论文摘要
线性回归分类是图像识别领域中一种简单而有效的分类方法,目前通常采用最小二乘方法对分类模型进行参数估计。然而,同一场景中不同的遥感图像相对应位置的灰度值不完全相同,而且遥感图像还可能包含椒盐噪声和高斯噪声,这些均会造成遥感图像场景分类精度的降低。为了解决这一问题,笔者提出采用稳健加权总体最小二乘方法对线性回归分类模型的参数进行估计。采用两组高分辨率遥感图像场景数据进行实验,将该方法与最小二乘方法、稳健最小二乘方法和加权总体最小二乘方法进行比较评估。实验结果表明,稳健加权总体最小二乘方法能够同时考虑观测向量和系数矩阵的误差,能够有效减少椒盐噪声和较大高斯噪声的影响,从而获得更高的总体分类精度。
论文目录
文章来源
类型: 期刊论文
作者: 龚循强,鲁铁定,刘星雷,周秀芳,崔统博
关键词: 线性回归分类,稳健加权总体最小二乘,高分辨率遥感图像,场景分类
来源: 东华理工大学学报(自然科学版) 2019年04期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑,信息科技
专业: 工业通用技术及设备,自动化技术
单位: 东华理工大学测绘工程学院,东华理工大学江西省数字国土重点实验室
基金: 国家重点研发计划课题(2016YFB0501405),东华理工大学博士科研启动基金(DHBK2017158),东华理工大学江西省数字国土重点实验室开放研究基金(DLLJ201808),抚州市社科规划项目(18sk012,19sk08)
分类号: TP751
页码: 425-432
总页数: 8
文件大小: 1572K
下载量: 67
相关论文文献
标签：线性回归分类论文; 稳健加权总体最小二乘论文; 高分辨率遥感图像论文; 场景分类论文;