排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
针对SAR影像难以精确计算信噪比的问题,该文以滤波评价指标信噪比为依托,提出了一种基于牛顿插值迭代修正SAR影像近似信噪比的滤波质量评价方法:根据已知值通过牛顿插值得到更多的数据,再利用牛顿迭代法拟合非线性函数修正近似信噪比。以模拟影像和真实影像为数据源,选择目视效果较好的滤波结果作为真实影像的近似无噪声影像,人工对模拟影像和无噪影像进行降质,并使用5种滤波器对影像进行处理,分别利用基于牛顿插值迭代得到的修正近似信噪比、传统的峰值信噪比、等效视数和边缘保持指数评价滤波效果。结果表明:基于牛顿插值迭代修正的近似信噪比可作为衡量SAR影像滤波质量的评价指标,且无需参考原始无噪影像,对真实SAR影像的滤波质量评价有一定的可行性。 相似文献
3.
RADARSAT-2全极化SAR数据地表覆盖分类 总被引:1,自引:0,他引:1
全极化合成孔径雷达(SAR)能够测量每一观测目标的全散射矩阵,但地物分布的复杂性往往造成不同地物具有相似的后向散射信号特征,因而增加了地物信息提取的难度。文中基于北京地区的RADARSAT-2全极化雷达数据,在图像处理的特征分解的基础上,利用PolSARPro软件提取包含地物散射机理信息的各种极化参数,按H-α、A-α、H-A对全极化SAR影像进行基于散射机理的分类,继而将分类结果作为Wishart H/A/α、Wishart H/α的初始类别划分。最后,采用决策树分类算法对基于Wishart分布的监督分类及以上两种分类算法进行融合处理,从而实现地物的分类,并将分类结果与经典的分类算法进行对比分析,验证了文中方法的有效性。 相似文献
4.
5.
针对目前极化合成孔径雷达(PolSAR)影像分类单一特征无法获得令人满意的分类结果的问题,该文设计了综合运用纹理和多种极化目标分解特征,结合面向对象分析及CART决策树的分类方法。为验证该方法的有效性,以北京市某区域全极化RADARSAT-2影像为例,按照"影像预处理—目标极化分解—特征参数优化选择—面向对象影像分割—多特征CART决策树分类"的总体思路进行实验,并在特征参数选择时充分考虑各参数之间的相关性、地物的散射特性和分类效果。结果表明:影像特征参数是PolSAR影像分类的关键,恰当的特征参数组合有利于获取准确的分类结果。 相似文献
6.
基于eCognition的遥感图像面向对象分类方法研究 总被引:1,自引:0,他引:1
随着高分辨率遥感图像越来越普及,传统的面向像元的图像分类方法不能满足对高分辨率遥感图像区域分类的需求,高分辨率遥感图像对图像处理的软件与硬件都有了更高的要求,因此,出现了相较于面向像元有着更高精度更为合理的面向对象分类方法,也更加适用于高分辨率遥感影像。本文通过采用面向对象分类的基本方法,运用eCognition软件,以山东省胶州市地区遥感影像为例,进行多尺度分割和面向对象分类。并用ENVI做监督分类,基于目视解译精度评定,对不同方法作出分析评价。结果表明:面向对象分类方法精度更高,更具有可靠性。 相似文献
7.
8.
城市规划的动态变化,传统意义上是通过ENVI图像处理或Arc GIS图像分析两者之一的单一功能进行动态监测和提取。城市建筑群边缘线和昆明市区滇池湖岸线的变化等动态监测过程中,需要对Landsat-7/8影像的栅格数据进行动态变化的人工识别和栅格数据矢量化等工作[1],在这种图像处理过程中往往不能高效地提取精准的动态变化。本文给出了一种结合ENVI监督分类影像波段融合后,图像增强输出BSQ格式文件再结合Arc GIS影像动态卷帘分析[2]的方法处理昆明市区及滇池湖岸线的动态变化。实验表明,这种基于BSQ格式的ENVI波段融合真彩色图像增强另存文件较BIL/BIP格式的输出文件在Arc GIS卷帘分析过程中有更好的分析效果。 相似文献
9.
随着经济的发展,辽东湾经济区海岸线填海状况加剧,研讨经济与环境间平衡的发展已逐渐成为业内关注的课题。遥感图像具有的实时性和迅速性,能够弥补普通海岸线测量的工作量复杂和工作时间长的不足,为此,在地理空间数据云平台和USGS平台下载了2003、2007、2009、2013、2015五期Landsat卫星遥感数据。通过ENVI软件对遥感数据进行图像预处理,包括图像的几何纠正及配准、波段融合、图像增强、图像拼接和图像裁剪;尝试利用图像直接检测法和先分类后检测法对海岸线变化进行检测;最后,对其进行精度评价。实验获得了五个年份的景观图和四个时间段的海岸线变化图。随着时间的推移,填海的进度不断加大,大部分区域建设了码头、居民地以及进行水田种植。文章呼吁,以牺牲生态环境为代价来发展经济的做法不可取。 相似文献
10.
设计了一种基于非线性编码和1αβ变换的SAR图像伪彩色增强算法.利用非线性编码建立SAR图像强度值与不同颜色之间的映射关系,得到SAR伪彩色图像;通过1αβ变换分离出伪彩色图像的颜色信息和SAR灰度图像的亮度信息;再将亮度信息和颜色信息通过1αβ逆交换生成SAR伪彩色增强图像.实验结果表明,利用该算法处理得到的SAR伪彩色增强图像与相应的灰度图像相比,具有更加丰富的信息,灰度图像上不易分辨的一些地物的轮廓和细节在伪彩色图像上能够得到较好分辨.从而验证了该算法的有效性. 相似文献