共查询到20条相似文献，搜索用时 15 毫秒
1.
本文以雷州半岛为研究区,利用Sentinel-2A影像数据和真实植被样本数据,综合探讨了机器学习中随机森林与支持向量机的分类效果,并与传统的最大似然法进行比较。提取Sentinel-2A影像9个波段、7个植被指数、72个纹理特征,通过递归特征消除法挑选了10个特征组合,并将其应用于3种分类方法中,对其分类效果进行比较。结果表明:①有效使用多种特征变量是提高植被类型识别精度的关键,就不同特征对植被类型识别的重要性而言,光谱特征与纹理特征相当且大于植被指数,三者重要性相差不大;②随机森林分类效果最佳,不但能对特征进行有效选择,而且能保证植被类型提取精度,提高运行效率;③基于随机森林特征选择的递归特征消除法得到的特征组合不能对其他分类器性能进行优化,对随机森林模型本身的优化效果也有限。 相似文献
2.
针对航拍图像中水上桥梁目标的自动识别问题,提出了基于区域特征的水上桥梁自动识别算法。首先对航拍图像进行基于梯度均方差的图像二值化;再进行基于像素密度的二值图像去噪;然后进行基于像素的二值图像连通区域标记,区域标记算法采用6邻域连通规则进行标识,能够有效获取水域的区域特征;最后进行桥梁的精确提取。实验结果表明,该算法能够有效地识别低对比度、低空侧拍等复杂航拍图像中的水上桥梁目标。 相似文献
3.
基于无人机图像颜色指数的植被识别 总被引：7，自引：0，他引：7
《国土资源遥感》2016,(1)
植被信息在农业监测、生态环境保护等方面具有重要作用。利用无人机(unmanned aerial vehicle,UAV)获取的高分辨率图像识别植被信息具有成本低廉、方式灵活等优势。目前UAV遥感使用的可见光图像主要依靠各种颜色指数提取植被。以山东省微山县为研究区,选用NGRDI,Ex G,Ex G-ExR和GLI等4种基于RGB色域的颜色指数,对覆盖研究区的UAV图像进行灰度化处理,用最大类间方差自动阈值检测方法将植被区域与非植被区域识别出来,并分析各种颜色指数的适用性及影响因素。研究结果表明:4种颜色指数均能快速准确地识别植被覆盖区域,识别精度在90%以上。其中Ex G-ExR指数优于其他指数,识别精度最高,识别效果较稳定;Ex G与GLI指数的识别精度在研究区9景图像中变化不大,相对稳定,也可作为有效的植被识别方法。4种颜色指数对植被与背景的RGB特征差别较大图像的植被识别精度均较高。植被识别精度与研究区图像中冬小麦所占比例成正比,与阔叶林、建筑物/道路所占比例成反比。 相似文献
4.
图像的空间频谱识别与分类 总被引：2，自引：0，他引：2
本文介绍一种光学－计算机混合处理系统对图像进行空间频谱分析的原理和方法。该系统的光学部分是一个夫琅和费衍射装置，它把光学图像转换成二维的傅立叶频谱，即空间频谱。计算机则负责频谱数据的采集与分析。鉴于遥感地质日视解译中区分岩类的主要识别指标是遥感图像的影纹特征，文中以岩石的遥感图像的空间频谱采样与特征提取，对空间频谱进行识别和分类为例，阐明利用衍射图样对图像进行识别的方法。 相似文献
5.
针对因样本量小而导致的遥感图像场景分类精度不高的问题,结合非下采样Contourlet变换(NSCT)、深度卷积神经网络(DCNN)和多核支持向量机(MKSVM),提出了一种基于多尺度深度卷积神经网络(MS-DCNN)的遥感图像场景分类方法。首先利用非下采样Contourlet变换方法对遥感图像多尺度分解,然后对分解后的高频子带和低频子带分别用DCNN训练得到了不同尺度的图像特征,最后采用MKSVM综合多尺度特征并实现遥感图像场景分类。对标准遥感图像分类数据集的试验结果表明,本算法能够结合低频和高频子带对不同类别场景的识别优势,对遥感图像场景取得较好的分类结果。 相似文献
6.
