共查询到20条相似文献，搜索用时 312 毫秒
1.
2.
面向对象影像分类中基于最大化互信息的特征选择 总被引：1，自引：0，他引：1
高分辨率影像面向对象分割后产生了大量的光谱、形状以及纹理特征,如何抽取出最佳特征子集是遥感影像识别的重要问题.本文利用最大化互信息统计独立准则抽取最优特征子集,提高了面向对象遥感影像分类精度.基本过程包含以下3个方面:首先,利用eCoginition软件对高分辨遥感影像进行对象分割;然后,基于互信息最大关联、最小冗余准则(mRMR)获取优选的特征子集;最后,基于支持向量机分类器完成影像分类.以福建省漳州市QuickBird数据为例的实验表明,该方法能够有效提高遥感影像的分类精度,平均误分率降低了约4%. 相似文献
3.
城市绿地是生态文明建设的重要组成部分,绿地信息提取是城市绿地规划和建设的基础和前提。遥感影像分割是绿地信息分类提取的关键步骤,选择合适的影像分割方法能有效提高城市绿地提取精度。传统的遥感分割方法分割结果中边缘锯齿现象严重,与绿地实地边界相差较大,不符合绿地信息提取的要求。本文以高分辨率的WorldView影像为数据源,使用深度学习网络DeepLab-v3+对城市绿地进行分割研究,在分割基础上进行城市绿地信息提取。同时,本研究将该网络模型的分割和分类结果与基于Ostu、MeanShift、FNEA分割算法的分类精度进行比较。研究表明：DeepLab-v3+的分割性能最好,其分割边缘光滑,与绿地实地边界吻合度高,有效解决了传统分割算法的边缘锯齿问题;在各种分割分类算法中,DeepLab-v3+的分类精度最高,达到98.01%。 相似文献
4.
面向对象的绿地信息提取 总被引：1，自引：0，他引：1
绿地与人们的生产、生活密切相关,绿地是城市的净化器,发挥着保持水土、涵养水源、调节自然界生态平衡等重要作用.本文主要讨论了面向对象的分类技术,研究了多尺度影像分割和基于高分辨率影像的信息提取方法,在实验的基础上与传统的基于像元统计方法的信息提取结果进行了比较.结果表明,面向对象的信息提取方法在高分辨率遥感影像绿地信息提取中具有明显优势,可大大提高分类效率和精度. 相似文献
5.
《现代测绘》2020,(1)
针对国产高分辨率遥感数据在城市绿地信息提取中分割尺度选择问题,选取国产高分一号(GF-1)和中巴地球资源卫星04星(CBERS-04)遥感数据,在数据融合的基础上,采用控制变量法选取影像分割与合并尺度进行绿地信息提取,通过信息提取精度评价确定最优分割尺度。实验结果表明,对于GF-1和CBERS-04国产遥感数据,面向对象的方法均优于基于像元的方法,其中5m分辨率CBERS-04数据,面向对象方法绿地提取精度为90.53%,基于像元方法绿地提取精度为86.54%,推荐分割尺度与合并尺度为(25,70);2m分辨率GF-1数据,面向对象方法绿地提取精度为97.09%,基于像元方法绿地提取精度为83.49%,推荐分割尺度与合并尺度为(45,80)。研究结果能够为国产高分遥感数据城区绿地信息提取和地物分类过程中尺度选择提供借鉴和支持。 相似文献
6.
应用光照模型的交通车辆识别定位的高分辨率遥感方法 总被引：1，自引：0，他引：1
针对识别和定位路面上每辆汽车这一交通遥感图像处理的核心环节,提出一种解决方法。应用光照模型推导出路面、车辆(深浅两类)、汽车阴影在全色遥感影像中的亮度差异与亮度变化特征。以亮度差异为基础建立了能够将车辆区域从路面遥感图像中分割出来的图层分离算法。针对密集行驶的汽车因阴影相互覆盖而容易被误识别为一辆大型车的问题以及浅色车因深色车窗造成的识别结果割裂问题,利用亮度变化特征以及阴影、车窗与汽车的位置关系设计了车辆区域内的阴影和车窗干扰消除算法,通过闭运算实现了遥感图像中的汽车识别与定位。选用10幅交通遥感图像进行了测试,对浅色车的识别率大于92%,对深色车的识别率大于87%。 相似文献
7.
