共查询到10条相似文献,搜索用时 15 毫秒
1.
针对多光谱遥感影像通道之间相关性影响难以消除及变化检测的阈值难以确定的问题,提出了一种结合偏最小二乘法(PLS)和支持向量机(SVM)的遥感影像变化检测方法。将两个时相的多通道遥感影像视为两组多元随机变量,引入多元统计数据分析方法中的PLS理论,进行成分提取并构造差异影像;再通过SVM将差异影像分为变化与不变化两类别;最后利用形态学算子对分类结果作处理。选取Landsat8多光谱遥感影像进行试验,结果表明该方法可以很好地实现多光谱影像的变化检测,对地理国情数据监测具有重要意义。 相似文献
2.
《武汉大学学报(信息科学版)》2016,(2)
针对资源三号(ZY-3)多光谱影像的特点,提出一种结合最小二乘原理与阈值法的云检测方法。在阈值法进行初始云提取的基础上,利用正则化最小二乘进行云像元的再次提取,克服了高分辨率遥感影像上云与道路、房屋等地物容易混淆的问题。与现有云检测方法进行对比,利用阈值法与正则化最小二乘进行云检测的整体精度和Kappa系数明显高于阈值法、阈值与K均值聚类相结合的方法,达到了支持向量机云检测方法相同的精度水平,但是效率明显高于后者。将该方法应用于不同时相和场景的遥感影像,算法云像元提取的整体精度在97%以上,Kappa系数在0.9以上。分析表明,该算法能够对不同下垫面情况下的云像元进行有效地识别。 相似文献
3.
改进支持向量机的高分遥感影像道路提取 总被引:2,自引:0,他引:2
针对支持向量机受分类数的限制在高分辨率遥感影像中无法直接获取高精度道路网信息的问题,该文提出一种新的混合的基于支持向量机的方法:首先,利用模糊C均值聚类方法将输入的遥感影像分为3类,以减少支持向量机的错分现象;其次,运用支持向量机将不同类别的像素分为道路类和非道路类;最后,应用马尔科夫随机场对分类结果进行噪声去除,并采用形态学进行后处理,进而得到精确道路网信息。实验结果表明:该算法不仅能够从高分辨率遥感影像中提取出道路网,而且精度优于直接使用支持向量机算法以及对比算法。 相似文献
4.
从高分辨率遥感影像中提取道路信息具有重要的现实意义。针对现有影像分类方法无法直接获取高精度道路网信息及自动化程度低的问题,本文提出了一种基于OSM(OpenStreetMap)矢量路网辅助的道路提取方法,实现了对高分辨率遥感影像道路快速精确的自动提取。首先,采用灰度形态学的腐蚀、膨胀及开闭操作对遥感影像进行预处理;然后通过OSM路网提供的先验信息,对模糊C均值算法进行改进,并将输入的遥感影像粗分为3类;接着以粗分类结果作为分类特征,通过OSM矢量路网自动获取道路样本,使用支持向量机进行精分类,并采用粒子群优化算法选取最优分类参数;最后对分类结果进行形态学后处理,得到精确的道路网信息。利用两组Google Earth影像进行试验,结果表明,本文算法在道路网提取精度上要优于对比算法。 相似文献
5.
6.
针对高分辨率遥感影像建筑物提取时易受噪声影响,且灰度共生矩阵仅通过单波段进行纹理特征提取导致信息不足等缺点,提出了利用最小噪声分离变换降维去噪,从而提高灰度共生矩阵纹理特征提取效果,并对影像进行双边滤波处理,最后,利用支持向量机算法提取融合了特征信息的多光谱影像中的建筑物信息的方法。实验结果表明,改进后的方法相对于传统方法对建筑物识别精度高、效果好。 相似文献
7.
8.
基于对象直方图G统计量的遥感影像道路提取 总被引:1,自引:0,他引:1
提出了一种基于对象直方图G统计量的遥感影像道路提取方法。首先基于标记分水岭算法分割高分辨率遥感影像获取对象像斑,提取对象光谱特征并利用SVM从影像中分离出光谱相似的建成区(道路、建筑物等);然后从建成区选择合适的对象作为训练样本,采用G统计量度量测试样本与训练样本的LBP纹理直方图距离,以表达对象纹理特征的异质性,并利用最小距离分类器完成建成区内道路与建筑物等的分离;最后结合几何形状特征和数学形态学处理对提取的道路进行优化,获得最终的道路提取结果。试验结果表明:该方法能较好地提取出道路信息。 相似文献
9.
遥感组合指数与不同分类技术结合提取农业用地方法 总被引:1,自引:0,他引:1
多光谱遥感影像因具有丰富的波谱信息,提高了地表覆盖的辨识能力,利用遥感数据高精度自动提取专题信息是目前研究的热点和难点。本文以北京市ASTER影像为例,通过对城市生态环境中土地类型及其光谱特征规律分析,组合归一化差异植被指数、修正归一化差异水体指数和归一化差异建筑指数三种指数,制作组合指数新影像。对组合指数影像采用基于支持向量机的面向对象分类方法进行农业用地信息提取,同时将该方法分别与基于原始影像、组合指数影像的最大似然及支持向量机的分类方法进行对比分析。实验结果表明:组合归一化差异指数影像压缩了数据维数,降低了覆盖地物相关性,易于农业用地信息提取。对组合指数影像采用基于支持向量机的面向对象分类方法精度达95.701%。 相似文献
10.
面向对象影像分类中基于最大化互信息的特征选择 总被引:1,自引:0,他引:1
高分辨率影像面向对象分割后产生了大量的光谱、形状以及纹理特征,如何抽取出最佳特征子集是遥感影像识别的重要问题.本文利用最大化互信息统计独立准则抽取最优特征子集,提高了面向对象遥感影像分类精度.基本过程包含以下3个方面:首先,利用eCoginition软件对高分辨遥感影像进行对象分割;然后,基于互信息最大关联、最小冗余准则(mRMR)获取优选的特征子集;最后,基于支持向量机分类器完成影像分类.以福建省漳州市QuickBird数据为例的实验表明,该方法能够有效提高遥感影像的分类精度,平均误分率降低了约4%. 相似文献