基于GF-2遥感影像的面向对象分类方法比较研究

论文摘要

基于eCognition软件分别采用K-最近邻（KNN）分类、支持向量机（SVM）分类和CART决策树分类对GF-2遥感影像进行面向对象分类,并对3种分类方法的结果进行比较分析。结果表明:K-最近邻分类在影像准确性、复杂多样性、影像光谱混淆以及分布边界模糊等方面具有较高的识别能力。

论文目录

文章来源

类型: 期刊论文

作者: 刘星雷,鲁铁定,龚循强

关键词: 遥感影像,最近邻分类,支持向量机分类,决策树分类

来源: 江西科学 2019年06期

年度: 2019

分类: 基础科学

专业: 自然地理学和测绘学

单位: 东华理工大学测绘工程学院,东华理工大学放射性地质与勘探技术国防重点学科实验室

基金: 东华理工大学博士科研启动基金(DHBK2017158),东华理工大学放射性地质与勘探技术国防重点学科实验室开放基金项目(RGET1905),抚州市社科规划项目(19sk08)

分类号: P237

DOI: 10.13990/j.issn1001-3679.2019.06.019

页码: 913-916+934

总页数: 5

文件大小: 985K

下载量: 367

相关论文文献

标签：遥感影像论文;  最近邻分类论文;  支持向量机分类论文;  决策树分类论文;