导读:本文包含了遥感分类论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:遥感,图像,特征,高分,树种,深度,光谱。
遥感分类论文文献综述
马长辉,黄登山[1]（2019）在《纹理与几何特征信息在高空间分辨率遥感影像分类中的应用》一文中研究指出为充分利用高空间分辨率遥感影像所包含的纹理与几何特征信息,提高影像的分类精度,应用面向对象技术和Log-Gabor小波来提取影像纹理和几何特征信息,并结合影像光谱信息对影像进行分类。选用的分类器为粒群优化算法优化参数的支持向量机分类器,使用资源叁号和高分二号两种不同传感器的卫星影像对方法进行验证,影像数据地物类型包含林地、草地、裸地、沙地、建筑物和道路等典型实体对象。通过对实验结果的目视比较和统计分析结果表明,所提方法分类结果精度较传统方法有所提高。(本文来源于《测绘地理信息》期刊2019年06期）
闫颖[2]（2019）在《基于偏微分方程的遥感成像雷达距离图像分类方法》一文中研究指出针对传统方法分类遥感成像雷达距离图像时,未对图像进行平滑处理,导致其易受环境干扰,分类性能较差的问题,提出一种基于偏微分方程的遥感成像雷达距离图像分类方法.首先通过偏微分方程对遥感成像雷达距离图像进行平滑处理,然后采用基于偏微分方程的多区域分割模型,将分割后的遥感成像雷达距离图像分类过程视为泛化函数最小化过程,通过分割对能量泛函数进行最小化处理,实现遥感成像雷达距离图像的多区域分类.实验结果表明,该方法成像速度快,去噪和图像分割效果好,分类精度和Kappa系数值均较高.(本文来源于《吉林大学学报(理学版)》期刊2019年06期）
王莹[3]（2019）在《改进的基于CNN的高光谱遥感图像分类办法》一文中研究指出由于高光谱遥感图像光谱维度大,标注样本相对较少,提出了一种结合主成分分析和改进的二维卷积神经网络的高光谱遥感图像的分类方法。首先,通过主成分分析,降低光谱维度,消除光谱亢余信息。然后,将数据进行分块处理,获得分块数据的样本标签,并将数据分为训练集和验证集,用训练集和验证集训练改进的针对高光谱遥感图像分类的卷积神经网络的参数。最后,将测试集投入训练好的2D-CNN上进行分类,得到分类结果。实验结果表明,提出的模型的分类精度明显提高,从而验证了该方法的有效性和实用性。(本文来源于《现代商贸工业》期刊2019年35期）
雷鸣,田卫新,任东,董婷[4]（2019）在《基于对象分类的遥感影像森林变化检测方法》一文中研究指出针对湖北省宜昌市点军区森林变化检测应用需求,采用两期高分二号(GF-2)数据进行对比分析。定义了基于邻域差分绝对值与标准差比的多尺度分割评价函数,用来确定对遥感图像分割的分割尺度、形状因子以及紧凑度。通过试验,利用神经网络分类方法确定了基于对象分类的最优特征组合,并采用基于对象的最近邻(kNN)分类方法对遥感图像进行分类,最后对两期遥感影像分类结果中的森林类别进行变化检测。结果显示,在分类过程中,基于对象的分类总体精度为0.986 6,Kappa系数为0.975 2,高于神经网络和最大似然分类方法。在以森林地为主的丘陵地带变化检测应用中具有较好的适用性。(本文来源于《森林与环境学报》期刊2019年06期）
谭琨,王雪,杜培军[5]（2019）在《结合深度学习和半监督学习的遥感影像分类进展》一文中研究指出本文以结合深度学习的遥感影像特征提取和不充足样本下地物识别与分类作为出发点,对2017—2019年用于遥感图像处理中小样本训练的深度学习方法进行归类总结,介绍如何结合深度学习技术解决遥感影像在样本不充分情况下的有效训练问题,从深度生成模型、迁移学习以及一些高效特征提取网络3个方面进行全面剖析。首先,探讨了以GAN(generative adversarial network)和VAE(variational autoencoder)及其衍生结构在遥感技术中分类、变化检测上的应用;然后,在基于知识复用的辅助训练策略——迁移学习中主要从基于网络的迁移和基于数据结构的迁移两大类应用展开讨论;最后探讨了结合半监督学习和主动学习等思想的深度学习算法以及一些新颖的网络结构的应用。虽然深度学习在遥感技术领域发挥了极大的优势,性能也普遍超过了浅层的学习器,但结合物理模型的分析和高性能的实用性遥感应用仍需进一步发展与研究。(本文来源于《中国图象图形学报》期刊2019年11期）
