排序方式: 共有4条查询结果,搜索用时 906 毫秒
1
1.
2.
提出了基于KLT/WT和谱特征矢量量化 (SFCVQ)三维谱像数据压缩的新方法。在对多光谱图像数据进行Karhunen Leove变换 (KLT)消除谱相关性 ,再应用小波变换 (WT)对KLT后的多光谱图像数据进行消除空间相关性。采用SFCVQ编码对每个谱像数据进行压缩 ,获得较高的压缩性能。实验结果表明 :KLT/WT/SFCVQ方法和KLT/WT/VQ压缩方法比在同样压缩比 (CR)条件下 ,峰值信噪比 (PSNR)没明显变化 ,而速度提高了 30倍 ,比KLT/WT/FSVQ也提高了 5倍 ,整体压缩性能有较大的提高。 相似文献
3.
提出了基于KLT/WT和谱特征矢量量化(SFCVQ)三维谱像数据压缩的新方法。在对多光谱图像数据进行Karhunen-Leove变换(KLT)消除谱相关性,再应用小波变换(WT)对KLT后的多光谱图像数据进行消除空间相关性。采用SFOVQ编码对每个谱像数据进行压缩,获得较高的压缩性能。实验结果表明:KLT/WT/SFCVQ方法和KLT/WT/VQ压缩方法比在同样压缩比(CR)条件下,峰值信噪比(P 相似文献
4.
高分辨率遥感图像语义分割在航空图像分析领域中具有重要的理论价值和应用价值。但由于高分辨率遥感图像中建筑物语义的丰富性和图像背景的复杂性,以往的分割方法往往容易产生边缘模糊、细节信息丢失和分辨率低等缺点。为了解决高分辨率卫星图像语义分割边界模糊和信息丢失的问题,本文提出一种端到端的卷积神经网络Dilated-UNet (D-UNet)。首先,通过改进U-Net网络结构,采用Dilation技术拓展四通道的多尺度空洞卷积模块,每个通道采用不同的卷积扩张率来识别多尺度语义信息,从而提取更丰富的细节信息。其次,设计了一种交叉熵和Dice系数的联合损失函数,更好的训练模型以达到预期分割效果。最后,在Inria航空图像数据集上进行综合评估与检验。实验结果表明,本文提出的遥感图像分割方法能够有效地从高分辨率遥感图像中进行像素级城市建筑物的分割,与其他方法相比,分割精度更高,具有较高的实际应用价值。 相似文献
1