遙感圖像分類一直是艦船應(yīng)用領(lǐng)域的關(guān)鍵技術(shù),由于遙感圖像具有多波段、高維特征等特點,當(dāng)前遙感圖像分類技術(shù)面臨一定的挑戰(zhàn)。為了獲得更優(yōu)的艦船遙感圖像分類結(jié)果,提出一種多分類器加權(quán)組合的艦船遙感圖像分類方法。首先分析艦船遙感圖像分類研究的歷史,找到導(dǎo)致單分類器的艦船遙感圖像分類錯誤率高的原因,然后引入雙邊濾波算法對原始艦船遙感圖像進(jìn)行去噪,并提取艦船遙感圖像分類紋理特征,最后采用多種方法建立艦船遙感圖像分類器,并對它們進(jìn)行加權(quán)組合,輸出艦船遙感圖像的最終歸屬。仿真測試結(jié)果表明,本文方法獲得了比單分類器更優(yōu)的艦船遙感圖像分類正確率,艦船遙感圖像分類結(jié)果更加可靠。 

【文章來源】：艦船科學(xué)技術(shù). 2020,42(04)北大核心

【文章頁數(shù)】：3 頁

【部分圖文】：

艦船遙感圖像分類正確率對比Fig.1Comparisonofclassificationaccuracyofship

蒲?,2019,41(07):1212–1219.[2]吳慶崗,趙伊蘭,夏永泉,等.結(jié)合金字塔和局部二值模式的遙感圖像分類[J].現(xiàn)代電子技術(shù),2019,42(13):56–60+64.[3]張國東,周浩,方淇,等.基于棧式自編碼神經(jīng)網(wǎng)絡(luò)對高光譜遙感圖像分類研究[J].紅外技術(shù),2019,41(05):450–456.[4]劉詠梅,馬瀟,門朝光.基于多種空間信息的高光譜遙感圖像分類方法[J].中國空間科學(xué)技術(shù),2019,39(2):73–81.[5]圖1艦船遙感圖像分類正確率對比Fig.1Comparisonofclassificationaccuracyofshipremotesensingimage圖2艦船遙感圖像分類時間對比Fig.2Classificationtimecomparisonofshipremotesensingimage·54·艦船科學(xué)技術(shù)第42卷

【參考文獻(xiàn)】：
期刊論文
[1]隨機多選擇殘差網(wǎng)絡(luò)集成的遙感圖像分類算法[J]. 周強,徐宏偉,陳逸,孫玉寶.  小型微型計算機系統(tǒng). 2019(09)
[2]基于流形學(xué)習(xí)的光學(xué)遙感圖像分類[J]. 王云艷,羅冷坤,王重陽.  計算機工程與科學(xué). 2019(07)
[3]結(jié)合金字塔和局部二值模式的遙感圖像分類[J]. 吳慶崗,趙伊蘭,夏永泉,李燦林.  現(xiàn)代電子技術(shù). 2019(13)
[4]基于棧式自編碼神經(jīng)網(wǎng)絡(luò)對高光譜遙感圖像分類研究[J]. 張國東,周浩,方淇,張露,楊峻.  紅外技術(shù). 2019(05)
[5]基于多種空間信息的高光譜遙感圖像分類方法[J]. 劉詠梅,馬瀟,門朝光.  中國空間科學(xué)技術(shù). 2019(02)



本文編號：3542054