楚兴

根据有无监督训练样本，可以将遥感图像分类算法分为监督分类和非监督分类两大类。 根据分类的对象，可将遥感分类算法分为基于像元的分类算法、基于对象的分类算法，以及基于混合像元分解算法三大类。基于像元的分类基于像元的分类，就是分类的研究对象是单个像元，利用像元的光谱信息、纹理信息、空间关联等信息对像元表示的地物类别属性进行判断。这一类分类算法是目前研究得最多、最深入的分类算法。在遥感图像自动分类中，传统

一、LandsatLandsat主题成像仪 (TM)是Landsat4和Landsat5 携带的传感器,从1982年发射至今,其工作状态良好,几乎实现了连续的获得地球影像。Landsat4和Landsat5每16 天扫瞄同一地区，即其16天覆盖全球一次。Landsat4,5TM影像包含7个波段，波段1-5和波段7的空间分辨率为30米，波段6热红外波段的空间分辨率为120米。南北的扫描范围大约为

在易康Developer中提取植被，最为常用的就是归一化植被指数NDVI，但是NDVI的计算需要近红外波段的参与；对于一些平时用到的只有RGB三个波段影像，如何提取植被呢？       这里提供两种特征，第一种是绿波段比率，在易康里可以直接在光谱特征的Ratio里计算得到该特征，此特征效果较差；第二种称之为VI'，需要在易康里通过自定义特征来计算得到，其计算公式相对较为复杂，所以在编辑的时候要

聚类分析是一种重要的人类行为，早在孩提时代，一个人就通过不断改进下意识中的聚类模式来学会如何区分猫狗、动物植物。目前在许多领域都得到了广泛的研究和成功的应用，如用于模式识别、数据分析、图像处理、市场研究、客户分割、Web文档分类等[1]。聚类就是按照某个特定标准(如距离准则)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。即

train_data是训练特征数据, train_label是分类标签。 Predict_label是预测的标签。 MatLab训练数据, 得到语义标签向量 Scores(概率输出)。1.逻辑回归(多项式MultiNomial logistic Regression)Factor = mnrfit(train_data, train_label);Scores = mnrval(Factor,

介绍boosting算法的资源：视频讲义，介绍boosting算法，主要介绍AdaBoosing http://videolectures.net/mlss05us_schapire_b/在这个网站的资源项里列出了对于boosting算法来源介绍的几篇文章，可以下载： http://www.boosting.org/tutorials一个博客介绍了许多视觉中常用算法，作者的实验和理