搜索资源列表
fayeboy1984
- 此设计要求能够实现将医学图像进行识别的过程，包括了图像预处理、图像特征提取及分类判决三大模块。在预处理这一步中主要实现的是将彩色图像转换为灰度图像，灰度图像的二值化，直方图修正，去除干扰、噪声以及差异，边缘增强等；第二模块是图像的特征提取。由于对象的物理与几何特性差异，在影像中表现为局部区域的灰度产生明显变化，形成影像特征，而图像特征提取就是对其进行加工、整理、分析、归纳以便提取构成目标影像的特征，得到能反映图像内容区别于其他事物的本质特征；分类判决作为第三模块，则是要在第二步的基础上采用某种分
ArcGIS实习总结
- 1.GIS中的数据： GPS定位数据（点Envet数据表）；矢量线画图形；遥感影像；属性数据。 2.GIS中的数据类型： 栅格数据(image,grid两种，多个grid构成了image)；矢量数据（shp、coverage…）；网络；地形表面（TIN）。 连续的数据：如高程相关的数据 栅格数据包括两种： 离散的数据：表示分类和描述性的数据
ecognition-AND-REMOTESENSING
- 传统的基于像素的统计特征的分类方法在处理高分辨率影像的分类问题上遇到了很大的困 难。介绍了面向对象与基于像素的分类方法 ,探讨了基于面向对象的遥感影像的模糊分类方法在地 物分类中的新思路。并且通过了展示利用 ecognition 进行的的一个分类实例 ,阐述了面向对象的模 糊分类技术的软件应用-Traditional pixel-based classification of the statistical characteristics of high-resolution ima
Running_Ambio_1994[1]
- 难得的关于遥感影像分类的外文文献，供遥感领域专业人士利用-remote sensing
YuPERS
- 遥感影像分类外文文献，论述详细，对研究遥感分类的人有帮助-remote sensing paper
3D-geological-fault-structure-model-
- 辅以纹理特征的高分辨率遥感影像分类为了提高对高分辨率影像的分类精度,通过灰度差矢量法快速提取纹理特征,利用BP神经网络并辅以纹理特征,对一幅江西某地0·2m分辨率的航空影像进行分类。-In order to improve the classification accuracy of high-resolution images
Simulated-Annealing
- 由于K-means 聚类方法对遥感图像进行分类时，对训练样本的选取依赖性很大，容易陷入局部最优的陷阱的情况，本文提出利用模拟退化算法对K-means 的聚类进行优化以获得 全局最优解的分类新方案。并以多波段影像为例进行验证分析，结果表明该方法可行，收敛 结果优于K-means 聚类算法，分类精度相对传统的K-means 算法更高。-Because K-means clustering classification depend on the training sample selecti
123
- 高分辨率遥感影像的支持张量机分类方法，此方法能够利用少量的训练样本实现更优的分类精度。-Support tensor machines resolution remote sensing image classification method, and this method can use a small amount of training samples to achieve better classification accuracy.
ERDAS界面认识基本功能、图像增强、监督分类非监督分类方法
- ERDAS软件实现遥感影像的监督分类和非监督分类方法说明及指导