本发明适用于遥感影像分类领域,提供了一种基于光谱角和欧氏距离的遥感影像分类方法,包括:对遥感影像进行预处理以滤除噪声;筛选用于分类的有效信息;将遥感影像分割为多个同质影像图斑,作为最小研究单元;计算训练样本在各波段的均值和方差;计算测试样本在各波段的均值和方差,进而计算出欧氏距离和光谱角;确定综合相似度为光谱角和欧氏距离的加权和并确定权重;计算分类对象与每种地物的综合相似度,取使得综合相似度最小的地物类型作为分类对象的最终类型。本发明结合两种分类器的优势,实现不同分类方法的互补,并以极小间隔一一验证确定最佳权重,有效提高了分类精度且保证了分类效率,并且实现算法自动化,分类效率高。
基于光谱角和欧氏距离的遥感影像分类方法,其特征在于,包括下述步骤:对遥感影像进行预处理以滤除噪声;筛选用于分类的有效信息;将遥感影像分割为多个同质影像图斑,作为最小研究单元;为每种地物选择分布均匀且数量足够的样本,随机抽取50%作为训练样本,计算每种地物的训练样本在各波段的均值和方差,作为样本中心,另外50%样本作为测试样本;计算每种地物的测试样本在各波段的均值和方差,进而计算出每种地物的测试样本与训练样本之间的欧氏距离和光谱角;确定综合相似度为光谱角和欧氏距离的加权和,所述综合相似度的关系式为:d=a×w+b×(1-w),其中,d为综合相似度,a为欧氏距离,w为欧氏距离的权重,b为光谱角,1-w为光谱角的权重,计算在w∈[0,1]且间隔为***的约束条件下,使d取得最小值的w值,进而确定综合相似度的运算式;计算分类对象与每种地物的光谱距离、光谱角和综合相似度,取使得综合相似度最小的地物类型作为分类对象的最终类型。
中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力,推动我国自主知识产权新工业的建立,成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统,由九个研究平台,国科大深圳先进技术学院,多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究,促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。
评价单位:- (-)
评价时间:2023-01-05
综合评价
这个企业已经有一定的基础,建议与相关学会组织搭建平台,请学会以及研究所、大学和相关企业参与,可能会攻克难关,会对我们国家甚至世界所存在问题提出解决的措施并做出贡献,前途可期。
查看更多>