监督分类
来源:学生作业帮助网 编辑:作业帮 时间:2024/05/02 03:38:16
非监督分类也要做精度评估,不然做出来的图像精度不高,分类精度评估是将专题分类图像中的特定像元与已知分类的参考像元进行比较,实际工作中常常是将分类数据与地面真值、先前的试验地图、航空相片或其它数据进行对
行政监督可根据不同的标准进行分类.通常的分类有:1、以行政监督的对象是否特定为标准,行政监督可分为一般监督和特定监督.一般监督是针对不特定的相对方实施的监督,具有巡察、普查的性质,一般监督大多是行政机
把影像和规则发给我,我帮你看看.273672857@qq.com 已经帮你解决,使用ERDAS建模分析,modeler--model maker输入的公式为CONDITIONAL&
稍等,发一些资料供你参考,请注意查收
监督分类又称训练场地法或先学习后分类法.它是先选择具有代表性的典型试验区或训练区,用训练区已知地面样本的光谱特征来“训练”计算机,获得识别各类地物的判别模式或判别函数,并依此模式或判别函数,对未知地区
最大似然法的判别规则是基于概率的,它把每个具有模式测试或特征X的像元划分到很有可能出现特征向量X的第i类中.换言之,首先计算某个像元属于一个预先设置好的m类数据集中每一类的概率,然后将该像元划分到概率
一般没有这样的做法,首先,你从07-08人工解译影像得到的转移概率矩阵的精度不足以用来预测09年地类变化,从时间序列来讲也就是两个年度,时间太短;其次,地类变化的影响因素实在太多,偶然性也比较大(即规
有个报表啊,不行你统计像元数也可以啊.
没有现成的功能,我建议你用IDL写代码.以该点作扩散半径,取得所有值,做比例即可.再问:能该我发一下代码不,我是初学者,还不太懂IDL。谢谢了
ERDAS不支持中文路径所至,改个名字就好了
监督分类,是对影像中所有要区分的地物分别提取样本,然后根据这些样本来对整个图像进行分类.分类得到的图像当然只有一个波段
做完监督分类之后,一般会在ERDAS下做后处理,然后再将分类的raster转成vector,在ERDAS下执行rastertovector(Coverage格式的),之后在ArcGIS中执行Feaur
监督分类和NDVI操作上没有什么关系呀NDVI直接波段运算就可以了
没看你的遥感图像,一般情况下道路和居民地还是比较好区分的,但是商业区和居民地之间估计就不太好区分了,你可以采用最小距离法,最大似然法或者SVM等方法进行分类.再问:就是道路旁边就分类为商业区,可以帮忙
我觉得有种方法,先把NDVI的值求出来形成一个新的波段,NDVI的值在0~1之间,然后把NDVI这个作为一个波段合成到原始需要分类的影像中.由于不知道软件是否支持这种0~1之间和0~255混合数据的分
分类模板建的有问题
监督分类是需要自己选择样本的,非监督分类是不需要选择样本的,完全机器自动分类.
如果只利用其光谱特性进行分类,应该不能吧,如果是同种材料,那么在同一传感器下,获得的DN值应该差别不大.你把你的图像在遥感图像处理的软件中(ENVI,ERDAS)采用几种非监督分类方法进行分类后,看看
解题思路:民主监督的途径、特点、作用解题过程:1、信访举报制度:特点:是公民提出批评、建议、申诉、控告和检举权利的重要途径之一。作用:为公民行使监督权提供了有力保障。2、人大代表联系群众制度特点:好比
非监督分类K-meansIsodata监督分类平行六面体最小距离马氏距离最大似然波谱角二进制编码光谱信息散度神经网络支持向量机分类基于专家知识的决策树分类面向对象的分类ENVI是分类方法最多的遥感软件