辅以纹理和BP神经网络的TM遥感影像分类

被引：4

作者：

夏浩铭 ^{[1
]}

罗金辉 ^{[2
]}

雷利元 ^{[1
]}

毕远溥 ^{[1
]}

机构：

[1] 辽宁省海洋水产科学研究院

[2] 中国矿业大学资源与地球科学学院

来源：

地理空间信息 | 2012年 / 10卷 / 01期

关键词：

纹理; 灰度共生矩阵; BP神经网络; 遥感影像; 滤波;

D O I：

暂无

中图分类号：

TP751 [图像处理方法]; TP183 [人工神经网络与计算];

学科分类号：

081002 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

在提高遥感图像分类精度的方法中,将纹理信息作为扩展的特征向量加入特征空间中,是一个很有效的方法。利用地物在空间上的联系提取纹理,进而参与BP神经网络分类,实验结果表明加入纹理后明显提高了具有纹理信息的地物的分类精度。

引用

页码：33 / 36+2 +2

页数：5

共 12 条

[1] 辅以纹理特征的遥感影像神经网络分类 [J].

裴亮 ;

谭阳 .

测绘与空间地理信息, 2008, (04) :66-67+73

[2] 基于Matlab的BP神经网络设计 [J].

常晓丽 .

机械工程与自动化, 2006, (04) :36-37

[3] 基于灰度共生矩阵的木材纹理分类方法的研究 [J].

白雪冰 ;

王克奇 ;

王辉 .

哈尔滨工业大学学报, 2005, (12) :1667-1670

[4] 中分辨率遥感图像土地利用与覆被分类的方法及精度评价 [J].

肖鹏峰 ;

刘顺喜 ;

冯学智 ;

赵书河 ;

赵萍 .

国土资源遥感, 2004, (04) :41-45+79

[5] 织物折皱纹理灰度共生矩阵分析 [J].

汪黎明 ;

陈健敏 ;

王锐 ;

姜红 .

青岛大学学报(工程技术版), 2003, (04) :5-8

[6] TM图像土地利用分类精度验证与评估——以定西县为例 [J].

冉有华 ;

李文君 ;

陈贤章 .

遥感技术与应用, 2003, (02) :81-86

[7] 基于BP神经网络的多源遥感影像分类 [J].

贾永红 ;

张春森 ;

王爱平 .

西安科技学院学报, 2001, (01) :58-60

[8]

特征选择算法及其在基于内容图像检索中的应用研究[D]. 李云.重庆大学. 2005

[9]

神经网络理论及其工程应用[M]. 测绘出版社 , 胡伍生, 2006

[10]

遥感数字图像处理[M]. 科学出版社 , 汤国安等编著, 2004

← 1 2 →