简介:本文总结了国内外提高土地利用-土地覆盖遥感分类精度的若干方法:可提高精度的大气校正方法、多源信息融合方法、人工智能分类方法等。并对其中部分方法进行了优缺点评价。
简介:基于相关矩阵特征向量的目标分解将地物回波复杂的散射过程分解成相互独立的三种单一散射分量:单向散射、双向散射和交叉散射,分别对应各自的目标相关矩阵.目标分解技术降低了散射回波之间的相关性,有利于分析地物散射机理,有助于提高分类精度.对荷兰Flevoland地区全极化数据进行分解,经过试验和相关性分析,选用7种数据形成多参数数据组合,对其进行最大似然监督分类,同时进行常规三种极化加相位差的分类和基于复Wishart分布的最大似然分类,逐像元计算混淆矩阵,分析对比三种分类结果的精度,试验表明:相对于常规数据组合分类,基于复Wishart分布的监督分类可以小幅度提高分类精度,而利用目标分解得到多参数组合数据进行分类则有大幅度的提高。
简介:基于地物光谱特征的监督分类一直是用遥感影像解译土地覆被类型的常规方法。基于可见光和近红外波段的光谱反射率构建的NDVI指数的水平高低及时序变化特征对土地覆被类型有高度敏感性和较好的指示性。本文基于时序MODIS-NDVI数据,通过合理选择训练样区对MODIS影象进行监督分类,最终实现对秦岭中部地区各种土地覆被的分类,通过与实地GPS调查数据比较,结果显示分类总体精度达到76.77%,kappa系数为67.22%,分类等级为较好。