舰船遥感图像的分类方法研究

发布时间：2021-12-18 08:50

　　遥感图像分类一直是舰船应用领域的关键技术,由于遥感图像具有多波段、高维特征等特点,当前遥感图像分类技术面临一定的挑战。为了获得更优的舰船遥感图像分类结果,提出一种多分类器加权组合的舰船遥感图像分类方法。首先分析舰船遥感图像分类研究的历史,找到导致单分类器的舰船遥感图像分类错误率高的原因,然后引入双边滤波算法对原始舰船遥感图像进行去噪,并提取舰船遥感图像分类纹理特征,最后采用多种方法建立舰船遥感图像分类器,并对它们进行加权组合,输出舰船遥感图像的最终归属。仿真测试结果表明,本文方法获得了比单分类器更优的舰船遥感图像分类正确率,舰船遥感图像分类结果更加可靠。 

【文章来源】：舰船科学技术. 2020,42(04)北大核心

【文章页数】：3 页

【部分图文】：

舰船遥感图像分类正确率对比Fig.1Comparisonofclassificationaccuracyofship

蒲?,2019,41(07):1212–1219.[2]吴庆岗,赵伊兰,夏永泉,等.结合金字塔和局部二值模式的遥感图像分类[J].现代电子技术,2019,42(13):56–60+64.[3]张国东,周浩,方淇,等.基于栈式自编码神经网络对高光谱遥感图像分类研究[J].红外技术,2019,41(05):450–456.[4]刘咏梅,马潇,门朝光.基于多种空间信息的高光谱遥感图像分类方法[J].中国空间科学技术,2019,39(2):73–81.[5]图1舰船遥感图像分类正确率对比Fig.1Comparisonofclassificationaccuracyofshipremotesensingimage图2舰船遥感图像分类时间对比Fig.2Classificationtimecomparisonofshipremotesensingimage·54·舰船科学技术第42卷

【参考文献】：
期刊论文
[1]随机多选择残差网络集成的遥感图像分类算法[J]. 周强,徐宏伟,陈逸,孙玉宝.  小型微型计算机系统. 2019(09)
[2]基于流形学习的光学遥感图像分类[J]. 王云艳,罗冷坤,王重阳.  计算机工程与科学. 2019(07)
[3]结合金字塔和局部二值模式的遥感图像分类[J]. 吴庆岗,赵伊兰,夏永泉,李灿林.  现代电子技术. 2019(13)
[4]基于栈式自编码神经网络对高光谱遥感图像分类研究[J]. 张国东,周浩,方淇,张露,杨峻.  红外技术. 2019(05)
[5]基于多种空间信息的高光谱遥感图像分类方法[J]. 刘咏梅,马潇,门朝光.  中国空间科学技术. 2019(02)



本文编号：3542054