8.
针对传统手工提取特征方法需要专业领域知识,提取高质量特征困难的问题,将深度迁移学习技术引入到高分影像树种分类中,提出一种结合面向对象和深度特征的高分影像树种分类方法。为了获取树种的精确边界,该方法首先利用多尺度分割技术分割整幅遥感影像,并选择训练样本作为深度卷积神经网络的输入。为了避免样本数量少导致过拟合问题,采用迁移学习方法,使用ImageNet上训练的VGG16模型参数初始化深度卷积神经网络,并利用全局平局池化压缩参数,在网络最后添加1024个节点的全连接层和7个节点的Softmax分类器,利用反向传播和Adam优化算法训练网络。最后分类整幅遥感影像,生成树种专题地图。以安徽省滁州市的皇甫山国家森林公园为研究区,QuickBird高分影像作为数据源,采用本文方法进行树种分类。试验结果表明,本文方法树种分类总体精度和Kappa系数分别为78.98%和0.685 0,在保证树种精度的同时实现了端到端的树种分类。 相似文献
9.
基于GMRF-SVM的高分辨率遥感影像目标区域划分方法 总被引：5，自引：1，他引：4
高分辨率遥感影像数据量大、细节丰富并呈现出一定的尺度依赖性,单一尺度遥感影像分割难以同时兼顾影像的宏观和微观特征,这成为制约遥感信息自动化提取技术发展的瓶颈之一。对此本文提出了基于特征的多尺度高分辨率遥感信息提取技术框架,并分析了其对于大尺度海量数据信息提取与目标识别工作具有的理论及实践意义。根据影像光谱或纹理等特征,提出采用GMRF-SVM方法在大尺度上进行分类的目标区域划分方法。从大尺度信息提取的角度来看,该方法综合了GMRF纹理分类和SVM少量样本模式识别的优势,便于先验知识的融合,无论从花费时间还是分类处理效果上,都远远优于直接采用GMRF进行分割所取得的效果,对于后面的信息提取和目标识别来说更具有实际意义。 相似文献
10.
11.
Balaji B. Maruthi Sridhar Robert K. Vincent Wentworth B. Clapham Subramania I. Sritharan John Osterberg Christopher M.U. Neale 《国际地球制图》2013,28(8):649-662
Saltcedar (Tamarix ramosissima), an invasive shrub species, has successfully invaded large extents of several riparian zones in the western United States and northern Mexico. Mapping the distribution and abundance of saltcedar over these large areas through a multi-seasonal, cost-effective monitoring approach using satellite remote sensing is very essential. Ground truth surveys were conducted at 79 locations where the spectral reflectance measurements of vegetation, type of plant species, plant heights, soil samples and GPS co-ordinates were recorded. All the sampling was designed to coincide with the satellite overpass period. The Landsat TM colour-composite spectral ratio image (normalized difference vegetative index (NDVI), R 1,5 and R 1,7 as green, blue and red) can clearly identify and map the areas infested with saltcedar. The Landsat image analysis shows that these spectral ratios can be applied to multiple satellite overpasses for monitoring the seasonal progression of the saltcedar growth over time. 相似文献
12.
13.
提出了一种基于多进制小波变换的渐进式纹理图像检索方法，纹理图像的特征通过多进制小波分解结果来描述，用低频子图小波系数标准方差和多进制小波直方图结合相应的相似性距离函数，实现目标图像数据库由粗到精的渐进式检索。通过Bordatz和USC纹理图像数据库来检验本方法的精度和效率，获得了较理想的试验结果。 相似文献
14.
