[1]
任军号,吉沛琦,耿跃.SOM神经网络改进及在遥感图像分类中的应用[J].计算机应用研究,2011,28(3): 1170-1172.
[2]
周义,阮仁宗.LM-BP神经网络在遥感影像分类中的应用研究[J].遥感信息,2010(5):80-86.
[3]
朱海洲,贾银山.基于支持向量机的遥感图像分类研究[J].科学技术与工程,2010,10(15):3659-3663.
[4]
孙翠娟.基于K型核函数的支持向量机[J].淮海工学院学报:自然科学版,2006,15(2):4-7.
[5]
崔炳德.支持向量机分类器遥感图像分类研究[J]. 计算机工程与应用,2011,47(27):189-191.
[6]
WANG YU-JIAN, YUAN JIA-ZHENG, FAN LI-LI,et al. Application research of support vector machine in multi-spectra remote sensing image classification[C]// Proceedings of the 2th International Congress on Image and Signal Processing. [S.l.]:IEEE, 2009,10:1-5.
[7]
陈伟,余旭初,张鹏强,等.基于一类支持向量机的高光谱影像地物识别[J].JOCA,2011, 31(8):2092-2096.
[8]
LI C-H, KUO B-C, LIN C-T,et al.A spatial-contextual support vector machine for remotely sensed image classification[J].IEEE Transactions on Geoscience and Remote Sensing,2012,50(3):784-799.
[9]
李盼池,许少华.支持向量在模式识别中的核函数特性分析[J].计算机工程与设计,2005,26(2):302-304.
[10]
王双亭,艾泽天,都伟冰,等.基于SVM不同核函数的多源遥感影像分类研究[J].河南理工大学学报:自然科学版,2011,30(3): 304-309.
[11]
HARALICK R M, SHANMUGAM K, DINSTEIN I. Textural features for image classification[J].IEEE Transactions on System, Man and Cybernetics,1973,3(6):610- 621.
[12]
贾永红.计算机图像处理与分析[M].武汉:武汉大学出版社,2001:165-168.
[13]
武维,李玉霞,童玲,等.基于共生矩阵的遥感图像面向对象分割[J].计算机工程与设计,2011,32(2):596-598.
[14]
田艳琴,郭平,卢汉清. 基于灰度共生矩阵的多波段遥感图像纹理特征的提取[J].计算机科学,2004,31(12): 162-163.
[15]
邓锟,常庆瑞,纪娜.基于多源信息的TM遥感图像计算机分类[J].微计算机信息, 2008,24(21):277-279.
[16]
丁世飞,齐丙娟,谭红艳.支持向量机理论与算法研究综述[J].电子科技大学学报,2011,40(1):2-10.
[17]
郭斌,任志远.陆地卫星影像用于土地利用覆被变化中的波段组合研究[J].陕西师范大学学报:自然科学版,2007,35(2):112-116. |