陈楠[6]（2019）在《基于软阈值的高光谱遥感图像分类研究》一文中研究指出对高光谱遥感图像进行分类处理,能够对其中的各种光谱加以高效利用,准确提取地物信息。但是由于分辨率较低,受噪声干扰较严重,导致现有方法对高光谱遥感图像的分类效果不佳,为此,提出基于软阈值的分类方法。为了利于地物提取,方法首先以像元,端元,以及丰度建立L_(1/2)范数模型;然后引入惩罚公式,用于处理由噪声导致的残差;最后分别针对端元,像元,及丰度等参数设计更新公式,并利用目标函数判定其迭代状态,引入交叉验证,对噪声参数与光谱特性采取动态自适应调整。通过实验对比结果,验证提出的软阈值方法具有出色的抗噪声干扰能力,能够更准确的处理光谱差异,有效提升高光谱遥感图像的分类精度。(本文来源于《电子测试》期刊2019年22期）
李哲,张沁雨,邱新彩,彭道黎[7]（2019）在《基于高分二号遥感影像树种分类的时相及方法选择》一文中研究指出掌握森林内树木种类及其分布情况对研究森林生态系统具有重要意义.为推广国产高分数据在森林树种分类方面的应用,同时探究不同时相、分类特征及分类器的组合对树种分类结果的影响,本研究利用3景高分二号影像构建了3种单时相和4种多时相,通过多尺度分割、C5.0特征优选及支持向量机(SVM)和随机森林(RF)两种分类器分别实现了不同时相及特征维度下面向对象的8个树种的分类,最终取得了总体精度在63.5～83.5%、Kappa系数在0.57～0.81的良好结果.结果表明:时相的选择会对分类结果产生较大的影响,其中,基于多时相的结果往往优于单时相,多时相下不同影像组合间以及单时相间亦存在明显的精度差异;特征优选会对分类精度的提升起到积极作用,应予以足够重视;SVM在不同时相及特征维度下的表现均较为稳定,在单时相及分类特征难以直接区分树种的情况下应优先使用SVM,但使用SVM时应注意其易发生过拟合;RF不易发生明显的过拟合,但其对分类特征的质量依赖较大,并倾向于在良好的影像组合下取得较为优异的结果.(本文来源于《应用生态学报》期刊2019年12期）
程滔,吴芸,郑新燕,杨刚,白驹[8]（2019）在《面向遥感影像智能分类的海量样本数据采集方法》一文中研究指出以地理国情监测高分辨率遥感影像及高精度地表覆盖分类产品为数据源,提出了一种面向遥感影像智能分类、基于位置匹配技术的全国尺度海量样本数据采集方法。根据数据源特征,研究了县域采集数量权重设置、坐标投影转换、栅格灰度重采样、无效样本数据过滤、地表覆盖分类码映射、样本数据命名标识、特定地表覆盖类型样本数据采集等关键技术,构建了位置匹配的遥感影像数据与分类标签数据组成的样本数据对,开发了样本数据自动采集软件。利用该方法,以县级行政区划为单元,实现了全国尺度海量样本数据采集。选取其中5个县域的成果,评估了方法的实用性及运算性能。研究表明:该方法提升了生产全国尺度海量样本数据的计算响应速度;采集的样本数据能够满足遥感影像智能分类对样本源高质量、大规模的需求,提升了遥感影像分类与预测的准确度。(本文来源于《测绘通报》期刊2019年10期）