15.
16.
The spread of invasive Australia native Acacia tree species threatens biodiversity and adversely affecting on vegetative structure and function, including plant community composition, quantity and quality worldwide. It is essential to provide researchers and land managers for biological invasion science and management with accurate information of the distribution of invasive alien species and their dynamics. Remotely sensed data that reveal spatial distribution of the earth’s surface features/objects provide great potential for this purpose. Consistent satellite monitoring of alien invasive plants is often difficult because of lack of sufficient spectral contrast between them and co-occurring plants species. Time series analysis of spectral properties of the species can reveal timing of their variations among adjacent species. This information can improve accuracy of invasive species discrimination and mapping using remote sensing data at large scale. We sought to identify and better understand the optimal time window and key spectral features sufficient to detect invasive Acacia trees in heterogeneous forested landscape in South Africa. We explored one-year (January to December 2018) time series spectral bands and vegetation indices derived from optical Copernicus Sentinel-2 data. The attributes correspond to geographical information of invasive Acacia and native species recorded during a field survey undertaken from 21 February to 25 February 2018 over Kwa-Zulu Natal grasslands landscape, in South Africa. The results showed comparable separability prospects between times series of spectral bands and that of vegetation indices.Substantial differences between Acacia species and native species were observed from spectral indices and spectral bands which are sensitive to Leaf Area Index, canopy chlorophyll and nitrogen concentrations. The results further revealed spectral differences between Acacia species and co-occurring native vegetation in April (senescence for deciduous plants), June-July (dry season), September (peak flowering period of Acacia spp) and December (leaf green-up) with vegetation indices (overall accuracy > 80 %). While spectral bands showed the beginning of the growing season (November–January) and peak vegetation productivity (February-March) as the optimal seasons or dates for image acquisition for discriminating Acacias from its co-occurring native species (overall accuracy > 80 %). In general, the use of Sentinel-2 time series spectral bands and vegetation indices has increased our understanding of Australian Acacias spectral dynamics, and proved that the sentinel-2 data is useful for characterization and monitoring Acacias over a large scale. Our results and approach could assist in deriving detailed geographic information of the species and assessment of a spread invasive plant species and severity of invasion. 相似文献
17.
近年来红树林群落中物种结构简单、功能退化等环境问题日趋严重,为了及时准确掌握红树林群落的物种空间格局与分布,本文首先基于深圳福田红树林自然保护区无人机高光谱影像,利用归一化差值植被指数和归一化潮间红树林指数提取植被区域;然后在植被区域根据最佳指数法选取信息量大、波段相关性小的波段组合,分别采用基于像素支持向量机分类方法和面向对象影像分类方法对红树林物种进行分类。试验结果表明,基于像素支持向量机分类方法的总体精度为81.03%;利用面向对象影像分类方法的总体精度为85.58%。面向对象影像分类方法能有效去除椒盐噪声,充分利用对象光谱、形状及纹理信息,提供更准确的红树林分布信息。 相似文献
18.
19.
高分辨率遥感图像内容复杂,细节信息丰富,传统的浅层特征在描述这类图像上存在一定难度,容易导致检索中存在较大的语义鸿沟。本文将大规模数据集ImageNet上预训练的4种不同卷积神经网络用于遥感图像检索,首先分别提取4种网络中不同层次的输出值作为高层特征,再对高层特征进行高斯归一化,然后采用欧氏距离作为相似性度量进行检索。在UC-Merced和WHU-RS数据集上的一系列实验结果表明,4种卷积神经网络的高层特征中,以CNN-M特征的检索性能最好;与视觉词袋和全局形态纹理描述子这两种浅层特征相比,高层特征的检索平均准确率提高了15.7%~25.6%,平均归一化修改检索等级减少了17%~22.1%。因此将ImageNet上预训练的卷积神经网络用于遥感图像检索是一种有效的方法。 相似文献