排序方式: 共有51条查询结果,搜索用时 640 毫秒
1.
线状特征检测是利用遥感数据开展地物目标自动识别的重要步骤。利用高分辨率遥感图像的高度细节化特点,针对现有线状特征检测方法存在的问题,提出了一种基于稀疏分解的高分辨率遥感图像线状特征检测方法。采用K-SVD字典学习算法获取线状特征表达所需的过完备字典,基于稀疏分解模型,从高分辨率遥感图像中分离出高频成分,实现遥感图像线状特征的初步检测;用曲波分层自适应阈值法对分离后的高频成分作降噪处理,以提高线状特征检测的效果。利用QuickBird图像进行实验的结果显示,该方法在线段连续性、低对比度线段检测与椒盐噪声消除方面均有一定优势。 相似文献
2.
利用遥感获取的植被指数和地表温度信息,进行地表能量和水分平衡过程研究是目前陆表过程研究的前沿。根据地表能量和水分平衡原理,对地表温度(Ts)、植被指数(VI),地表蒸散发(ET)之间的空间关系进行了分析,并基于假设条件,构建了温度植被蒸散指数(TVETI)。为验证TVETI表征地表蒸散的能力,利用环境卫星数据和SEBAL模型,对SEBAL模型中各能量通量构建的蒸散指数与TVETI进行线性回归分析,从2012年4~9月6个不同日期的确定性系数分别为:0.838、0.935、0.912、0.921、0.926、0.825, TVETI能很好的表征地表蒸散能力。通过对SEBAL模型估算的ET和TVETI估算的ET进行交叉验证发现,两者大小一致性显著, TVETI可以实现区域尺度地表蒸散发的快速估算。 相似文献
3.
针对目前精度评价尺度单一的问题,提出基于直方变差图的多尺度精度评价方法,分别在像元尺度和亚像元尺度进行土地覆盖数据集精度评价。在像元尺度利用驻点作为采样工具直接评价数据集精度;亚像元尺度上,则利用非严格定义的驻点和驻点直方变差图对不同面积和空间结构的优势类进行精度评价。并以浙江北部典型区域为实验区,Landsat TM/ETM+为参考数据,对UMD、IGBP DISCover、MOD12Q1-2001、GLC2000、GlobCover2009等5种大尺度土地覆盖数据集进行多尺度精度评价实验。结果表明,多尺度精度评价方法能够全面地评价土地覆盖数据集的精度,提供更加丰富的多尺度精度信息。像元尺度精度评价可在一定程度上消除由于参考数据与数据集间的空间匹配造成的误差,评价结果更加客观;亚像元尺度精度评价能有效反映亚像元尺度优势地物面积及空间结构与精度的关系。 相似文献
4.
基于傅里叶描述子的高分辨率遥感图像
地物形状特征表达 总被引:1,自引:1,他引:0
本文在对傅里叶描述子进行归一化的基础上, 将该方法引入地物轮廓的形状特征描述中, 针对建筑物、
农田、道路和河道4 种典型地物, 分别从谱线特征、不同频段描述子对形状特征的贡献率、形状重构三个方面进行
分析, 结果表明, 在谱线图中, 直流分量对形状特征的贡献率在70%以上, 低频和高频成分共占7%—24%左右, 中
频成分的贡献率只有2%—4%左右, 仅低频成分(第1—5 项)便能够很好地进行地物形状重构。最后将第1—5 项描
述子应用到基于决策树的面向对象分类中, 得出实验区总体分类精度为98.48% 相似文献
5.
