大桔灯文库logo

下载提示:1. 本站不保证资源下载的准确性、安全性和完整性,同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
2. 本文档由用户上传,版权归属用户,大桔灯负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。

相关文档

  • _.ppt

    分类器(判决器)模糊模式识别比值变换图像用作分类有许多优点它可以增强土壤植被水之间的辐射差别压抑地形坡度和方向引起的辐射量变化(2)类间散布矩阵Sb 类间散布矩阵表示了不同类别间相互散布的程度类似地对于m类别情况总的类间散布矩阵也采用先验概率 加数和表示式中: M0——是全体模式的均值向量 Mi—— Wi的均值向量土壤一般情况——无论在总的特征空间中还是在任一子空间中不同类

  • 07_.ppt

    单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级《遥感概论》中国矿业大学(北京)遥感与地理信息系杨可明E-Mail: ykmcumtb.eduTel: 13683086828六遥感数字图像计算机解译遥感数字图像计算机解译以遥感数字图像为研究对象在计算机系统支持下综合运用地学分析遥感图像 处理地理信息系统模式识别与人工智能技术实现地学专题信息的智能化获取其基本目标是将人

  • .ppt

    遥感影像分类监督分类和非监督分类系统聚类法的局限性监督分类—训练样本的选取不同类别的灰度值的变化范围即其方差的大小是不同的不能简单地用像元到类中心的距离来划分像元的归属自然地物类别的点群分布不一定是圆形或球形的即在不同方向上半径是不同的因而距离的量度在不同方向上应有所差异K-最近邻分类器 遥感信息与非遥感信息的复合面向基元的遥感信息提取方案基元特征的定量化表达遥感信息认知中的尺度问题多尺度影像分割

  • .ppt

    单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级遥感图像分类任课教师:杨晓霞2013年3月图像分类基本概念和原理计算机分类的概念判别函数与判别规则影像空间与特征空间特征空间中的距离遥感图像分类过程监督分类方法非监督分类方法提高分类精度的方法内容大纲2遥感图像分类是图像信息提取的一种方法遥感图像分类是遥感数字图像处理的重要环节也是遥感应用最广泛的领域之一遥感图像自动识别分类在

  • 环境-专题.ppt

    K-means 法Isodata 法平行六面体法第五章 遥感分类中的不确定性和尺度问题第五章 遥感分类中的不确定性和尺度问题第五章 遥感分类中的不确定性和尺度问题检验数据xzyB2E总体精度第五章 遥感分类中的不确定性和尺度问题第五章 遥感分类中的不确定性和尺度问题第五章 遥感分类中的不确定性和尺度问题

  • 数字1.ppt

    图像噪声 图像增强的定义 图像增强的目的 图像增强的技术方法直接灰度变换 图 图像增强的主要内容返回指数扩展b提高对比度举例23原始图象 基于直方图的图像增强方法P (r k) P (r k) 目的r k n k 790102385065632924512281(2) 把计算的sk就近安排到8个灰度级中P (s k ) 直方图均衡化均衡后的

  • 实习.doc

    #

  • 实验6-(2).ppt

    前面两种分类方法是直接利用原始的各波段数据进行分类的。能否利用所学的图像处理增强的方法,对各原始波段进行处理,生成特征波段,然后再进行分类?参考相关,设计出一种遥感影像分类方法,对影像进行分类(具体类别数自行设计)。本次实验上交所设计的福州监督分类的成果:1、图像、数据 所设计方法的分类模板文件 (sig文件) 所设计方法的分类结果图像、分类精度报告2、实验报告,实验报告中要体现你所设计方法的

  • 实验5-(2).ppt

    前面两种分类方法是直接利用原始的各波段数据进行分类的。能否利用所学的图像处理增强的方法,对各原始波段进行处理,生成特征波段,然后再进行分类?参考相关,设计出一种遥感影像分类方法,对影像进行分类(具体类别数自行设计)。本次实验上交所设计的福州监督分类的成果:1、图像、数据 所设计方法的分类模板文件 (sig文件) 所设计方法的分类结果图像、分类精度报告2、实验报告,实验报告中要体现你所设计方法的

  • 非监督.doc

    实验五 遥感图像的非监督分类一实验目的非监督分类是对数据集中的像元依据统计数字光谱类似度和光谱距离进行分类在没有用户定义的条件下练习使用在ENVI环境下的非监督分类技术有两种:迭代自组织数据分析技术(ISodata)和K均值算法(K-Means)分类过程中应注意:1)怎样确定一个最优的波段组合从而达到最佳的分类精度基于OIF和相关系数协方差矩阵以及经验的使用来完成对最适合的组合的选取分类效果

违规举报

违法有害信息,请在下方选择原因提交举报


客服

顶部