基于ENVI的决策树技术遥感影像粗分类研究

以TM543波段组合RGB近自然的色彩对南宁市进行三个不同时像的遥感粗分类。探讨遥感影像经过主成分分析后采用决策树方法逐层提取林地、耕地、草地、水体、道路、城镇、其他类等基本地物类型,后又用决策树的方法将分类好的单个地物逐层合并成一张分类图。对同一地区的三个不同时像的遥感图像进行比较,研究证明决策树方法简单、直观。     

基于迁移学习的遥感影像树种类型分类

提出了基于迁移学习思想的卷积神经网络遥感影像树种类型分类算法。采用ImageNet上训练的Inception-v3模型对树种影像特征进行提取,使用AID标准数据集和自行采集的东北林业大学实验林场数据集训练一个新的全连接层和Softmax层,更改输出层的节点数量;引入Dropout函数改善过拟合现象;通过反向传播优化模型。实验结果显示,模型在两种数据集上总体分类精度分别达到了98. 8%和97. 2%,Kappa系数分别为0. 987和0. 984,表明实验算法不仅降低了卷积神经网络的参数数量,还提高了目标分类识别的准确性。与传统方法相比,实验算法无需进行复杂的预处理技术即可实现树种的自动特征提取,同时解决了只有依赖大规模样本才可达到较高分类精度问题,在树种类型分类上具有很高的应用价值。     

基于基因表达式编程的遥感影像分类方法研究

本研究将基因表达式编程算法应用于遥感影像分类问题,利用广东省东莞市1997年Landsat TM影像数据进行实验,取得了较好的分类结果,模型分类精度达到85.19%。实验结果表明:基因表达式编程算法提取的分类规则具有较高的分类精度,具有一定的优越性与有效性,为遥感影像分类研究提供了一种新的模型方法。     

分类技术中的决策树算法分析

介绍了解决分类问题的常用方法——决策树。并对决策树的原理及Quinlan的ID3、C4．5两种主要的决策树算法进行了分析。通过分析它们的基本原理以及主要特点，提出了对决策树算法改进的展望。     

基于生成网络的遥感图像超分辨率的研究

提出了一种基于生成器网络的遥感图像超分辨率方法。该方法对网络的权重随机初始化,无需使用数据集进行预训练。输入待修复的低分辨率图像,通过迭代训练网络,生成网络输出边缘更为清晰的超分辨率图像。对遥感图像上复杂纹理的修复也达到了更清晰的预期效果。实验结果表明,生成网络能在遥感图像超分辨率上达到经过大量数据集训练的卷积神经网络相似甚至更好的表现。     

基于高分一号遥感影像的薄云去除研究

为了有效地去除高分一号遥感影像中薄云的影响,提高地物信息辨别的准确率,为影像后期的分析和处理奠定基础。以北京市密云县影像数据作为研究区,提出了一种基于改善HOT算法和Flatten_peak算法的薄云去除算法。该算法采用改善的HOT算法进行云层厚度检测,运用Flatten_peak算法进行云层厚度完善,使用云点算法进行薄云去除。给出了该算法的处理流程,通过ENVI/Haze tool工具展开实验,实验结果表明:该方法对于去除高分一号遥感影像中的薄云具有良好效果,验证了该方法处理的有效性。     

决策树分类算法的可扩展性研究

决策树是数据挖掘分类问题算法中一种性能较好的算法,本文主要研究自决策树在数据挖掘中应用以来存在问题,主要是可扩展性问题.综述了国内外针对此问题所提出的解决方法,以及分析了改进算法的优缺点,以便有利于对决策树关键问题,即扩展性问题的研究.同时本论文中所研究的算法的思想也有助于数据挖掘中其它领域解决大数据集问题.     

一种小波域K-Means遥感图像分类标注算法

由于合成孔径雷达图像（遥感）的相干斑噪声数据丰富,导致传统的遥感图像分割方法分割效果不佳,采用学习理论和神经网络改善图像处理性能。根据图像统计特征,采取神经网络语义提出一种高效的图像纹理特征分割方法。首先,利用K-means聚类提取遥感图像的纹理特征,然后根据遥感图像在小波域中的分布特征对其进行滤波,最后利用语义对滤波后的遥感图像纹理特征和灰度组成的矢量进行分割归类,在遥感图像分割中快速标注分类以便于视觉分析。利用区域一致性分割分类,由聚类样本特征匹配进行图像分类标注,对变化检测进行统计分析,过分割或欠分割误差聚类样本不做标注,选取最佳样本聚类k值标注分类结果。     

