高光谱数据森林类型统计模式识别方法比较评价

被引：27

作者：

陈尔学 ^{[1
]}

李增元 ^{[1
]}

谭炳香 ^{[1
]}

梁毓照 ^{[2
]}

张则路 ^{[2
]}

机构：

[1] 中国林业科学研究院资源信息研究所

[2] 吉林省汪清林业局

来源：

林业科学 | 2007年 / 01期

关键词：

EO-1Hyperion; 高光谱; 统计模式识别; 森林类型;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

在我国东北地区获取EO-1Hyperion高光谱数据,以高空间分辨率的全色SPOT-5数据及其影像分割结果为辅助,通过外业测量获取真实可靠的森林类型空间分布数据。以这些数据为地面实状数据,对现代先进的统计模式识别方法用于森林类型识别的效果进行比较评价,总结可以有效解决有限样本条件下高光谱分类问题的基于统计模式识别的森林类型分类技术方案。评价结果表明:对高光谱数据进行降维处理,并采用更加有效的二阶统计量估计方法,进而应用将空间上下文信息和光谱信息相结合的分类算法,如ECHO,可以有效提高高光谱数据森林类型的识别精度。

引用

页码：84 / 89+130 +130

页数：7