研究目的
为解决沿海湿地地物类型中因光谱混叠导致的类别混淆问题,提出一种高光谱图像多目标CNN决策融合分类方法以提高分类精度。
研究成果
所提出的多目标CNN决策融合方法通过继承单目标特征波段分类的优势,有效提升了高光谱滨海湿地图像的分类精度,总体精度达到82.11%,较其他方法提升3.33%至6.24%。该方法为复杂条件下处理类别混杂问题提供了实用解决方案。
研究不足
CHRIS高光谱图像的波段数量有限,可能无法充分展现特征波段与决策融合方法的优势;需要更多数据进行全面验证。
研究目的
为解决沿海湿地地物类型中因光谱混叠导致的类别混淆问题,提出一种高光谱图像多目标CNN决策融合分类方法以提高分类精度。
研究成果
所提出的多目标CNN决策融合方法通过继承单目标特征波段分类的优势,有效提升了高光谱滨海湿地图像的分类精度,总体精度达到82.11%,较其他方法提升3.33%至6.24%。该方法为复杂条件下处理类别混杂问题提供了实用解决方案。
研究不足
CHRIS高光谱图像的波段数量有限,可能无法充分展现特征波段与决策融合方法的优势;需要更多数据进行全面验证。
加载中....
您正在对论文“基于多目标卷积神经网络模型与决策融合的高光谱海岸湿地分类”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期