张沁雨,李哲,夏朝宗,陈健,彭道黎[9]（2019）在《高分六号遥感卫星新增波段下的树种分类精度分析》一文中研究指出高分六号卫星具有覆盖广、多种分辨率、波段多的优势,能为遥感解译提供更丰富的信息。为探究高分六号卫星新增波段在森林树种识别上的应用,本文以覆盖根河市阿龙山林业局的一期高分六号宽幅影像为数据源,基于特征优化空间算法(Feature Space Optimization,FSO)和最大似然分类法,分别利用高分六号的前4个波段和所有波段(8波段)的光谱、纹理等特征进行了森林树种分类,并逐一添加新增波段特征确定了各波段的贡献率排名。结果表明:在加入了优选出的均匀性纹理、均值纹理和角二阶矩纹理3种纹理特征后,前4波段和8波段的分类精度比只基于光谱特征时的精度分别高出13.23%和24.63%;利用8波段信息比只利用前4波段在基于光谱特征上的精度高11.88%,在基于光谱+纹理特征上则高23.24%;基于8波段光谱+纹理特征的树种分类精度最高,达到68.74%,新增4波段的贡献率排名为B6>B5>B8>B7,说明新增红边波段对于本次树种分类试验的贡献率最高,能为北方树种识别提供有效帮助。(本文来源于《地球信息科学学报》期刊2019年10期）
董珊,杨占昕,庞龙,庄胤,陈禾[10]（2019）在《语义分割网络在可见光遥感图像地物分类中的应用》一文中研究指出遥感技术的发展推动遥感图像数据爆发式增长,并呈现出更高分辨率、更大幅宽的趋势。传统地物分类方法特征提取能力和泛化能力不足以解决高分辨率遥感图像的多地物分类问题。语义分割网络在自然场景图像中展现了强大的特征提取能力。针对复杂场景的高分辨率遥感图像,需结合遥感图像的特点,提出更适用于遥感图像地物分类的遥感语义分割模型。(本文来源于《第十叁届全国信号和智能信息处理与应用学术会议论文集》期刊2019-10-25）
遥感分类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统方法分类遥感成像雷达距离图像时,未对图像进行平滑处理,导致其易受环境干扰,分类性能较差的问题,提出一种基于偏微分方程的遥感成像雷达距离图像分类方法.首先通过偏微分方程对遥感成像雷达距离图像进行平滑处理,然后采用基于偏微分方程的多区域分割模型,将分割后的遥感成像雷达距离图像分类过程视为泛化函数最小化过程,通过分割对能量泛函数进行最小化处理,实现遥感成像雷达距离图像的多区域分类.实验结果表明,该方法成像速度快,去噪和图像分割效果好,分类精度和Kappa系数值均较高.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
遥感分类论文参考文献
[1].马长辉,黄登山.纹理与几何特征信息在高空间分辨率遥感影像分类中的应用[J].测绘地理信息.2019
[2].闫颖.基于偏微分方程的遥感成像雷达距离图像分类方法[J].吉林大学学报(理学版).2019
[3].王莹.改进的基于CNN的高光谱遥感图像分类办法[J].现代商贸工业.2019
[4].雷鸣,田卫新,任东,董婷.基于对象分类的遥感影像森林变化检测方法[J].森林与环境学报.2019
[5].谭琨,王雪,杜培军.结合深度学习和半监督学习的遥感影像分类进展[J].中国图象图形学报.2019
[6].陈楠.基于软阈值的高光谱遥感图像分类研究[J].电子测试.2019
[7].李哲,张沁雨,邱新彩,彭道黎.基于高分二号遥感影像树种分类的时相及方法选择[J].应用生态学报.2019
[8].程滔,吴芸,郑新燕,杨刚,白驹.面向遥感影像智能分类的海量样本数据采集方法[J].测绘通报.2019
[9].张沁雨,李哲,夏朝宗,陈健,彭道黎.高分六号遥感卫星新增波段下的树种分类精度分析[J].地球信息科学学报.2019
[10].董珊,杨占昕,庞龙,庄胤,陈禾.语义分割网络在可见光遥感图像地物分类中的应用[C].第十叁届全国信号和智能信息处理与应用学术会议论文集.2019
论文知识图