针对当前遥感图像舰船目标检测精度不佳问题,本文构建舰船目标数据集STAR,提出基于Dense RFB和LSTM多尺度舰船目标检测算法。该算法首先在SSD网络基础上设计了浅层特征增强模块,基于人眼视点图采用Dense RFB特征复用和膨胀卷积增大感受野的尺度和种类,增强浅层网络对细节特征的提取能力;其次设计了深层多尺度特征金字塔融合模块,采用FPN和LSTM思想,基于反卷积和残差网络对深层不同尺度特征进行融合,增强网络结构非线性和特征层的表征能力;最后加入聚焦分类损失函数进行联合训练,有效避免了正负样本失衡问题。在遥感图像舰船数据集上实验,本文所提舰船目标检测算法精度均值达到81.98%,检测速度达到29.6帧/s。此外,遥感图像中成像模糊、被遮挡、部分被裁剪等舰船目标的检测效果也优于原有经典算法,实验结果表明该算法对遥感图像舰船目标检测的泛化能力较强,有效地提高了遥感图像舰船目标检测的精度。 相似文献
7.
深度学习在高光谱图像处理领域的研究应用不断深入发展,基于深度学习的高光谱图像分类达到了较高的分类精度。目前的分类模型多利用高光谱的图谱特征,但对光谱的诊断性特征及先验信息利用不足,对空谱特征提取过程难以实现有效协同,因而导致分类类别即类内分类不够精细。为了解决以上问题,本文提出一种以多标签数据为输入的共生神经网络模型,在高光谱图谱特征提取的基础上融合光谱诊断特征,实现相对含水量反演及精细分类。首先,通过构建一种新的红边斜率光谱指数实现高光谱图像相对含水量的表征,利用本文提出的自适应分级算法完成相对含水量反演并建立对应的等级标签,与地物种类标签共同构成多标签高光谱数据集。然后,构建共生神经网络架构及内部变维特征提取模块,利用多标签数据提取高光谱图像中空间、光谱和相对含水量的融合特征,提高深度模型对不同含水量地物的区分能力和对所提取特征的协同表达能力,降低模型的复杂度与计算量,完成基于多标签数据集的相对含水量反演引导分类的过程,在扩大传统类间距离的基础上进一步扩大类内距离,从而实现高光谱图像的精细分类。最后,使用实验室采集数据和4个公开的高光谱数据集Lopex、Indian Pines、Pavia University和Salinas进行实验验证。结果表明,本文提出的红边斜率光谱指数可以有效表征地物的相对含水量信息;相对含水量反演引导的分类模型对类内分类精度有较明显的提升,对总体分类结果有一定的改善;与其他机器学习和深度学习分类算法相比,本文算法取得了较好的分类结果,提高了深度分类模型的分类性能和精细程度,实现了精细分类。 相似文献
8.
针对当前无人机航拍遥感图像动态重构效果不佳,图像清晰度较低的问题,提出基于压缩感知的无人机航拍遥感图像动态重构方法.构建无人机航拍遥感影像降质模型,获取图像特征信息,进一步对无人机航拍遥感图像进行降噪预处理,更好地提高无人机航拍遥感图像的分辨率、光谱和多时相趋势,有效解决采样数据量大、采样时间长、数据传输存储量大等资源浪费问题.最大程度上提高无人机航拍遥感图像的采样率、降低无人机航拍遥感图像动态重构复杂度,有效获得高质量的图像重建的研究要求.实验结果表明,提出的基于压缩感知的无人机航拍遥感图像动态重构方法正确有效,优于目前的主流方法. 相似文献
9.
10.
