导读:本文包含了非监督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:冬小麦,孔径,纹理,目标,高分,分解,影像。
非监督分类论文文献综述
张省[1]（2019）在《基于精细去取向角的PolSAR图像非监督分类方法》一文中研究指出针对基于模型分解的全极化合成孔径雷达非监督分类方法存在的大取向角的建筑物会被错误分类的问题,基于精细去取向角和复Wishart分类器,提出了一种全极化合成孔径雷达图像非监督分类方法,可以提高大取向角建筑物的正确分类率。首先,得到斑点滤波之后的相干矩阵数据,对目标相干矩阵进行精细去取向角;其次,基于去取向角之后的相干矩阵,实施Freeman和Durden提出的叁分量模型分解,并作为初分类的结果;最后,基于模型分解结果,采用复Wishart分类器进行图像中目标分类,把目标分成15类。实验结果验证了该方法可以提高大取向角建筑物的正确分类率。(本文来源于《遥感信息》期刊2019年05期）
王冬利,张安兵,赵安周,李静[2]（2019）在《非监督分类的冬小麦种植信息提取模型》一文中研究指出为了解决在区域冬小麦种植信息遥感提取过程中监督学习算法存在的需要地面样本数据支持、流程复杂、人为干扰因素多及自动化程度低等问题,本文以非监督分类为核心,结合多尺度技术,提出了一种新的非监督分类冬小麦种植信息提取模型。选取河北省辛集市为典型试验区,以2014年高分一号数据为数据源,对本文提出的模型进行实例验证。试验结果表明:该模型的Kappa系数为0.88,整体精度为94.00%;对于研究区内的冬小麦,在无需训练样本、人为干扰因素少等条件下,该模型具有与监督分类相似的提取精度,能够满足冬小麦种植信息地面遥感监测的需求。(本文来源于《测绘通报》期刊2019年08期）
杨泽楠,黄亮,王枭轩,方留杨,宋晶[3]（2019）在《结合L0平滑和超像素的高空间遥感影像非监督分类》一文中研究指出针对基于像元的非监督分类方法对高空间遥感影像分类时易形成"椒盐"噪声和产生大量错分、漏分的问题,提出了一种结合L0平滑和超像素的非监督分类方法.首先采用L0算法对高空间遥感影像进行平滑操作,减少大量图像噪声及冗余信息;然后采用简单的线性迭代聚类(SLIC)超像素方法处理平滑后图像,进一步抑制椒盐现象的同时降低处理复杂度,得到初始聚类图;最后采用K-means非监督分类方法得到最终分类结果图.为验证本文提出的方法,选取3景高空间遥感影像作为实验数据.试验结果表明,采用提出的方法能准确对地物分类,且总体精度分别达到了72.46%、77.55%和78.44%,Kappa系数分别达到0.788、0.779和0.779.提出方法能有效解决分类中存在的"椒盐"现象,可提高分类精度,对高空间遥感影像分类具有一定的参考价值.(本文来源于《全球定位系统》期刊2019年04期）
朱腾,胡兆勇,吴悦明,陈和恩[4]（2019）在《极化SAR图像Pauli-Wishart非监督分类算法》一文中研究指出针对全极化SAR影像经典非监督分类方法中H/α初始划分适应性有限及武断僵硬的问题,结合极化总功率提出一种结合Pauli分解与Wishart距离的极化SAR影像非监督分类方法。利用极化总功率Span对数据进行基于散射强度的初始划分;结合初分类结果与Pauli分解得到的HH,HV,VV 3个波段进行迭代分类;基于Wishart距离进行聚类得到分类结果。实验采用NASA-JPL实验室的2组L波段全极化SAR数据验证了基于Pauli基迭代改进分类方法的有效性,分类结果与传统的H/α-Wishart分类方法对比,分类精度和合理性都有提高。(本文来源于《传感器与微系统》期刊2019年07期）
廖东,戴洪宝,许继影[5]（2019）在《基于Landsat-8监督分类与非监督分类的土地利用分类方法比较》一文中研究指出本文以遥感监督分类和非监督分类原理为研究基础,采用2018年Landsat-8遥感影像作为基本数据源,利用监督分类和非监督分类中的最大似然和ISODATA分类法对宿州市埇桥区遥感影像进行处理,最后对分类的结果进行精度评价。通过分析可知,监督分类的分类效果更好,非监督分类虽然精度较低,但其不需要先验知识,所以分类速度更快。因此,在分类时,要根据实际情况来选择合适的分类方法。(本文来源于《河南科技》期刊2019年08期）
