基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
将贝叶斯理论用于多波段SAR图像的分类.分析了常见的乘积方法、平均方法以及中值方法,并在贝叶斯平均方法的基础上,利用SAR图像分类精度与距离因子之间的关系,提出3种改进方法.实验结果表明,多波段融合可以结合各波段的优势和互补信息,获得单波段分类无法获取的分类结果.改进方法通过加权减小了错误分类信息的影响,进一步提高分类精度.
推荐文章
贝叶斯融合在SAR图像分类中的应用
SAR图像
多通道融合
先验概率估计
先验概率融合
基于贝叶斯匹配追踪的SAR图像重构
压缩感知
SAR图像
高斯混合参数
贝叶斯
EM
基于贝叶斯卷积神经网络与数据增强的SAR图像目标分类方法
合成孔径雷达
目标分类
贝叶斯卷积神经网络
数据增强
基于小波的多波段SAR海洋图像融合算法
图像融合
多波段SAR
小波变换
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 贝叶斯理论在多波段SAR图像分类融合中的应用
来源期刊 中国科学院研究生院学报 学科 工学
关键词 SAR图像 贝叶斯理论 多波段融合 分类
年,卷(期) 2008,(2) 所属期刊栏目 论文
研究方向 页码范围 257-263
页数 7页 分类号 TN957.52
字数 3077字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨汝良 中国科学院电子学研究所 146 1737 23.0 32.0
2 宦若虹 中国科学院电子学研究所 10 187 8.0 10.0
6 岳晋 中国科学院电子学研究所 6 92 5.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (54)
参考文献  (6)
节点文献
引证文献  (10)
同被引文献  (19)
二级引证文献  (15)
1990(3)
  • 参考文献(1)
  • 二级参考文献(2)
1992(4)
  • 参考文献(1)
  • 二级参考文献(3)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(4)
  • 参考文献(2)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(4)
  • 引证文献(4)
  • 二级引证文献(0)
2012(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(3)
  • 引证文献(1)
  • 二级引证文献(2)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(4)
  • 引证文献(0)
  • 二级引证文献(4)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
SAR图像
贝叶斯理论
多波段融合
分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国科学院大学学报
双月刊
2095-6134
10-1131/N
大16开
北京玉泉路19号(甲)
82-583
1984
chi
出版文献量(篇)
2247
总下载数(次)
2
总被引数(次)
15229
论文1v1指导