基于隐狄利克雷分配模型的中、高分辨率遥感影像分类研究的中期报告.docx

该【基于隐狄利克雷分配模型的中、高分辨率遥感影像分类研究的中期报告 】是由【niuww】上传分享，文档一共【2】页，该文档可以免费在线阅读，需要了解更多关于【基于隐狄利克雷分配模型的中、高分辨率遥感影像分类研究的中期报告 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。基于隐狄利克雷分配模型的中、高分辨率遥感影像分类研究的中期报告本研究旨在利用隐狄利克雷分配模型进行中、高分辨率遥感影像分类。中期报告的主要内容包括实验设计及进展情况、结果分析与讨论以及下一步工作计划。一、,分别为蓝、绿、红和近红外波段,。对数据进行预处理,包括影像校正、去除云、阴影和噪声等。(DPMM)作为基础算法,结合狄利克雷分布和隐含变量,将样本点聚类并进行分类。:水体、建筑、低覆盖度植被、高覆盖度植被和裸地。遥感影像共包含5000个像素,其中分别从每个类别中随机采样了1000个像素作为样本。将样本数据划分为训练集和测试集,其中训练集占80%,测试集占20%。二、,得出了以下分类结果:||Water|Building|LowVegetation|HighVegetation|BareLand||:--------:|----|--------|--------------|--------------|--------||Water|0|0|0|0|0||Building|0|829|7|16|148||LowVegetation|3|4|481|197|51||HighVegetation|0|106|3|891|0||BareLand|0|445|3|0|552|,高覆盖度植被和建筑物的分类效果较好,%%。而对于低覆盖度植被和裸地的分类效果较差,%%。其中,低覆盖度植被容易与裸地混淆,可能是由于其被遮挡而导致的。三、,下一步工作计划加入更多的光谱信息,提高分类精度。,空间信息也是非常重要的因素。未来的工作计划将加入空间信息进行分类。