結合亂度基礎分類法與自組織映射圖在水稻田影像判釋之研究
近年来科技日益进步,遥测技术也不断的改良与精进,应用卫星影像于处理大范围面积方面也越趋广泛.因此,如何有效运用卫星影像提升地貌判释的精度,便成为未来遥测技术持续发展的重点.过去对于水稻田的判断都是以实地探勘方式进行耕地坵块图数化与编修.这些过程通常需要大量的时间、人力与物力,因此透过遥测影像与合适的分类器足以改善现场探勘之困境.本研究对于水稻田的判断是以实地探勘方式取得地真资料后,搭配非监督式学习的分类器进行判释.虽然非监督式学习则有不需训练资料的好处,但其低准确率也为人话病,因此本研究搭配乱度基础分类法进行属性筛选,在判释影像时,期望正确率可以有明显的提升.高光谱具有许多隐性的资讯,研究中采用了72个光谱资讯,彼此之间可能有相依或互斥的属性发生.本研究分别使用一般光谱以及将高光谱以乱度基础分类法进行属性筛选後,并采用随机2000点进行自组织映射图正确率之判释,最後将误差矩阵表和主题图分别呈现其两种影像材料之分类差异.
卫星影像 水稻田识别 监督式学习 乱度基础分类法 自组织映射图
黃進源 張士勳 萬絢 王依蘋
嶺東科技大學資訊管理所 嶺東科技大學資訊網路系 嶺東科技大學資訊管理系 中興測量有限公司
国内会议
台湾
中文
1-5
2016-06-27（万方平台首次上网日期，不代表论文的发表时间）