排序方式: 共有17条查询结果,搜索用时 203 毫秒
11.
12.
由于数据量大,目前大多数端元提取算法均需较长的计算时间,限制了这些算法的有效应用。本文提出了以光谱梯度特征为搜索条件的快速端元提取方法,其核心包括基于光谱梯度特征的候选端元快速筛选和基于光谱解混误差的端元识别两部分。由于能够从影像中快速筛选出少量的像元光谱作为候选端元,故具有较好的计算性能;同时由于避免了非端元光谱参与端元识别,使得识别的结果具有更高的精度。试验表明,相比经典的IEA算法和ECHO算法,该算法不仅能大幅度提高端元提取速度,而且具有更准确的端元识别能力。同时,基于该算法原理,也可对现有各种算法进行改进,提升现有的各种端元提取算法的运算速度。 相似文献
13.
一种提取城市多种不透水层的垂直不透水层指数 总被引:1,自引:0,他引:1
针对中低分辨率影像中不透水层的异质性及其与裸土光谱的易混性两类问题,选用蓝、近红外波段进行线性组合,构建了一种新的不透水层提取指数——垂直不透水层指数(PII)。该指数考虑了不透水层和其他地物在光谱空间的差异与不透水层的内部异质性,并以"不透水层线"与"土壤线"夹角的角平分线作为PII的参照线,实现了自适应的不透水层提取。本文将PII指数应用于武汉和北京不同场景中,并对比归一化建筑物指数(NDBI)、比值居民地指数(RRI)以及生物物理组份指数(BCI)的提取结果。试验表明:1在裸土较少、地形平坦的武汉市区域和裸土较多、地形起伏的北京市区域,PII指数均能有效减弱裸土的混淆影响,不透水层提取精度分别达到96.05%和96.76%,优于其他3种指数;2PII指数不仅增强了不透水层与其他地物的可区分性,还保持了不透水层类内的相似性,在城市不同场景中的不透水层提取精度均能达到90%以上。由于PII指数是一种线性组合形式的指数,能够根据研究区的地物光谱自适应调整指数的方程系数,从而能适用于不同研究区,在裸地较多的地区优势尤为明显。 相似文献
14.
15.
16.
17.
由于月降水量时间序列含有大量噪声, 并表现出明显的混沌特性, 现有预测模型均存在一定程度的不足.基于混沌理论的小波分析-VOLTERRA级数自适应(WA-VOLTERRA)耦合预测模型, 在对月降水量时间序列进行混沌特性识别的基础上, 先用小波分析对月降水序列进行时频分解, 再分别对各频率分量进行相空间重构并用3阶VOLTERRA级数自适应模型建模预测, 最后综合得到原始序列的预测值.以相近区域杭州市和南通市的月降水序列为例, 并通过与小波分析-支持向量机(WA-SVM)模型进行比较, 发现该模型具有较强的适用性和更高的预测精度. 相似文献