基于地统计模型的k-NN遥感影像监督分类算法改进与评价
遥感影像分类一直是遥感领域重要的研究内容之一。本文通过引入地统计模型来改善常规k-NN分类方法,提高土地覆盖的分类精度,减少分类过程中产生的椒盐噪声。选择南京市局部区域的spot5遥感影像(空间分辨率2.4m)作为实验数据,使用新型和常规k-NN分类器及其他常用分类器(最大似然,神经网络,支持向量机)对实验数据进行土地覆盖分类,并对分类结果进行分类精度评价,结果显示,新型k-NN分类器的分类结果明显优于本文所使用的其他分类器。
地统计模型 遥感影像 空间特征 分类算法
靳志宾 蒲英霞 董上 于文丽
南京大学地理与海洋科学学院
国内会议
南京
中文
264-268
2012-04-21（万方平台首次上网日期，不代表论文的发表时间）