共查询到19条相似文献，搜索用时 218 毫秒
1.
利用连续几天的NOAA卫星数据, 经过数据预处理、Ambrals、Rahman模型反演、大气校正, 将提取出的角度方向信息, 以土地利用图为基础, 使多角度遥感理论研究与卫星遥感的实际应用有机结合, 评价其在地物识别、提取、分类中对精度提高、方法改善的有效性.研究结果表明, 加入角度数据后, 无论从类间可分性还是从分类精度上, 都要比常规分类数据高, 其分类精度提高了2%～7%. 相似文献
2.
极化合成孔径雷达（PolSAR）以其多参数、多通道、多极化、信息记录更加完整等特点，在城市地物提取领域中发挥着重要作用，并已成为遥感影像研究领域的热点。选择覆盖苏州市的Radarsat2影像，利用极化非相干分解法和灰度共生矩阵法分别提取19种极化特征和8种纹理特征，通过分析建筑物、植被和水体的极化特征和纹理特征进行特征组合，结合主成分分析法（PCA）和支持向量机法（SVM）对城市建筑物进行提取，并定量评估精度。结果表明：基于极化特征的建筑物提取精度最高为92.4%；基于纹理特征的提取精度最高为88.9%；极化特征与纹理特征相结合可以提高精度，最高精度为93.7%；PCA特征融合算法具有较高的运算效率，同时提高了精度。 相似文献
3.
针对在遥感大数据时代背景下,传统变化检测方法的精度和自动化程度难以满足实际应用需求,提出一种联合光谱特征、对象特征和时间特征的遥感影像变化检测方法.在提取遥感影像多种特征的基础上,利用双向长短期记忆网络,提取光谱-对象-时间特征,实现双时相影像变化信息的有效提取.基于双时相中分辨率遥感影像的实验结果表明:本方法的总体精... 相似文献
4.
以250m分辨率的MODIS/NDVI时间序列数据为主要数据源,通过Sacizkky-Golay滤波重建高质量NDVI时间序列数据;同时融合500m分辨率的MODIS多光谱反射率数据和90m分辨率的DEM数据.将非监督分类法和决策树法相结合,进行黑龙江流域土地覆盖分类研究.对分类结果采用已有的土地覆盖数据和高分辨率遥感影像进行精度评价,评价结果表明,利用MODIS/NDVI时间序列数据获得较高精度的土地覆盖分类结果是可行的. 相似文献
5.
遥感影像匹配是众多遥感应用中数据处理的关键前置步骤,但高程差导致的影像局部畸变和影像匹配的复杂性严重限制了高分辨率影像的匹配精度。提出一种适用于局部畸变和高外点比例的鲁棒匹配算法,首先利用Delaunay剖分算法在假定匹配点集上施加几何约束,得到特征点局部邻接关系;然后基于邻接信息进行预过滤;采用多尺度的策略建立局部邻接关系一致约束模型;最后定义三角形相似度函数实现匹配恢复。利用3组高分辨率影像开展对比实验,实验结果表明该算法的平均精度比RANSAC提高7.69%,在外点率高于90%时仍旧稳健。 相似文献
6.
针对由于地形起伏、地物类型丰富等因素导致一般配准方法无法正确拟合遥感影像局部区域的问题,提出一种基于特征信息层次聚类对影像区域快速划分实现精细拟合的方法。该方法利用差分空间尺度约束提取更高精度的SIFT的特征点,并结合Hellinger变换优化匹配效率,完成特征粗匹配。根据点邻域信息完成初始聚类,得到变换模型;计算匹配点对不同变换模型的符合程度构建倾向集,根据距离合并集合得到聚类中心,使用泰森多边形法生成子区域。求解每个子区域的变换模型并插值拼接,得到配准结果。使用农田、山地、沿海城镇地形的遥感影像进行实验,将SIFT+ST、FSC-SIFT、PSO-SIFT方法的配准效果与该方法进行对比,结果表明该方法的精度与目视配准效果均更优。 相似文献
7.
基于决策树的海上搜救目标检测算法 总被引：2，自引：1，他引：1
为克服传统目标识别方法在处理空间特征分布极为复杂的数据时的缺点,提出1种基于决策树的多特征检测算法,并将其应用到基于视频的海上搜救目标检测中.该算法首先提取图像中的颜色、亮度等信息,通过计算各特征的信息增益建立决策树,将搜救目标检测问题分解成3层决策树分类问题.实验表明,该算法能够提高多特征目标检测的效率,在救生艇、筏等海上搜救目标检测的应用中取得较好的结果. 相似文献
8.