基于光谱特征的湿地植物种类识别 总被引：1，自引：0，他引：1
《国土资源遥感》2016,(3)
光谱特征的选择对于湿地植被的识别精度和效率有直接的影响作用。以美国舍曼(Sherman)岛水域为研究区,基于Hy Map航空高光谱遥感影像数据,分析湿地植被的一阶微分光谱和光谱吸收特征,利用逐步判别分析法筛选识别精度较好的光谱特征参数参与C4.5决策树分类。结果表明:4种湿地植被的一阶导数光谱特征差异较小,吸收特征差异性相对较大;基于一阶微分光谱特征和光谱吸收特征利用C4.5决策树进行分类,可以实现湿地植被在物种水平上的识别,并达到较好的分类精度。 相似文献
11.
12.
利用大丰市沿海滩涂湿地区域的高光谱影像和同时期的机载LIDAR数据,结合影像的光谱信息,采用随机森林算法(RF)对研究区进行湿地植被精细分类,并分析和评价分类模型参数设置对总体精度的影响,最后与SVM分类结果进行对比。结果表明:随机森林分类方法的总体精度为90.3%、卡帕(Kappa)系数为0.874;与传统的SVM分类方法相比,RF法均提高了4种湿地植被的生产者精度和使用者精度。通过分析RF分类模型参数设置对总体精度的影响,得出当生长树个数为30、生长树深度为30时,分类精度最高。 相似文献
13.
《国土资源遥感》2020,(1)
为了探究低空无人机遥感技术对喀斯特地貌条件下不同形态农耕区地物类型的识别精度,以桂林市3个200 m×200 m样方的农耕区为研究区,在无人机航拍影像和地面调查数据的支持下,分别将基于像元和面向对象的影像分析技术与支持向量机(support vector machine,SVM)算法相结合,构建不同地貌条件下农耕区地物遥感识别模型,并进行精度对比分析。结果表明,面向对象的SVM分类结果保留了原始地物的大致轮廓,且地块较完整,更为适用于喀斯特地貌条件下的农耕区地物识别,较基于像元的SVM分类方法总体精度高6. 54%,Kappa系数高0. 135;基于像元的SVM分类方法适用于地物分布规则的农耕区地物识别,相比面向对象的SVM分类方法总体精度高2. 92%,Kappa系数高0. 026。 相似文献
14.
刘洪志 《测绘与空间地理信息》2022,(12):133-135
传统的基于卫星影像的遥感分类方法和基于低空无人机影像的地表覆盖分类方法,在识别荒漠植被,尤其是在识别荒漠灌丛地表覆盖时,不能满足该类别的分类识别需求。本文针对这一问题,采用一种自定义规则分类的方法,即充分利用无人机影像中分类对象的光谱、纹理、形状等特征,结合无人机影像的特点,计算待分类样本的特征阈值,按照不同阈值进行加权分类,最终得出荒漠植被地表覆盖的分类方法和评价方法,这种方法对同类别荒漠植被地表覆盖分类项目具有一定的借鉴作用。 相似文献
15.
针对传统城市功能区研究探索了利用兴趣点、遥感影像等数据进行城市功能区自动划分的方法,但分类精度仍有待进一步提高的问题,该文提出一种基于兴趣面数据和随机森林算法的城市功能区自动划分方法,首先对城市道路网络数据运用形态学运算方法自动构建交通分析区,然后从其区域内的兴趣区等多源数据中提取4类41项特征,最后结合地理国情普查数据和人工识别选取476个样本数据,构建基于随机森林分类器的城市功能区识别模型。结果表明,随机森林模型能够准确地识别城市功能区,识别模型预测精度为87.67%,支持向量机模型精度为83.71%,未引入兴趣面数据的模型精度为78.72%。利用上述模型对北京市内4 112个单元进行功能区识别,准确率达81.37%。该研究方法有较好的重复性和推广性,有助于对城市功能区进行定量、客观的研究。 相似文献
16.