基于小波变换的遥感图像融合方法

概述了图像融合技术的常用方法,着重介绍了基于小波变换的图像融合原理、融合算法与融合规则,并分析了不同的小波基及小波分解层数对图像融合效果的影响,最后总结了有效的图像融合结果的评价指标。     

基于改进总变分算法的遥感图像去噪方法研究

遥感图像在成像和传输过程中所受到的大量噪声干扰在很大程度上影响了图像的质量和使用.近年来,基于PDE（Partial Differential Equation）的图像去噪因其所具有的局部自适应特性、形式上的规范性和模型建立的灵活性而受到关注,而如何在有效的去除噪声的同时很好的保留图像的细节信息成为遥感图像滤波所追求的目标.本文首先对原有的总变分模型（TV模型）及其改进模型（M-模型）的基本原理及其所存在的不足进行了分析,在此基础上,提出一种基于标准梯度和边缘引导函数的全变分改进模型,该模型克服了传统TV模型容易产生＂阶梯效应＂,以及M-模型在去噪的同时会对图像过度平滑、容易丢失纹理细节信息的不足,在有效去除遥感图像噪声的同时,很好的保持了图像的边缘和纹理细节信息.实验结果验证了所提出模型的稳定性和有效性.     

遥感技术在土地利用分类中的应用

以漾濞江流域为研究区域,介绍了遥感技术方法土地利用分类的主要过程,得到了整个研究区两期土地利用现状图。结果表明：多步骤遥感分类方法在土地利用分类中有很好的应用前景,尤其在整个西南地形地貌复杂的山区。     

基于IITC的遥感地质学教育技术——以“遥感地质学”课件及网络课程为例

以IITC（Integrating Information Technology into the Curriculum——信息技术与课程整合）理论和影像数据库为基础,采用情境引导法、天-地一体化对比分析法、多源信息集成法、虚拟实验法和超时空互动分析法,通过动画、视频虚拟实验,创建数字可视化＂遥感地质学＂教学环境,激发学生的兴趣,加快对其知识理解和技术运用。     

数据挖掘中决策树分类算法的研究与改进

决策树分类算法是数据挖掘中一个重要的内容,而ID3算法又是决策树分类算法中的一种重要方法且被广泛应用。然而在实际应用过程中,现存的决策树算法也存在着很多不足之处,如计算效率低下、多值偏向等。为了解决这些问题,提出了一种基于ID3算法的加权简化信息熵算法,它提高了决策树的构建速度,减少了算法的计算运行时间,同时也克服了ID3算法往往偏向于选择取值较多的属性作为测试属性的缺陷。并且随着数据规模的增大,决策树的分类性能表现得越好。     

基于谷歌遥感影像的地理数据采集与制图

给出一种地理数据采集与制图的新方案,它利用Google Maps API V3及KML语言从Google 全球高分辨率遥感影像采集和绘制地理数据.该方案基于B/S架构,通过Google Maps API侦听器获取地物轮廓特征点经纬度坐标并渐进地构造地物图形,利用Ajax技术实现前后台数据通信,利用Microsoft XMLDOM方法解决后台数据存储与操作.该方案适于快速制作大比例尺街区图.     

基于C5．0决策树的税务稽查研究

简要分析了C5．0决策树原理,并将它应用于税务稽查中,通过C5．0决策树模型,对80个商业企业的财务报表和纳税申报袁的分析,再与二分类Logistic回归法进行比较,结论表明该模型方法能够辅助稽查选案,提高稽查选案工作的效率和效果。     

一种基于正区域及其分类纯度的决策树算法

本文分析了基于正区域的决策树生成算法的不足,针对这些不足,提出了基于正区域及其分类纯度的决策树算法。该方法计算简单,易于理解,并用实例说明了该方法的优越性。     

决策树算法研究综述

分类在数据挖掘中是一项非常重要的任务,决策树方法是一种常用的方法。本文重点介绍了决策树建立的基本原理,对算法所面临的问题进行了阐述,为数据分类研究者提供借鉴．     

压缩域遥感图像融合方法研究

给出了基于压缩感知的全色和多光谱图像融合方法.分块压缩感知实现速度快、存储需求小,为海量遥感数据的压缩测量提供了有效策略.同时,利用小波变换的多分辨率特性,实现了压缩采样的多尺度融合.最后采用全变分技术重构融合图像.实验结果表明,与传统小波融合方法相比较,所提方法融合结果具有更高的空间分辨率和更好的光谱相关性.