共查询到20条相似文献,搜索用时 296 毫秒
1.
城市固体废弃物给城市的环境及居民的生活质量造成了严重的影响。利用遥感手段提取城市固废堆具有及时和高效的特点,因此具有十分重要的意义。然而,由于固废堆组成成分复杂、分布不规律,仅仅利用高分辨率影像进行提取十分困难。本文结合高光谱影像和高分辨率影像提取了城市固废堆,采用多尺度的研究方法,在对高光谱和高分辨率影像预处理的基础上,首先在高光谱影像上进行了粗提取,然后将粗略结果映射到高分辨率影像上,进行了精确提取。以北京市地区作为研究区域,使用数据包括获取时间接近的Quick Bird影像和Hyperion高光谱影像,利用提出的方法进行固废提取试验,并将最终的试验结果与目视判读结果进行对比,固废堆的识别率为82.35%,准确率为74.81%。同时,该方法与已有的固废提取试验对比结果有显著提高。这一结果表明,本文提出的结合高光谱影像和高分辨率影像提取城市固废堆方法具有可行性。 相似文献
2.
3.
4.
光谱特征匹配分类是常用的高光谱影像分类、识别地物的方法,针对高光谱影像提取植被盖度存在的问题,文章根据高光谱遥感影像处理的方法,采用EO-1卫星在广州市过境的Hyperion高光谱影像,以"广州南肺"万亩果园作为试验区,经过大气纠正——最小噪声分离变换(MNF)——最纯净像元指数计算(PPI)——提取植被的端元,以此作为研究区识别植被的参考样本,进行光谱特征匹配提取植被盖度。其中提出利用连续小波变换对参考端元的波谱曲线降噪的方法,旨在优化光谱特征匹配,以提高识别植被的精度。实验结果表明,这种辅助匹配的方法能有效提高识别植被的精度。 相似文献
5.
6.
通过高光谱遥感图像空间邻域内光谱特征的变化,研究了邻域光谱度量指数;根据邻域内端元光谱特征的变化,提出了邻域独立端元指数提取图像的空间维细节信息。通过真实高光谱遥感图像检验,两类邻域指数能够较好地提取高光谱遥感图像中的细节,为进一步结合空间维、光谱维特征的高精度目标探测与识别创造了有利条件。 相似文献
7.
成像光谱岩矿识别方法技术研究和影响因素分析 总被引:3,自引:0,他引:3
在遥感地质应用中 ,岩矿光谱和空间分布的精细特征是空间与光谱高分辨率遥感的优势所在。随着传感器性能的提高 ,尤其是光谱分辨率的提高 ,大为改善了岩矿信息识别与提取的技术环境。但是 ,由于高光谱分辨率的成像光谱波段带宽很窄 ,在岩矿光谱信息遥感、识别与提取的过程中岩矿信息极易受诸多因素的制约和影响。本文围绕在岩矿光谱信息的获取、光谱特征信息识别与提取的过程中 ,分析与岩矿光谱特征信息息息相关的组成成分、内部结构与构造 ,以及与之发生相互作用的外部环境或过程 ;通过理论、模型、模拟和试验测试分析相结合的方法 ,开展分… 相似文献
8.
9.
10.
针对高光谱遥感异常检测中复杂背景与异常目标之间光谱特征相关性导致背景模型难以准确估计的问题,提出了一种基于多孔径映射的高光谱遥感异常检测算法。首先,不同于背景建模提取背景特征的方法,多孔径映射从不同角度提取数据特征,通过构建基集合表征高光谱数据的光谱特性,获得用于衡量统计差异的异常显著性指标。其次,为了实现对具有适中及低异常显著性像素的精细分析,本文基于模糊逻辑理论构建隶属度函数获得关于像素异常显著性的连续性属性标记,并将隶属度值作为权重,通过加权迭代过程实现多孔径映射的自适应收敛。最后,借鉴模糊逻辑理论中的去模糊机制,对多孔径检测结果进行融合,获得最终的检测结果。本文仿真试验采用高光谱遥感数据,从稳健性及对低显著度目标敏感性方面对算法进行验证。 相似文献
11.
遥感岩矿信息提取基础与技术方法研究 总被引:1,自引:0,他引:1
在遥感地质应用中 ,对岩矿光谱和空间分布精细特征的探测是高空间与高光谱分辨率遥感的优势所在。随着传感器性能的改进 ,尤其是光谱分辨率的提高 ,改善了信息识别与提取的技术环境。本文从分析岩矿的光谱特征与遥感光谱识别规则出发 ,根据不同类型遥感数据的光谱特征 ,尤其是成像光谱数据丰富的光谱信息 ,研究不同尺度下遥感岩矿识别技术 ,建立相应的遥感应用模型 ,讨论了遥感技术集成。具体研究内容有 :(1)分析与总结遥感光谱识别规则。分别从矿物离子、矿物蚀变类型和蚀变矿物组合 3个层次分析了岩矿作用过程中矿物特征光谱的变化与变异… 相似文献
12.