王利民,刘佳,杨福刚,杨玲波,姚保民[6]（2019）在《冬小麦非监督分类结果的类别选择研究》一文中研究指出为了实现基于遥感影像作物的自动分类,发挥遥感技术宏观、迅速的大范围监测特点,在遥感影像非监督分类的基础上,提出了一种基于ISODATA非监督分类结果的自动分类方法。该方法分为ISODATA非监督分类过程和自动分类过程,自动分类过程又可分为冬小麦样本点占比排序和类冬小麦类别确定两个方面。当非监督分类类别设置为40或50类、每类样本数量为4或5类时,冬小麦遥感分类精度较高且分类精度稳定。在200个样本点组合(40个分类类别,每个类别中5个样本点)中,基于ISODATA非监督自动分类结果的总体精度相较于最大似然分类方法提高了2.5个百分点,KAPPA系数提高了19.4%。在500个样本点组合(100个分类类别,每个类别中5个样本点)下,基于ISODATA非监督自动分类结果总体精度和KAPPA系数与最大似然分类方法相近。基于ISODATA非监督分类结果的自动分类方法可以在样本量较少时保持较高的分类精度,人机交互少,分类效率高,适用于业务化应用。(本文来源于《中国农学通报》期刊2019年06期）
王利民,刘佳,杨福刚,季富华,高建孟[7]（2018）在《基于分层非监督分类的油菜面积识别研究》一文中研究指出中国油菜生产表现为破碎化种植的特点,常规地面调查方法费时费力代表性差,遥感方法逐渐成为了油菜面积监测的理想途径。目视解译、监督分类等遥感分类方法人机交互量大,受监测者主观影响较大。针对上述问题,笔者提出一种基于先分层后进行非监督分类的油菜监测新方法,利用从江县2013年的GF影像对该方法进行了应用和精度评价,本次应用中使用了等距分层和自然分层两种分层方法。结果表明:相较直接非监督分类结果,先分层后非监督分类方法显着提高了总体精度。基于等距分层和自然分层方法总体精度从79.16%提升到了84.44%和85.17%。直接非监督分类中精度仅为72.97%的用户精度在等距分层和自然分层处理后,精度分别提升为81.05%和86.12%,大大降低了直接非监督分类中非油菜区被错判为油菜的现象。等距分层和自然分层方法的总体精度分别为84.44%和85.17%,Kappa系数分别为0.69和0.70。精度上两种分层方法间无显着的差异,自然分层方法的用户精度、制图精度和总体精度都保持在较高的水平,具有更高的可靠性。文中提出的新方法具有人工干预少,精度高的特点,在基于大批量影像的面积监测方面具有较大的应用潜力。(本文来源于《中国农学通报》期刊2018年23期）
韩洁[8]（2018）在《融合非监督分类和几何—纹理—光谱特征的高分辨率遥感影像道路提取》一文中研究指出道路作为极具经济价值的基础设施,是社会经济发展的基础。高分辨率遥感技术的发展为路网信息的获取提供了一种便捷、高效的新途径。目前针对高分辨率遥感影像道路提取多采用监督分类方法,但需要人工选择样本,自动化程度低且具有不稳定性;基于像元级的方法,提取完整度低且易产生椒盐噪声;面向对象的方法易产生粘连问题。由于自然场景的复杂性,遥感影像易受噪声干扰,再加上提取算法的局限性,道路提取并没有得到很好的解决。高分辨率遥感影像的道路提取依然是国内外研究的热点和难点。为了提高道路提取的完整度、准确度和自动化程度,本文从多特征融合的角度出发,提出一种结合非监督分类和多特征的道路提取方法。具体的研究工作主要有:(1)分析了我国道路的分类体系,总结了道路在高分辨率遥感影像上的特征,以及不同场景下道路的干扰因素。(2)提出了一种基于非监督分类和几何-纹理-光谱特征的高分辨遥感影像道路提取方法,建立了一套完整的非道路区域滤除体系,选择城市、乡村、山区叁种场景下六幅不同卫星、不同分辨率的高分辨率遥感影像进行实验,并与国内外两种有代表性的像素和对象两个层面上的道路提取方法进行对比。实验结果表明,本文方法可以有效改善椒盐噪声和粘连现象,且具有较高的自动化程度。(3)针对高分辨率遥感影像中易产生的阴影和遮挡问题,应用了一种基于Frangi线性目标增强的改进方法。选择了四幅高分辨率影像进行对比实验,实验结果表明,该方法能够有效提取出影像中的线性特征,解决部分阴影和遮挡问题,并且具有较高的稳定性和精度。(本文来源于《中国科学院大学(中国科学院遥感与数字地球研究所)》期刊2018-06-01）
徐杭威,赵壮,岳江,柏连发[9]（2018）在《一种基于归一化光谱向量的高光谱图像实时性非监督分类方法》一文中研究指出在保证分类结果清晰、准确的前提下,为了提高分类执行效率,本文基于图形处理器(graphic processing unit,GPU)及并行优化,提出一种基于归一化光谱向量的高光谱图像实时性非监督分类方法。利用高光谱图像的空间一致性有效提高分类精度,同时,利用归一化光谱向量简化了像元间相似性的计算公式,统一了图像内像元处理方式,并利用GPU并行技术有效提高计算速度。首先,利用GPU并行处理方法计算空间相邻像元间光谱向量相似性,根据高斯拟合取得安全阈值;然后利用光谱角作为像元光谱相似测度,将相似像元划为同质区;最后以同质区内各像元平均光谱向量表述同质区光谱特征,根据安全阈值合并相似的同质区完成分类。用AVIRIS数据评估了该方法性能。本文的理论分析和实验结果显示,与现有非监督分类方法相比,该方法分类精度更高,同时,算法本身运行速度更快。(本文来源于《红外技术》期刊2018年04期）
