共查询到20条相似文献，搜索用时 187 毫秒
1.
一种改进的基于最小生成树的遥感影像多尺度分割方法 总被引：3，自引：1，他引：2
影像分割是遥感影像面向对象信息提取的基础步骤。基于多特征、多尺度及考虑空间关系的遥感图像分割是主流研究方向。本文基于eCognition软件的多尺度分割思想,引入基于图论的最优化理论,提出了基于最小生成树分割和最小异质性准则的多尺度分割方法。该方法采用相干增强各向异性扩散滤波和最小生成树分割得到初始分割结果,通过最小异质性合并准则同时考虑多波段光谱特性区域形状参数进行区域合并,实现多尺度的影像分割。本次研究选取两景试验影像,对本文方法和eCognition软件的多尺度分割方法开展了目视比较和定量指标评价,结果表明,本文提出的方法是一种有效的影像分割方法,在光谱差异较小区域的细分方面优于eCognition方法。 相似文献
2.
建立了总体变分自适应图像去噪模型,并给出了其非线性各向异性扩散方程的数值解法。该方法采用高斯滤波器对噪声图像进行预处理,并利用图像每个像素的梯度信息,使其扩散方程在沿边缘方向上具有较大的扩散系数,而在垂直边缘的方向上具有较小的扩散系数。因此,总体变分自适应图像去噪方法不但能抑制噪声,还能很好地保持图像的边缘和纹理特征。图像去噪仿真实验表明,该方法的降噪效果明显优于总体变分去噪方法和中值滤波、维纳滤波等传统方法。 相似文献
3.
一种基于形态金字塔的遥感影像融合方法及其性能评价 总被引：2，自引：0，他引：2
提出了一种基于影像形态金字塔分解的融合方法，并应用于IKONOS全色影像和多光谱影像的融合中。在构建金字塔时采用的形态滤波是非线性滤波，与线性滤波相比，它能更准确地定位边缘，更好地表现影像的空间细节信息。实验结果表明，基于形态金字塔的融合效果优于拉普拉斯金字塔和对比度金字塔。 相似文献
4.
对于具有复杂场景的遥感影像,提出了基于各向异性扩散特征保持平滑的简化LEGION算法,弥补传统LEGION图像分割算法对噪声敏感的不足。对于多（高）光谱影像,则采用马氏距离计算光谱向量间的连接权得到扩展LEGION算法进行分割。实验结果表明,LEGION算法较传统的图像分割方法对单波段灰度遥感影像目标及其重要细节部分的分割效果更显著;扩展LEGION算法适用于多光谱遥感影像分割。 相似文献
5.
6.
传统的影像融合方法对ETM＋多光谱影像和全色影像融合往往存在一定的光谱失真现象,提出了一种基于亮度相关系数的影像融合方法,能够提高融合影像的光谱保真度。该方法首先对多光谱影像进行IHS变换,将全色影像与亮度分量进行直方图匹配;其次,对亮度分量和新的全色影像分别进行小波分解,以分解后近似分量的相关系数作为权值,对两个近似分量图像进行加权融合,得到新的近似分量;然后,进行小波逆变化得到新的I分量;最后,通过IHS逆变化得到融合影像。试验结果证明,该方法得到的融合影像,不仅能够有效地保持全色影像的空间细节信息,而且能很好地保留多光谱影像的光谱信息。 相似文献
7.
8.
基于分频分策略的融合思想,提出了一种边缘特征增强的多源遥感影像融合方法。实验证明,融合后的影像不仅在很大程度上保留了多光谱影像的光谱特征,还提高了空间分辨率,特别是边缘特征得到进一步增强。 相似文献
9.
