多时相信息和数学变换特征在分类算法怎样解决实际问题

1、多时相信息

虽然多时相信息比较难于获取,但是仍然不乏时相信息应用实例。多时相Landsat信息对农作物进行了分类，多时相Landsat的时相信息对玉米和大豆进行了分类，多时相MSS、TM和SPOT信息对森林进行了分类，SPOT卫星数据进行了稻田分类制图。

2、数学变换特征

在遥感数字图像处理中，光谱的数学变换特征一直受到重视。 自从有了多光谱遥感技术，NDVI等许多植被指数就被大量应用于植被研究。用NDVI和多光谱数据AVHRR进行了土地覆盖分类。光谱信息进行了6种数学变换，即对数变换，一阶微分变换，对数变换后一阶微分变换,归-化变换,归-化变换后.阶微分变换以及归一化后对数变换。然后把经过这6种变换后的特征送人神经网络用来识别针叶树种，结果证明对数变换后一阶微分和归一化变换后一阶微分能够 获得高于94%的平均精度。