共查询到20条相似文献,搜索用时 0 毫秒
2.
3.
飞机目标的自动提取,是信息处理领域的重要研究内容。提高飞机目标的识别率,可以准确的把握区域动态,为相关决策提供支持。由于数学形态学特征和复杂几何结构等特征相对抗干扰性较强,而骨架线由地物的边界形态决定,不受其他因素影响,具有良好的稳定性。据此,研究选取香港机场多光谱遥感影像作为实验数据,基于骨架线几何特征参数与网络测度,提出了一种由多光谱遥感影像自动提取飞机目标的方法。研究选择基于边缘的多光谱遥感影像分割方法,提取矢量地物边缘;基于约束Delaunay三角网自动提取地物骨架和主骨架;通过选取对飞机目标识别具有良好区分度的特征参数,最终实现飞机目标的自动识别与定位。 相似文献
4.
5.
湿地植被制图是湿地自然资源管理过程中的一项重要任务。文中选取黄河口湿地为研究区,应用海岸带高光谱成像仪影像,提出了一种基于包络线去除的改进型光谱角匹配(Spectral Angle Mapper based on Continuum Removal,SAM_CR)方法,对芦苇、狄草、碱蓬和怪柳等湿地典型植被进行分类提取。结果表明,SAM_CR湿地典型植被种类识别的总体精度由传统SAM方法的74.87%提高到80.61%。 相似文献
6.
传统的多视角SAR图像集合对于目标姿态角具有高度敏感性,因此在用于目标识别时存在一些不足之处。针对该问题提出一种多视角SAR图像的静态建模方法,它将来自一个目标多个视角下的图像信息集成到一个综合的数据结构中,并且该数据结构与目标散射中心有关而与角度无关。然后利用静态模型对不完全姿态角的目标数据进行静态建模,利用模板匹配法对输入多视角图像进行目标识别。理论分析和仿真结果表明,本方法在每个目标只有少量姿态角模板数据可用的情形下比传统模型具有优势。 相似文献
7.
考虑目标光谱差异的机载离散激光雷达叶面积指数反演 总被引:1,自引:0,他引:1
利用间隙率模型反演LAI(Leaf Area Index),需要同时获取冠层间隙率和消光系数,后者与冠层叶倾角分布有关。基于点云数量构建激光雷达穿透指数LPI (LiDAR Penetration Index),用以代替冠层间隙率GF (Gap Fraction),并利用间隙率模型反演冠层LAI是利用LiDAR PCD(LiDAR Point Cloud Data)数据反演冠层LAI主要思路。冠层和背景的光谱差异是影响PCD数据中冠层和背景点云数量的重要因素,因此从LPI到GF的校正需要获取背景和冠层的后向散射系数比(μ = ρ g / ρ v ![]()
![]()
)。本文基于PCD数据中点云强度进行μ ![]()
![]()
值获取,用以实现LPI到GF的校正;在假设区域内叶倾角满足椭球形叶倾角分布的基础上,利用样地尺度下的多角度GF,采用有约束的非线性最优化方法获取椭球形叶倾角分布参数χ,实现冠层消光系数的获取;最后利用间隙率模型实现基于PCD数据的LAI反演。本文探讨了基于PCD数据进行冠层LAI反演时,样地尺度R x y _ T i l e ![]()
![]()
、样方尺度R x y _ P l o t ![]()
![]()
以及进行背景和冠层分割的高度阈值H t ![]()
![]()
对模型的影响。结果显示,由于区域内地衣植被广泛覆盖,基于点云强度的μ ![]()
![]()
值接近1,符合区域特点;经过μ ![]()
![]()
值校正后的GF对冠层间隙率具有较好的反映能力(R 2 = 0.78 , R M S E = 0.09 ![]()
![]()
);对于优势种明显的区域,基于样地尺度内多角度GF的χ值反演受样地内冠间大间隙的影响,选择合适的样地尺度能够减小LAI反演过程中的系统性误差;结合地面参考数据,确定的最优R x y _ T i l e ![]()
![]()
、R x y _ P l o t ![]()
![]()
和H t ![]()
![]()
分别为950 m、10 m和2.6 m,在此基础上反演的LAI与地面测量数据具有高度的一致性(R 2 = 0.84 , R M S E = 0.51 ![]()
![]()
);与R x y _ P l o t ![]()
![]()
相比,基于间隙率模型的LAI反演对H t ![]()
![]()
的选择更为敏感。 相似文献
8.
9.