矢量C-V模型的高光谱遥感影像分割 总被引：1，自引：0，他引：1
高光谱遥感影像除了包含普通2维影像所具有的空间信息还包含了1维光谱信息,传统的针对2维影像的分割方法不能很好地应用于高光谱遥感影像。为此,本文提出一种能够同时处理多波段影像的高光谱遥感影像矢量C-V模型分割方法。首先选出高光谱遥感影像中目标与背景对比度较大的波段,并通过计算波段相关系数,去除其中的冗余信息形成新的波段组合,进而根据所确定的波段组合构建高光谱遥感影像矢量矩阵;在此基础上,构造基于该矢量矩阵的矢量C-V分割模型。模型中通过引入基于梯度的边缘引导函数,在保留传统C-V模型基于区域信息进行影像分割的基础上,利用影像的边缘细节信息,增强了模型在异质区域和复杂背景情况下对目标边缘的捕捉能力,提高了对高光谱遥感影像的分割精度和速度。最后利用HYPERION数据进行仿真实验,并将实验结果和传统C-V模型和相关方法进行了对比,结果表明,本文方法能够在短时间内有效地分割高光谱遥感影像,与传统方法相比,具有分割精度更高运算速度更快的特点。 相似文献
10.
由于地物的复杂多样性,准确识别其分类精度对遥感数据处理具有重要意义。为提高多光谱遥感数据的分类精度,本文以Landsat 8数据为基础,提出不同尺度引导滤波特征融合NDVI与NDBI的方法,进行多光谱遥感图像的分类。首先,提取多光谱数据第一主成分作为引导图像,原图像为输入图像,依次提取滤波半径为2、4、6、8的引导滤波特征集;然后,将不同滤波半径的引导滤波特征集与图像NDVI与NDBI特征进行融合,采用支持向量机的方法进行监督分类,以此探究不同尺度的引导滤波对多光谱遥感影像分类精度的影响。试验结果表明：(1)引导滤波在去除噪声的同时能够较好地保留图像的边缘特征;(2)引导滤波可以提高多光谱遥感影像的分类精度,不同大小引导滤波半径图像在分类方面与原图像相比,较其分类精度均有不同程度的提升,最高总体精度达99.776 3%,Kappa系数为0.997 1;(3)不同尺度的引导滤波会得到不同的分类结果,当滤波半径R=2时,图像的分类精度最高。 相似文献
11.
12.
13.
小样本的高光谱图像降噪与分类 总被引：1，自引：0，他引：1
在样本数目稀少情况下实现高光谱图像精细分类是个挑战性的问题。高光谱图像信噪比提高比较困难,噪声大小对分类结果有最直接的影响。利用高光谱图像相邻波段之间的相关性和相邻像素之间的相关性,提出多级降噪滤波的高光谱图像分类方法,通过改进的两阶段稀疏与低秩矩阵分解方法,去除高光谱图像中能量较高的噪声,利用主成分分析方法去除高光谱图像中能量较低的噪声,引导滤波方法去除分类结果图中的"椒盐噪声"。选取两幅真实高光谱图像进行实验,结果表明,两阶段稀疏与低秩矩阵分解法和主成分分析法两种降噪方法具有较强的互补性;引导滤波方法使得分类图更加平滑且分类精度更高。与其他光谱空间分类方法相比,本文方法分类精度更高,且在样本极少时能获得很高的分类精度。 相似文献
14.
Spatial database updating using active contours for multispectral images: application with Landsat 7
S. Jodouin L. Bentabet D. Ziou J. Vaillancourt C. Armenakis 《ISPRS Journal of Photogrammetry and Remote Sensing》2003,57(5-6):346
This paper presents a fully automated approach for area detection and delineation based on multispectral images and features from a topographic database. The vectors residing in the database are refined using active contours (snakes) according to updated information provided by the multispectral images. The conventional methods of defining the external energy guiding the deformation of the snake based on: (1) statistical measures; or (2) gradient-based boundary finding is often corrupted by poor image quality. Here a method to integrate the two approaches is proposed using an estimation of the maximum a posteriori (MAP) segmentation in an effort to form a unified approach that is robust to noise and poor edges. We further propose to improve the accuracy of the resulting boundary location and update of the snake topology. A number of experiments are performed on both synthetic and LANDSAT 7 images to evaluate the approach. 相似文献
15.
