全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

基于高斯混合模型的遥感信息提取方法研究

DOI: 10.6046/gtzyyg.2012.04.08, PP. 41-47

Keywords: 高斯混合模型(GMM),期望最大化(EM)算法,模拟退火(SA),马尔科夫随机场(MRF),遥感信息提取

Full-Text   Cite this paper   Add to My Lib

Abstract:

高斯混合模型(Gaussianmixturemodel,GMM)可以描述遥感数据的概率密度函数,通过估计各高斯分布的参数,计算后验概率,实现信息提取。为了提高利用GMM进行遥感信息提取的准确度,首先在GMM中使用马尔科夫随机场(Markovrandomfield,MRF)计算各像元邻域内各类地物的先验概率,代替各类地物的混合概率,使其反映出各类地物的空间相关性;然后在参数估计过程中利用模拟退火(simulatedannealing,SA)思想获得全局最优的参数估计值;最后利用该参数估计值求出每个像元对于各类地物的后验概率,获得各类地物的空间分布。通过对遥感实验场的图像数据进行信息提取,发现所述新方法取得了更好的效果,证明了上述改进的有效性。

References

[1]  陈尔学.星载合成孔径雷达影像正射校正方法研究[D].北京:中国林业科学研究院,2004.
[2]  Chen E X.Study on Ortho-rectification Methodology of Space-borne Synthetic Aperture Radar Imagery[D].Beijing:Chinese Academy of Forestry,2004(in Chinese with English Abstract).
[3]  张永红.合成孔径雷达成像几何机理分析及处理方法研究[D].武汉:武汉大学,2001.
[4]  Zhang Y H.Synthetic Aperture Radar Imaging Geometry Understanding and Processing[D].Wuhan:Wuhan University,2001(in Chinese with English Abstract).
[5]  万紫,邵芸,谢酬,等.基于RADARSAT-2数据的SAR图像双视向几何校正方法研究[J].红外与毫米波学报,2011,30(2):167-172.
[6]  Geman S,Gemini D.Stochastic Relaxation,Gibes Distributions,and the Bayesian Restoration of Images[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1984,6(6):721-741.
[7]  Landgrebe D.Multispectral Data Analysis:A Signal Theory Perspective[R].West Lafayette:Purdue University,1998.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133