《国土资源遥感》2020,(2)
为提升合成孔径雷达(synthetic aperture Radar,SAR)目标识别性能,提出基于变分模态分解算法(variational mode decomposition,VMD)的SAR图像目标识别方法。首先采用二维变分模态分解算法(bidimensional VMD,BVMD)对SAR图像进行分解,从而获得多模态的表示;然后采用联合稀疏表示对SAR图像的多模态特征进行同时表征;最后基于最小重构误差的原则判定目标类别。在MSTAR数据集上对提出方法进行性能测试,结果显示,在标准操作条件(standard operating condition,SOC)下对10类目标的识别率达到99. 24%,在型号差异、俯仰角差异、噪声干扰条件下的性能也优于现有几类方法,证实了方法的有效性。 相似文献
10.
《地理空间信息》2017,(2)
传统的植被状况调查方式费时、费力,并且更新困难,而高光谱遥感数据图谱合一,能够更精细、准确地进行遥感地物识别和分类,因此采用Hyperion高光谱数据来研究地物混合严重并且呈零星碎片状的城市植被。利用混合像元分解思想改进Gram-Schmidt融合算法,将Hyperion高光谱和ALI全色波段进行融合,提高光谱数据的空间分辨率,来解决城市植被像元混合严重和分布过于零散破碎难题,进而提高植被识别精度。为了避免高光谱植被识别陷入维数灾难,采用主成分分析对融合后的高光谱数据进行数据降维。最后,在地面光谱成像仪获取的纯净像元光谱信息辅助下,选取训练样本进行最小距离分类,完成植被类型识别,总体精度达到84.9%。 相似文献
11.
遥感技术应用于地质中的目的之一是分辫和识别出不同的岩石和矿物等地质体,高光谱分辫率遥感则可通过诊断性光谱特征对岩石或矿物成分及结构进行识别。随着高光谱矿物识别方法的不断发展,使得高光谱遥感技术在地学领域的应用由定性分析到定量识别成为可能,也为今后开展成像光谱遥感数据的广泛应用做好了技术准备。介绍了多种岩矿光谱分析的技术方法,并对不同方法的优、缺点及其应用场合进行分析。最后,总结并提出了下一步的工作方向。 相似文献
12.
红叶是一类观赏树木的统称,有槭树红叶、黄栌红叶、火炬树红叶等种类,在全国皆有分布。本溪是中国枫叶之都,快速、准确地提取其红叶信息能够促进当地旅游业的发展,具有巨大的经济价值与发展前景。然而传统的红叶指数播报采用人工定点观测的形式,耗费人力物力且无法实现大范围的红叶面积提取,为此,本研究采用光谱指数法快速、准确地提取红叶面积,选择本溪老边沟、天桥沟为中心的区域。首先利用目视解译法确定Sentinel-2影像上红叶像元区域,分析红叶和非红叶植被的光谱差异,并基于可见光波段的光谱特征构建差值红叶指数DRI,用于提取红叶区域,结果显示DRI的提取精度可达92%,与其他方法对比效果良好。本研究为本溪地区红叶面积提取提供了一种便利、高效的方法。 相似文献
13.
一种飞机目标的遥感识别方法 总被引:1,自引:0,他引:1
高空间分辨率遥感影像通常具有数据量大、背景复杂及地物占比较少等特点。如果直接将RCNN模型应用于高空间分辨率遥感影像目标识别,计算量大且效率低。级联AdaBoost算法识别率高、速度快,但又会产生较多的虚假目标。本文结合RCNN模型和级联AdaBoost算法,提出了一种由粗到精的飞机目标识别方法。首先使用基于HOG特征的级联AdaBoost算法快速提取飞机目标候选区域,然后利用基于卷积神经网络特征的SVM对飞机目标候选区域进行精细识别。试验表明,本文提出的方法在保证准确率的同时,还有效提高了计算效率。 相似文献
14.
15.
16.
针对应用单特征SAR图像进行目标识别准确率低的问题,提出了一种将支持向量机(support vector machine,SVM)和D-S证据理论(Dempster-Shafer,D-S)相结合的多特征融合SAR图像目标识别方法.该方法在对SAR图像预处理的基础上,提取目标的纹理、Hu不变矩和峰值特征,并分别以这3类单特征的SVM分类结果作为独立证据,构造基本概率指派,通过D-S证据的组合规则进行融合,并根据分类判决门限给出最终的目标识别结果.将该方法用于SAR图像上的3类目标识别,识别率达95.5%,表明该方法是一种有效的SAR图像目标识别方法. 相似文献
17.
18.
19.