Chengjie Zhu Shizhi Yang Qiang Zhao Shengcheng Cui Nu Wen 《Journal of the Indian Society of Remote Sensing》2014,42(1):35-49
Fuzzy c-means (FCM) algorithm is a popular method in image segmentation and image classification. However, the traditional FCM algorithm cannot achieve satisfactory classification results because remote sensing image data are not subjected to Gaussian distribution, contain some types of noise, are nonlinear, and lack labeled data. This paper presents a robust semi-supervised kernel-FCM algorithm incorporating local spatial information (RSSKFCM_S) to solve the aforementioned problems. In the proposed algorithm, insensitivity to noise is enhanced by introducing contextual spatial information. The non-Euclidean structure and the problem in nonlinearity are resolved through kernel methods. Semi-supervised learning technique is utilized to supervise the iterative process to reduce step number and improve classification accuracy. Finally, the performance of the proposed RSSKFCM_S algorithm is tested and compared with several similar approaches. Experimental results for the multispectral remote sensing image show that the RSSKFCM_S algorithm is more effective and efficient. 相似文献
16.
根据干涉图信号和噪声时频分布差异的特点,提出一种改进的基于经验模态分解EEMD的InSAR干涉相位滤波方法。该方法首先利用可有效降低模态混叠的EEMD算法,对干涉图的实部及虚部分别进行2维经验模态分解,获得具有不同时间尺度的模态分量;然后根据信号和噪声分量的时间尺度分布特性的差异,采用适用于非线性信号分析的KECA算法对噪声识别、分离;最后利用去除噪声后的模态分量重构干涉图。为了证明本文方法的有效性,分别利用模拟数据及真实InSAR差分干涉相位进行滤波试验。对比本文EEMD-KECA滤波方法、Goldstein滤波、圆周期—中值滤波、EMD分解、EMD-PCA方法的滤波效果,采用相干斑指数、均方差指数、边缘保持指数进行定量评价。结果表明,与经典InSAR干涉图滤波方法相比,本文联合EEMD-KECA算法的滤波方法能有效滤除干涉图噪声,且在条纹边缘等细节信息的保持上也具有较大优势。 相似文献
17.
基于打印机和视觉模型的阶调误差扩散算法的研究 总被引：1，自引：0，他引：1
提出了一种基于打印机模型和视觉模型的阶调误差扩散算法。这种基于模型的半色调方法是利用打印机的特征和人类的视觉特性使打印图像的质量达到最佳。为了保证根据阶调不同获得最优矩阵，使用基于人眼视觉模型的误差算法对半色调结果进行评价。 相似文献
18.
Mixed pixel is a key issue in medium to coarse resolution remote sensing image, and it seriously restricts the remote sensing classification. This paper presents an Independent component analysis (ICA) algorithm based on the variational Bayesian (VB) methods, named VBICA, for spectral unmixing in multispectral remote sensing image. The model assumes that the mixed pixels to be separated are given as linear mixtures. The matrixes of linear mixtures are assumed to be unknown. In the Bayesian framework, the endmember and abundance have finally been achieved with Bayesian inference and approximate variational algorithm. The proposed method is evaluated and tested on a numerical simulative image from the noise resistance, area size, pixel purity, estimated number of endmembers and real multispectral remote sensing image of 100?×?100 pixels. Experimental results on simulated image demonstrated that compared to the Fast ICA algorithm, the proposed algorithm can give more accurate results, and the validity of the proposed algorithm is verified by the real multispectral remote sensing image of the similarity on spectral curves, average similarity and ground objects distribution maps. 相似文献
19.
20.
Pan-sharpening是通过将低分辨率多光谱图像(LMS)与高分辨率全色图像(PAN)进行合成而获得高光谱高空间分辨率的多光谱图像(HMS)的过程。本文提出一种Pan-sharpening方法,称为PAIHS。该方法基于自适应亮度-色度-饱和度(AIHS)转换和变分Pan-sharpening框架以及两个假设(①Pan-sharpening图像和原始多光谱图像(MS)具有相同的光谱信息;②Pan-sharpening图像与全色图像(PAN)包含的几何信息保持一致),同时确定目标函数,然后用粒子群算法(PSO)进行优化,目的是得到最佳控制参数并求得目标函数最小值,此时对应着最好的Pan-sharpening质量。试验结果表明,本文提出的方法具有高效性和可靠性,获得的性能指标也优于目前一些主流的融合方法。 相似文献