排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
在利用近地表遥感探测方法对地表信息进行反演时,地表状态的不同会导致电磁波传播方式不同,进而决定了所采取的遥感探测方式、探测波长及探测手段的不同。因此,地表状态的识别是进行近地表遥感反演的前提和基础,其识别的准确率也决定了反演结果的准确度。本文提供了一种改进LBP(local binary pattern)和HSV颜色直方图相结合的地表状态识别算法,通过改进阈值的LBP算法和HSV颜色直方图提取特征向量并建立判别条件,最后利用K邻近算法对测试样本与训练样本进行特征匹配,得到识别结果。将野外采集的411张图片多粗随机分组为训练样本和测试样本,结果表明206张测试样本的分类正确率都达98.7%以上,证明了本文算法的有效性。 相似文献
2.
利用地震资料检测断层对油气勘探具有重要的意义,也是地震资料解释的重点.文中发展了局部二值模式(Local Binary Pattern,LBP)方法来检测断层,并结合地震剖面的旋转不变局部方差(Rotation Invariant Variance,VAR)信息,提出一种基于LBP/VAR特征的断层检测方法.首先利用相干属性、曲率属性和边缘检测等常规的断层检测方法和LBP/VAR算子对原始地震数据进行断层刻画,说明LBP/VAR算子的有效性,再对LBP、LBP/VAR进行阈值优化处理,使其检测断层的效果更佳.其次用LBP/VAR算子实现对含噪声的理论断层模型以及实际断层图片检测并对比分析.试验结果表明LBP/VAR算子对含噪声的断层理论模型仍然有效,具有一定的鲁棒性.实际断层图片检测证明该方法对断层检测具有更好的效果.研究结果表明LBP/VAR算子具有连续性好、一定的抗干扰能力,能较好的刻画断层,为地震资料断层检测提供了一种有效的检测工具. 相似文献
3.
基于对象直方图G统计量的遥感影像道路提取 总被引:1,自引:0,他引:1
提出了一种基于对象直方图G统计量的遥感影像道路提取方法。首先基于标记分水岭算法分割高分辨率遥感影像获取对象像斑,提取对象光谱特征并利用SVM从影像中分离出光谱相似的建成区(道路、建筑物等);然后从建成区选择合适的对象作为训练样本,采用G统计量度量测试样本与训练样本的LBP纹理直方图距离,以表达对象纹理特征的异质性,并利用最小距离分类器完成建成区内道路与建筑物等的分离;最后结合几何形状特征和数学形态学处理对提取的道路进行优化,获得最终的道路提取结果。试验结果表明:该方法能较好地提取出道路信息。 相似文献
4.
卷积神经网络CNN(Convolutional Neural Networks)具有强大的特征提取能力,应用于高光谱图像特征提取取得了良好的效果,双通道CNN模型能够分别提取高光谱图像的光谱特征和空间特征,并实现了特征的决策级融合。局部二值模式LBP(Local Binary Patterns)是一种简单但有效的空间特征描述算子,能够减轻CNN特征提取的压力并提高分类精度。为了充分利用CNN的特征提取能力及LBP特征的判别能力,提出一种双通道CNN和LBP相结合的高光谱图像分类方法,首先,采用1维CNN(1D-CNN)模型处理原始高光谱数据提取深层光谱特征,同时采用另一个1D-CNN模型处理LBP特征数据进一步提取深层空间特征,然后,将两个CNN模型的全连接层进行连接,实现深层光谱特征和空间特征的融合,并将融合特征输入到分类层中完成分类。实验结果表明,该方法在Indian Pines数据、Pavia University数据及Salinas数据上能够分别取得98.54%、99.73%、99.56%的分类精度,甚至在有限数量的训练样本条件下也能取得较好的分类效果。 相似文献
5.
一种改进顶帽变换与LBP高程纹理的城区建筑物提取算法 总被引:1,自引:1,他引:0
利用LiDAR数据的建筑物提取存在植被点与建筑物点难以区分的问题,利用航空影像进行城区建筑物提取则无法有效剔除阴影区域植被。本文融合LiDAR和航空影像两种数据源,提出了改进顶帽变换及局部二进制模式(LBP)高程纹理分析的建筑物提取算法。首先将LiDAR数据进行规则格网化,通过改进顶帽变换提取地面数据点,然后根据航空影像计算归一化差值植被指数(NDVI)值进行植被粗提取,计算LBP高程纹理,精细区分植被点与建筑物点,最后利用形态学操作填充建筑物孔洞,以检测出的建筑物点为种子点进行区域生长,得到完整的建筑物点集合。试验基于ISPRS提供的Vaihingen数据集中复杂多植被城区场景,试验结果表明,本文算法能够有效区分植被与建筑物,实现建筑物准确提取。 相似文献
6.
1