13.
基于高光谱遥感的四种典型道路光谱特征分析 总被引:1,自引:0,他引:1
利用高光谱遥感的方法,采用美国ASD公司生产的FieldSpec 4(背负式非成像高光谱仪),光谱范围覆盖350—2 500 nm,开展了对水泥混凝土道路、沥青道路、砖路和泥路这4种最为常见的典型道路的高光谱数据野外观测。利用光谱均值、反射率计算、一阶导数、二阶导数、倒数后对数变换等方法,对原始光谱数据进行处理,分析对比4种道路的光谱曲线,研究4种道路各自的光谱特征并找到能很好地区分这4种不同道路类型的最佳波段。旨在探索不同道路类型的光谱特征,为道路识别与提取提供重要依据。 相似文献
14.
提出了一种用于处理多高光谱卫星数据的UPDM分析方法。研究结果证明.该方法应用干Landsat/TM(ETM^-)、Terra/MODIS和ADEOS—II/GLI等高光谱卫星传感器时.光谱重构均方根误差小于0.029适用于研究高光谱卫星遥感数据。 相似文献
15.
高光谱遥感能提供数十至数百个窄波段的光谱信息,从而能够依据地物的诊断性光谱特征进行地物识别。然而,高光谱遥感在提供丰富光谱信息的同时,波段间的相关性和冗余性制约着高光谱遥感的应用。因此,特征参数选择是高光谱遥感分类中最关键的环节之一。首先讨论EO-1/Hyperion的传感器特征,并对其L1R数据进行辐射校正、去条纹、Smile效应纠正等预处理工作。其次利用从图像中提取的典型地物的光谱曲线,采用光谱重建理论获得用于逼近光谱曲线的基函数及其对应的光谱区间。然后采用逐步增加光谱区间,并调整波段中心位置和宽度的方法,得到稳定的光谱区间。最后将光谱区间内的几个原始高光谱波段合成一个宽的波段,得到几个较宽波段的仿真图像,并对其进行分类。结果表明,基于光谱重建的特征参数选择方法获得的分类,总体精度高达92%,充分说明了该方法的有效性。 相似文献
16.
17.
18.
针对湿地的类型多样和光谱特征不确定性,在高分辨遥感影像上可人工目视判读,而自动化解译困难。文章在面向对象技术支持下,提出了多特征融合的高分辨率遥感数据湿地信息分层提取。该方法首先通过面向对象分割技术转象元为基元,实现光谱相似象元的聚类;然后分析湿地景观格局依存关系和不同类型湿地的提取难以程度,决定提取的先后顺序;再挖掘不同类型湿地的光谱、空间形态、空间分布和空间关系等多种属性特征;最后通过分层分类,由易到难,融入空间知识,逐层构建规则集,实现高分辨率遥感影像湿地信息自动监测。通过高空间分辨率Quickbird卫星数据对玛纳斯国家湿地公园区进行遥感监测。试验结果表明:该方法能够快速实现区域范围内湿地信息自动识别和快速提取,总体分类精度达到了87.5%,Kappa系数超过0.83,基本满足应用的需求,可为同行领域应用提供技术参考。 相似文献
19.
高光谱数据具有丰富的光谱特征,但是其空间分辨率相对较低。一些遥感数据具有与高光谱数据互补的优势,例如提供更精细的空间信息的高空间分辨率数据和具有高度信息的激光雷达LiDAR(Light Detection and Ranging )数据。通过将高光谱数据与多源遥感数据进行融合,可以弥补高光谱数据空间分辨率相对较低,空间特征不够丰富的缺点。近年来,基于深度学习的方法已经在遥感数据分类研究中取得了一定的进展。然而,由于深度网络的特征提取过程是一个自主的过程,往往无法精确的获取最有利于遥感数据分类的特征;同时,深度学习方法具有复杂的网络结构和大量的参数,往往会在分类训练过程中造成参数拟合困难。以上这些因素会导致分类效果不佳。针对这些问题,本文提出了一种将卷积神经网络CNN(Convolutional Neural Network)和纹理特征相结合的多源遥感数据特征级融合分类框架。该方法共3个步骤,首先,对高光谱数据或多源遥感数据提取纹理特征;然后,构造CNN,分别将原始高光谱遥感数据、原始多源遥感数据和第一步中获得的纹理特征作为深度网络的输入进行深度特征提取;最后,将分别提取到的深度特征拼接,并利用Softmax分类器进行分类。为了验证本文提出方法的分类效果,本文在休斯顿和塞特福德矿地区公开数据集上进行实验,并将该分类框架与支持向量机分类方法、像素级融合分类方法和特征级融合分类方法进行对比。由此可以分析得出,本文提出的基于深度学习的融合分类方法可以获得较高的分类精度。 相似文献