遥感图像海量性、复杂性与多样性特征导致现有方法出现查全率、查准率低的问题,无法满足现今遥感图像应用的需求,故提出基于卷积神经网络-图像检索(Convolutional Neural Networks-Content-Based Image Retrieval,CNN-CBIR)的遥感图像分类检索方法研究.为了精确分类遥感图像,基于卷积神经网络-深度卷积神经网络-16(Convolutional Neural Networks-Visual Geometry Group Net-16,CNN-VGGNet-16)模型提取遥感图像卷积特征与池化特征,通过有效融合得到遥感图像高层聚合特征,以此为基础,采用模糊分类算法分类处理遥感图像,依据遥感图像分类结果,利用基于内容的图像检索(Content-Based Image Retrieval,CBIR)技术制定遥感图像分类检索程序,实现了遥感图像的分类检索.选取数据集图像遥感数据集(UC-Merced)与武大遥感数据集(WHU-RS)作为实验数据集,确定最佳池化区域尺寸与最佳输入尺寸,采用MATLAB软件进行仿真实验.仿真实验数据显示:与标准数值相比较,提出方法的查全率与查准率较高,充分说明提出方法具备更好的检索性能. 相似文献
17.
树种识别精度将直接影响森林制图精度。为提高泰山麻栎识别精度,通过优选敏感波段及其波段组合,利用多种方法对麻栎进行遥感识别。本文基于资源一号02C(ZY-1 02C)5月12日多光谱遥感影像,分析关键物候期的光谱特征,选取敏感波段并进行波段组合,分别运用云模型、支持向量机(SVM)、最大似然法(MLC)3种分类方法对麻栎进行遥感识别。结果表明,第2、3波段(记为B2和B3)为识别麻栎的敏感波段,其中B3为最敏感波段。3种识别方法中,云模型总体识别精度最高,为94.29%;其次是支持向量机,为90.82%;最大似然法最低,为85.54%。本文利用B3波段构建的云模型对泰山麻栎识别效果最优,可为其他树种识别提供技术支持。 相似文献
18.
面向对象的高光谱影像湿地植被信息提取 总被引：1，自引：0，他引：1
《地理空间信息》2015,(4)
以美国Sacramento-San Joaquin三角洲为研究区,提取高光谱遥感影像上湿地植被的光谱响应特征,用于指导面向对象的湿地植被信息提取。结果表明,基于光谱响应特征分析的面向对象分类精度为88.03%,而未利用光谱响应特征的面向对象分类精度为72.08%。在面向对象提取前对植物光谱响应特征进行特征提取,可以实现湿地植被在物种水平上的识别,并可以有效提高分类精度。 相似文献
19.
高空间分辨率遥感影像正被广泛应用,而传统分类算法在高分遥感影像上的精度和效率较差,深度学习语义分割算法在实际分类中泛化性较差。为了适应大范围高分遥感影像的特点,提出了一种基于U-Net网络的模拟退火超参数优化与深度可分离卷积语义分割模型。首先在U-Net网络基础上使用了深度可分离卷积模块来进行特征提取,在保持高效性的同时减少模型的参数量和计算量,然后利用基于模拟退火的智能优化学习模型搜索网络超参数的全局最优解,自动优化网络训练初始点,最后在ISPRS2D和GID(Gaofen image dataset)数据集上进行实验。对比实验结果表明,在ISPRS2D数据集的分类结果中,建筑物、低植被和汽车及总体分类精度均有提高,在GID数据集的分类结果中,水域、草地、森林及总体分类精度均有大幅提高。实验结果验证了所提模型的高效性、高精度性与鲁棒性。 相似文献
20.
由于无人机影像具有空间分辨率高、机动性强、成本低等优点,在智慧农业中可以用来监测各种特征信息的变化。为了进一步提高农业大棚识别精度,提出基于Segformer解码器改进的DE-Segformer模型。其中,通过特征整合模块融合高层语义信息,实现对多尺度特征图隐式特征的深度挖掘;通过反卷积上采样模块实现对影像空间细节的准确还原表达。以潍坊-黄岛沿线为研究区开展实验,DE-Segformer的总体精度和交并比分别为0.979和0.957,与Segformer相比分别提高0.013和0.028,且锯齿问题得到明显缓解。消融实验证明设计的两个模块均起到积极作用,联合使用可达到最大精度。为实现无人机影像农业大棚的精细分割,以及基于Transformer的语义分割模型在遥感信息提取中的工程化应用提供参考。 相似文献