排序方式: 共有47条查询结果,搜索用时 15 毫秒
31.
资源三号卫星是中国第一颗自主的民用高分辨率立体测绘卫星,能提供优于5 m地面分辨率的遥感影像.本文首先对资源三号卫星影像预处理过程中涉及的影像纠正、影像配准、影像融合、影像镶嵌等关键步骤进行研究,然后,对比分析三种绿地信息提取方法,最后以江苏省南京市高淳区城市绿地为例,提取建成区绿地信息并加以统计分析.实验表明,本文提出的资源三号卫星影像预处理方法切实可行,国产高分辨率遥感影像适用于城市绿地调查. 相似文献
32.
34.
35.
36.
37.
提出一种将数字影像和激光点云结合进行文物精细三维重建的方法。该方法采用形态学理论在多张影像上精确提取文物轮廓,进行多视曲线匹配,并拟合成空间曲线。影像与激光点云配准后,将重建出的空间轮廓线加入激光点云中,进行轮廓约束的三角网构建,纹理映射后完成重建。该方法解决了激光点云模型边缘轮廓线缺失的问题,能够快速地重建出完整精细的三维模型。 相似文献
38.
全极化SAR获取的信息量远多于传统SAR,但信息量的增加并不能确保分类精度的提高,如何有效进行特征选择至关重要。针对自适应特征选择问题,提出一种顾及分类器参数的特征选择和分类方法。该方法以支持向量数为评估依据,结合遗传算法进行特征选择,并同时对分类器参数进行寻优;最后利用优选的特征集和模型参数进行分类。为验证算法的有效性,利用两组全极化数据进行了监督分类实验。实验结果表明,提出方法降低了SVM分类器对自身参数的敏感性,而且能在较少特征个数下具备良好的泛化性能,分类精度优于未经过特征选择和参数优化的方法。 相似文献
39.
针对极化SAR图像在监督分类时存在人工标注样本费时费力以及浅层结构学习算法的表达能力有限等问题,提出一种基于主动深度学习的极化SAR图像分类方法。首先,对测量数据进行多种极化特征提取,以便完整地描述图像信息;在此基础上,通过自动编码器对大量无标记样本进行非监督学习,提取更具可分性和不变性的深层特征;然后,利用少量标记样本训练分类器,并与自动编码器连接,以监督学习的方式微调整个网络;最后,通过主动学习,选择对当前分类器最有价值的样本(分类模糊度最大的样本)进行人工标记,并加入到训练样本中,重新训练分类器和微调网络。对RADARSAT-2和EMISAR极化SAR影像进行不同分类的实验结果表明,该方法能在更少人工标记的样本下获得较高的分类精度。 相似文献
40.