排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
基于哨兵2时间序列组合植被指数的作物分类研究 总被引:1,自引:0,他引:1
时间序列是一种常用的物候研究方法。为充分利用哨兵2数据在红边波段的丰富信息,本文利用多种植被指数组合成时间序列进行作物分类。将NDVI、EVI、红边NDVI三种植被指数进行组合,构建时序植被指数图像,然后使用支持向量机、随机森林、CART决策树和最大似然4种不同的算法对四种作物、三种林草、裸露地表、水体进行分类。原始分类结果中,总体精度最高的随机森林为87.92%,最低的最大似然为80.07%,在分类细节上,随机森林和支持向量机的边界最清晰,4种分类结果中,农作物的分类精度均高于其他地类,仅次于水体的精度,误差主要来自三种林草的混分,表明时间序列组合植被指数用于农作物分类是可行的。 相似文献
2.
3.
由于SAR数据图像与光学传感器数据特点有所不同,因此一般的适合光学图像的压缩算法并不一定适合雷达图像。文章根据SAR图像的特点对SPECK算法进行了改进。用此改进方法对SAR图像进行处理,通过与SPIHT算法的比较分析可以看出,该算法从各个方面都明显优于传统的SPIHT算法,而且这种方法有较好的视觉特征,有利于进行图像的校准和目视解译。 相似文献
4.
1