为提升极化合成孔径雷达(SAR)地物分类精度,提出一种基于AdaBoost改进型随机森林和支持向量机(SVM)结合的二级分类结构。首先将AdaBoost改进型随机森林作为初级分类器,该分类器能根据决策树的分类能力赋予权重,分类能力越强则权重越高,从而提升初级分类精度。初级分类器还能评估输入特征的重要性,获得重要性排名。根据重要性排名进行特征筛选,用筛选后的特征训练SVM分类器,获取二级分类结果。最后利用邻域投票法将两级分类结果融合。AIRSAR极化数据对比实验表明,该分类结构可有效提升极化SAR地物分类精度。 相似文献
9.
针对平原区园地与居民点落叶林不易区分的特点,提出适合于中分辨遥感影像的平原区园地信息提取特征指标--平原区园地指数.利用影像的多时相特征,结合面向对象的分类方法构建平原区园地信息提取模式.安徽省砀山县园地提取实验表明,该方法简单易行,有效避免了"椒盐现像",提高了分类精度,对于准确地确定平原区园地面积及其分布情况具有重要的实际应用价值. 相似文献
10.
以HJ-CCD为实验数据,采用面向对象分类技术,对地形复杂、类型多样的湖南省进行土地覆盖类型的自动提取.着重研究在大尺度上的土地覆被调查中应用HJA/B遥感影像和面向对象技术获取土地覆被信息的一整套技术方法.将多尺度分割、邻域推移分类法以及野外调查、专家知识有机结合起来,并用野外采样点进行精度检验.湖南省土地覆被调查结果的总体精度84.99%,Kappa系数为82.79%.结果证明了以HJ-CCD影像为遥感数据源,利用面向对象技术进行大尺度的土地覆被调查的可行性和有效性. 相似文献
11.
以中巴资源卫星CBERS 1图像数据为信息源,分别采用最大似然法、BP神经网络和Fuzzy ARTMAP神经网络 3种分类器,以位于干旱区的中国新疆石河子地区为例,进行了土地利用计算机自动分类。结果认为,3种方法中以Fuzzy ARTMAP神经网络法分类精度最高,分别比最大似然法和BP神经网络法提高了 10.69%和 6.84%。同时也证实了CBERS 1图像在土地利用调查中的实用性 相似文献
12.
以南京市为研究区,基于面向对象的分类方法,对TM影像进行LBV变换,选择B分量阈值进行水体信息提取. 结果表明,水体信息提取精度为94.6%. 与基于像元的B分量阈值法和基于像元及面向对象的改进的归一化水体指数(MNDWI)阈值法相比,该方法提取水体信息快速准确,不但消除了山体阴影和城市建筑物的影响,还减少了分类"椒盐现象". 该方法简单易行,适用于水体信息的自动提取. 相似文献
13.
提出一种基于特征筛选和二级分类的建筑提取算法。该算法首先对极化SAR数据进行精致Lee滤波,获取多维极化特征和纹理特征构成原始特征集;然后将随机森林作为初级分类器评估各特征的重要性,依据重要性排名进行特征筛选;最后通过支持向量机对特征子集进行次级分类,并用邻域投票法将两级分类结果融合。AIRSAR极化数据实验结果表明,本算法可有效提高极化SAR建筑提取准确率。 相似文献
14.
以景观破碎化的皖南山区为试验靶区,基于2009年4期的Landsat 5 TM与HJ-1/CCD遥感影像,结合野外调查数据,分析土地覆被类型在影像上的特征,挖掘出相应的光谱、纹理、空间及时相等信息,获取相关特征波段.基于See 5.0软件,根据训练样本筛选特征波段及组合并获取最佳阈值.基于面向对象分类软件,对TM影像进行尺度10、30的2级分割,参照最佳特征波段及阈值建立规则集并获取分类数据.结果表明：基于面向对象的多时相分类法能精确地获取土地覆被数据,精度均高于92%,其在以皖南山区为代表的景观破碎化区域适用性较高. 相似文献
15.