一种基于相位一致的高分辨率遥感图像特征检测方法 总被引:3,自引:0,他引:3
精确检测图像边缘特征是进行高分辨率遥感图像分割和识别的关键。空域特征检测算子以解决阶跃形边缘为主,得到的边缘特征对图像的亮度和对比度敏感。本文引入了一种基于频域相位一致的图像特征检测方法,该方法对遥感图像亮度和对比度具有不变性,同时适用于多种边缘特征的检测。使用Log Gabor小波计算IKONOS Pan图像的相位一致多尺度梯度,对农田、道路和厂房等典型地物进行特征检测的结果表明,相位一致算法对图像局部亮度和对比度不敏感;并且对线形物体产生单线响应,不似空域检测算子产生双线响应。最后考察滤波器尺度和方向参数变化及添加高斯噪声对检测结果的影响,发现相位一致算法无需先使用低通滤波去除噪声,因而具有更稳定的特征定位精度;并且抗噪声干扰的能力强,检测结果不会因为噪声而出现波动。基于相位一致的遥感图像不变特征提取,为高分辨率遥感图像的分割和对象识别提供了基础。 相似文献
6.
7.
基于数学形态学的IKONOS多光谱图像分割方法研究 总被引:2,自引:0,他引:2
利用数学形态学方法,研究与探讨了IKONOS多光谱图像的分割技术.提出一种结合图像边缘特征和纹理特征的混合分割新算法.在高分辨率多光谱遥感图像K-L变换的基础上,采用多尺度多方向形态学梯度算子提取边缘特征.应用数学形态学滤波及局部方差统计特征对图像对象进行标记,最后采用强制最小过程,进行标记控制的分水岭分割.研究结果表明,提出的分割算法优于仅利用边缘特征的分水岭分割算法,同时,该算法能较好地解决分割过程中存在的过分割与欠分割问题,是一种适合高分辨率多光谱遥感图像的分割算法. 相似文献
8.
9.
利用小波变换的高分辨率多光谱遥感图像多尺度分水岭分割 总被引:4,自引:2,他引:2
为了减少仅用分水岭变换而导致的过分割问题,本文提出利用小波变换的多尺度处理方式用于融合后多光谱QuickBird图像的分割。整个分割过程包括多尺度图像表示、图像分割、区域合并和结果映射等过程。首先,依据原始图像的大小确定分解尺度并用小波变换产生各波段的低尺度图像。采用相位一致模型提取各近似系数的梯度,并逐尺度地融合各梯度图。分析不同尺度下的不同地物的局部梯度方差,以选择最佳的小波分解尺度。然后,通过移动阈值与扩展最小变换,利用多层次标记提取方法标记均质区域。进而,在梯度重建的基础上利用标记分水岭变换得到分割图像。其次,采取空间相邻关系、面积、光谱与纹理等多约束策略,以搜索最小合并代价的方式合并最初分割区域中的邻接区域对。最后,修改细节子图并进行小波逆变换将最初分割结果投影到更高尺度图像,同时处理边界上的像元以保持区域边界直至原始图像。实验结果表明本文方法不仅能够用于高分辨率多光谱遥感图像的分割,而且缓解了过分割问题且取得了较准确的分割效果。 相似文献
10.
蓝藻的防控与治理是湖泊水环境、水生态管理的重要内容,实时获取蓝藻的空间分布信息对于降低蓝藻灾害风险具有重要意义.针对地面调查费时费力、卫星遥感监测粒度较粗且时效性不强等问题,本文提出了一种基于视频监控网络的湖泊蓝藻实时监测技术.基于环巢湖视频监控网络的33个功能摄像机,研究如何从视频图像中实时、准确提取蓝藻的分布信息.为克服不同摄像头的观测角度不一致、光照强度和背景条件不一致等诸多挑战,在视频图像蓝藻表征分析的基础上,通过多尺度深度网络进行图像粗粒度分类,区分蓝藻与浑浊、阴影水体;基于随机森林进行蓝藻精细化识别,克服蓝藻的强异质性.最后以渔政站沿岸水域的日均蓝藻覆盖率和月均蓝藻覆盖率为统计单位,开展了巢湖沿岸蓝藻的动态监测.研究成果可为科学制定蓝藻治理方案提供技术支撑. 相似文献