Advertisement

ArcGIS遥感影像分类与成果应用视频课程（GIS视角）

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本课程从GIS视角深入讲解使用ArcGIS进行遥感影像分类的方法和技术，并探讨其实际应用价值。 本课程使用ArcGIS10.3.1（中文版）录制，并适用于10.0、10.1、10.2及10.4系列版本。PPT中包含工具的中英文对照，方便使用英文版软件的学习者也能顺利学习。报名后可下载课程PPT和操作数据，在报名页面或播放页面均可获取。所有视频均为超清格式，如果发现视频不够清晰，请调整清晰度设置以获得最佳观看体验。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • ArcGIS遥感影像分类与成果应用视频课程（GIS视角）
    优质
    本课程从GIS视角深入讲解使用ArcGIS进行遥感影像分类的方法和技术，并探讨其实际应用价值。 本课程使用ArcGIS10.3.1（中文版）录制，并适用于10.0、10.1、10.2及10.4系列版本。PPT中包含工具的中英文对照，方便使用英文版软件的学习者也能顺利学习。报名后可下载课程PPT和操作数据，在报名页面或播放页面均可获取。所有视频均为超清格式，如果发现视频不够清晰，请调整清晰度设置以获得最佳观看体验。
     
  • 地学视角下的遥感影像解析（周成虎）
    优质
    《地学视角下的遥感影像解析》由著名地理信息科学家周成虎撰写，从地球科学的角度深入浅出地讲解了如何理解和分析遥感图像。本书为读者提供了丰富的案例和实用技巧，是学习遥感技术的宝贵资源。 本书是地球信息科学基础丛书的一部分，主要探讨遥感地学分析的理论、模型方法及其应用原理。书中重点介绍了如何根据地理特征对影像进行理解和分析的方法。 全书共分为八章： 第一章 遥感信息的地学评价与影像理解； 第二章 地面特征的遥感信息表达与模型； 第三章 基于光谱特征的水体信息自动提取； 第四章 基于知识发现的居民点特征提取； 第五章 基于光谱特征的岩性信息提取和分类； 第六章 遥感影像的统计分析扩展模型； 第七章 遥感影像生理认知模型研究； 第八章 遥感影像智能图解与前沿问题探索。
     
  • SVM.zip_SVM分类与应用_遥感图像分类_高光谱遥感
    优质
    本资源包含支持向量机(SVM)在遥感图像分类中的应用实例，特别是针对高光谱数据集的分类研究。提供算法实现和实验结果分析。 SVM分类在高光谱遥感图像的分类和预测中有应用。
     
  • OpenLayer4 集成 ArcGIS REST 服务（遥感影像）
    优质
    本项目展示了如何利用OpenLayers 4集成ArcGIS REST API服务来展示和操作遥感影像数据，为用户提供丰富的地图视图和分析功能。 OpenLayer4 加载 ArcGIS REST 服务（遥感影像）。本段落件适用于离线环境和有网络的在线环境。包括离线 Open Layer、ol.css 和 ol.js 文件及代码。代码很简单，只需替换服务地址即可使用。关键在于质量保证和项目验证。
     
  • 遥感影像的目视解读
    优质
    《遥感影像的目视解读》是一本介绍如何通过视觉分析方法识别和解释卫星或航空摄影图像中地物信息的专业书籍。 武汉大学遥感技术与应用课程的第六部分主要讲解了遥感图像的目视解译方法和技术。这部分内容涵盖了如何通过视觉分析识别和解释不同类型的地物特征，并介绍了常用的解译标志以及在实际操作中需要注意的关键点。
     
  • 利用TensorFlow进行遥感影像分类
    优质
    本项目基于TensorFlow框架，采用深度学习技术对遥感影像数据进行高效处理与分析，旨在提高遥感图像分类精度和速度。通过构建优化模型，实现精确的土地覆盖识别等应用需求。 针对已训练好的TensorFlow模型，在特定需求下进行的训练完成后，将其应用于遥感影像分类，并显示分类结果。
     
  • 利用ENVI进行遥感影像分类
    优质
    《利用ENVI进行遥感影像分类》一书聚焦于使用ENVI软件处理和分析遥感数据的技术，详细介绍如何高效地进行影像分类与解译。 传统的遥感影像分类主要依赖地物的波谱信息进行识别，但这种方法常导致“同物异谱、异物同谱”的问题，影响了分类精度与效果。为解决这一难题，本段落引入基于专家知识的C4.5决策树方法，结合地物波谱特征、归一化植被指数及主成分分析等多维度信息构建决策模型，并将其与其他监督分类技术如支持向量机法和最小距离法进行对比研究。
     
  • 遥感导论课程设计（ENVI）——基于监督分类的遥感影像分析
    优质
    本课程旨在通过ENVI软件教授遥感导论，并重点介绍监督分类技术在遥感图像中的应用。学生将学习如何利用这些工具进行精确的土地覆盖和地物识别，从而深入理解遥感数据处理与分析的方法和技术。 某市的遥感影像处理资源大小为3.6GB（包含压缩包），文件内容包括： 1. 遥感数据（原始数据）； 2. 根据数据特点灵活选择图像裁剪、合成、辐射校正、几何校正及滤波后的结果文件； 3. 选取特征点进行监督分类的结果； 4. 带有经纬度信息和图标的比例尺专题地图； 5. 分类结果的评价报告； 6. 课程设计报告。
     
  • 8-1 遥感影像分类.ppt
    优质
    本PPT探讨遥感影像分类的基本原理与方法，包括监督与非监督分类技术、特征提取、图像预处理及实际应用案例分析。 遥感图像计算机分类是运用模式识别理论，借助计算机技术自动将遥感图像划分成不同地物类别的一种方法。这类分类包括土地覆盖与利用、森林类型、植被类型以及岩性等的区分。
     
  • 【ENVI】遥感影像监督分类全流程
    优质
    本教程详细讲解使用ENVI软件进行遥感影像监督分类的完整流程，涵盖数据预处理、特征选择及分类结果分析等关键步骤。 监督分类是一种机器学习方法，在这种方法中，算法通过标记训练数据来学习如何对新输入的数据进行分类。这种技术广泛应用于电子邮件过滤、推荐系统以及图像识别等领域。在监督分类模型的构建过程中，需要准备大量带有标签的数据集，并且要选择合适的特征以提高模型的预测能力。 监督分类的优势在于其结果通常具有较高的准确性，但是它的缺点是数据标注成本较高，特别是在处理大规模和高维度问题时更为明显。此外，在面对新出现或罕见类别时，监督分类可能会遇到挑战。 总的来说，虽然监督分类存在一些局限性，但它依然是许多应用程序中的首选方法之一。