 ;

童庆禧 .

测绘学报, 2000, (03) :229-234

[2] 以地物识别和分类为目标的高光谱数据挖掘 [J].

王晋年 ;

张兵 ;

刘建贵 ;

童庆禧 ;

郑兰芬 .

中国图象图形学报, 1999, (11) :59-66

[3] 成像光谱仪影像的几种处理方法 [J].

舒宁 .

武汉测绘科技大学学报 , 1997, (04) :21-22+36

[4] 湿地植被成象光谱遥感研究 [J].

童庆禧 ;

郑兰芬 ;

王晋年 ;

王向军 ;

董卫东 ;

胡远满 ;

党顺行 .

遥感学报, 1997, (01) :50-57+82

[5] 成象光谱图象光谱吸收鉴别模型与矿物填图研究 [J].

王晋年 ;

郑兰芬 ;

童庆禧 .

环境遥感, 1996, (01) :20-31

[6] 用Kohonen神经网络对高光谱分辨率图像进行无监督分类的研究 [J].

郭一平 .

红外与毫米波学报, 1994, (06) :409-417

[7] FAST MAXIMUM-LIKELIHOOD CLASSIFICATION OF REMOTELY-SENSED IMAGERY [J].

SETTLE, JJ ;

BRIGGS, SA .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 1987, 8 (05) :723-734

[8] A COMPUTATIONALLY-EFFICIENT MAXIMUM-LIKELIHOOD CLASSIFIER EMPLOYING PRIOR PROBABILITIES FOR REMOTELY-SENSED DATA [J].

MATHER, PM .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 1985, 6 (02) :369-376

[9] THE GEOMETRY OF CANONICAL VARIATE ANALYSIS [J].

CAMPBELL, NA ;

ATCHLEY, WR .

SYSTEMATIC ZOOLOGY, 1981, 30 (03) :268-280

[10]

The optimality of Winograd's formula[J] . Richard Harter.Communications of the ACM . 1972 (5)

← 1 2 →