应用MODIS 250m分辨率遥感影像对中国华北地区分别采用最大似然法、Parzen窗、CART决策树、BP神经网络F、uzzy ARTMAP神经网络等5种分类方法进行区域尺度上土地覆盖制图的比较试验.结果表明:(1)Parzen窗法分类性能最优,CART和BP其次,Fuzzy ARTMAP表现较差.(2)CART决策树具有较好鲁棒性,但缺点是样本代价较大;BP神经网络分类器能达到较高精度,但缺点是需较高质量的样本、网络结构参数难以确定,造成其稳健性较差;FuzzyARTMAP则未能表现出理想结果.(3)训练样本数量差异造成:最大似然法的分类精度差异值低于5%;Parzen窗法和Fuzzy ARTMAP差异为5%～10%;CART和BP差异在10%以上。 相似文献
16.
在利用主动学习方法进行高光谱图像分类时，往往存在空-谱特征不能得到有效利用和样本需要进行手动标注的问题。针对这些问题，提出一种结合卷积神经网络的主动学习方法进行高光谱图像分类。该方法首先提取像素的空间邻域组成训练样本，通过卷积神经网络对样本的空间特征和光谱特征进行学习并对数据进行初步分类；然后，基于高光谱图像的空间相似性和光谱相似性，对无标注样本进行标注，并将其加入标注训练集以提高分类器的分类精度。在Salinas、PaviaU和Indian Pines这3个高光谱数据上的实验结果表明，该方法能在较少标注样本的情况下，有效提高高光谱图像的分类精度。 相似文献
17.
针对现有机载激光雷达（light detection and ranging，lidar）数据单木分割算法在密集林区中探测精度较低的问题，结合林木冠层空间结构分层的特点，提出一种从机载点云数据直接分离单木的方法。首先，对原始点云数据进行去噪、滤波、高程归一化；然后基于冠层高度模型（canopy height model，chm）计算局部最大值以确定冠层表面的明显树顶，以此作为单木位置的先验知识，继而采用归一化割（normalized cut，Ncut）方法实现冠层的初始分割；最后，以全局最大值代替局部最大值，并将冠层形状、冠层最小点数作为约束条件，再次利用Ncut方法完成对漏检单木的探测，进而实现单木的精确探测。实验结果表明，针对密集林区的单木分割，本方法有效地减少了漏识单木，整体精度达90%以上，将有助于单木三维结构定量描述及参数反演。 相似文献
18.
指纹识别作为"物证之首"一直被认为是最可靠的生物特征识别方法，目前已经广泛应用在刑事侦查、居民身份认定及核实等领域。这类应用的特点在于需将待识别指纹与海量指纹数据库中的全部指纹做快速比对，以确定该枚指纹所有人的身份。为了提高指纹识别速度，海量指纹数据库会按照纹型拆分成若干类，待识别指纹仅和同类指纹做逐一比对。随着指纹采集相关的法律生效，近几年指纹数据库规模迅速扩大。一方面库内同类纹型的图像差异性显著增加，另一方面不同类指纹图像的相似性也在增加，指纹分类算法误分率大幅增加。"海量指纹纹型精准分类问题"迅速成为公安应用及指纹识别领域研究的热点。针对上述问题，提出一种基于胶囊网络的指纹纹型精准分类模型Cap-FingerNet。该模型一方面将胶囊网络独有的网络特性与指纹图像特有的自相似纹理特征相结合，可构成更为鲁棒的特征提取器及分类器。新引入的Batch-Normalization方法还可避免典型胶囊网络易于出现"梯度消失"的不足。另一方面，引入注意力胶囊机制，使得Cap-FingerNet较典型胶囊网络更准确且全面地提取出指纹图像细节信息，并使用全局压缩算法对胶囊进行有效挤压。Cap-FingerNet模型在某公安刑侦指纹数据库的4分类纹分类上获得99.63%的极高准确率，并在国际公开指纹数据集NIST-DB04的纹型4分类和5分类任务上分别测得96.25%和94.5%的准确率，取得了目前文献中最好成绩。 相似文献
19.
岩体点云滤波是岩体三维重建的关键环节。针对岩体点云环境，提出一种基于多维度特征和多层神经网络的植被滤波方法。该方法首先计算点云中每一点的多维度特征作为特征输入；然后利用多层神经网络构建分类器实现对岩体点云数据的植被滤波过程。分析多维度特征的可用性，并通过不同的实验过程筛选最优网络模型参数。与其他分类器相比，本算法精度较高，能够更好地应用于岩体点云植被滤波领域。 相似文献