韩洁,郭擎,李安[10]（2017）在《结合非监督分类和几何—纹理—光谱特征的高分影像道路提取》一文中研究指出目的目前针对复杂场景高分辨率遥感影像道路提取多采用监督分类方法,但需要人工选择样本,自动化程度低且具有不稳定性。基于像元级的方法,提取完整度低且易产生椒盐噪声;面向对象的方法易产生粘连问题。为了提高道路提取的完整度、准确度和自动化程度,提出一种基于非监督分类和几何—纹理—光谱特征的道路提取方法。方法首先考虑光谱特征利用非监督分类进行初步分割,结合基于纹理特征分类的结果得到初始道路区域。然后根据道路特征建立一套完整的非道路区域滤除体系:边缘滤波断开道路和非道路的连接、纹理滤波滤除大面积非道路区域、形状滤波去除剩余小面积非道路区域。最后利用张量投票算法得到连贯、平滑的道路中心线。结果选择复杂场景下的高分辨率IKONOS影像和QuickBird影像进行实验,与国内外基于像素和面向对象的两种有代表性的道路提取方法进行对比,采用完整率、正确率、检测质量3个评价指标进行定量评价。实验结果表明该方法相比于其他算法在完整率、正确率和检测质量上平均提高26.61%、5.57%和26.77%。定性分析结果表明,本文方法可以有效改善椒盐噪声和粘连现象。此外本文方法的自动化程度更高。结论提出了一种基于非监督分类和几何—纹理—光谱特征的高分辨遥感影像道路提取方法,非监督相对于监督分类的方法有更高的自动化程度,复杂场景下的道路提取融合几何—纹理—光谱特征有效避免了基于像元级道路提取易产生的椒盐噪声现象和面向对象道路提取易产生的粘连现象。该方法适用于高分辨率遥感影像城市道路提取,能够得到较高的完整度、准确度以及自动化程度。非监督分类和多特征结合的道路提取方法有广阔的应用前景。(本文来源于《中国图象图形学报》期刊2017年12期）
非监督分类论文开题报告
（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：
为了解决在区域冬小麦种植信息遥感提取过程中监督学习算法存在的需要地面样本数据支持、流程复杂、人为干扰因素多及自动化程度低等问题,本文以非监督分类为核心,结合多尺度技术,提出了一种新的非监督分类冬小麦种植信息提取模型。选取河北省辛集市为典型试验区,以2014年高分一号数据为数据源,对本文提出的模型进行实例验证。试验结果表明:该模型的Kappa系数为0.88,整体精度为94.00%;对于研究区内的冬小麦,在无需训练样本、人为干扰因素少等条件下,该模型具有与监督分类相似的提取精度,能够满足冬小麦种植信息地面遥感监测的需求。
（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。
非监督分类论文参考文献
[1].张省.基于精细去取向角的PolSAR图像非监督分类方法[J].遥感信息.2019
[2].王冬利,张安兵,赵安周,李静.非监督分类的冬小麦种植信息提取模型[J].测绘通报.2019
[3].杨泽楠,黄亮,王枭轩,方留杨,宋晶.结合L0平滑和超像素的高空间遥感影像非监督分类[J].全球定位系统.2019
[4].朱腾,胡兆勇,吴悦明,陈和恩.极化SAR图像Pauli-Wishart非监督分类算法[J].传感器与微系统.2019
[5].廖东,戴洪宝,许继影.基于Landsat-8监督分类与非监督分类的土地利用分类方法比较[J].河南科技.2019
[6].王利民,刘佳,杨福刚,杨玲波,姚保民.冬小麦非监督分类结果的类别选择研究[J].中国农学通报.2019
[7].王利民,刘佳,杨福刚,季富华,高建孟.基于分层非监督分类的油菜面积识别研究[J].中国农学通报.2018
[8].韩洁.融合非监督分类和几何—纹理—光谱特征的高分辨率遥感影像道路提取[D].中国科学院大学(中国科学院遥感与数字地球研究所).2018
[9].徐杭威,赵壮,岳江,柏连发.一种基于归一化光谱向量的高光谱图像实时性非监督分类方法[J].红外技术.2018
[10].韩洁,郭擎,李安.结合非监督分类和几何—纹理—光谱特征的高分影像道路提取[J].中国图象图形学报.2017
论文知识图
