基于稳健统计理论的遥感影像特征估计模型初步研究

• 作者: 杨艳 骆剑承
• 来源期刊: 遥感技术与应用
• 学科: 工学
• 关键词: 稳健统计 高斯混合密度 影像特征
• 年，卷（期）: 2000,（1）
• 所属期刊栏目: 图像处理
• 页码范围: 45-50
• 页数: 6页
• 分类号: TP751
• 字数: 3882字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-0323.2000.01.011

摘要

高斯混合密度降解模型(GMDD)是一种基于稳健统计理论的层次聚类方法.GMDD的分布模型是假设特征空间是由一组混合的高斯(Gaussian)分布组成的,然后通过一定优化算法来获得特征空间中与预先假设最符的特征分布,并逐步分离出特征空间,直到特征空间全部降解为一组特征模式的混合密度分布集.GMDD与传统的统计聚类相比较,主要优点有:特征类别不受限定、抗干扰力强、参数估计与初始无关、考虑密度分布的可变性等.初步探讨了基于GMDD方法的遥感影像特征估计模型和方法(GIFEM),并提出基于遗传算法的GMDD优化模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	骆剑承	中国科学院地理研究所信息室	124	4043	33.0	60.0
2	杨艳	北京师范大学环境科学研究所	9	553	7.0	9.0