共查询到20条相似文献，搜索用时 357 毫秒
1.
数学形态学着重于分析和处理图像的几何结构信息.根据这一原理,在图像分类预处理过程中,对各种地物区域的几何结构特点进行分析,构造相应的结构元素,然后对图像进行形态迭代分解法(IMD, Iterative Morphological Decompostion)变换.在变换结果中,地物区域的灰度信息进行了归一化处理,同时区域的几何结构特点和独立地物得到了有效保留.将多光谱图像的IMD变换结果进行分类实验的结果表明,该方法可以有效提高多光谱图像分类的精度和效率,具有较强的适用性. 相似文献
2.
3.
薄云覆盖遥感图像使图像上的地物信息模糊。本文给出了一种融合引导滤波和迁移学习的薄云图像中地物信息恢复算法。首先利用多方向非抽样对偶树复小波变换对薄云目标图像和无云引导图像进行多分辨率分解,再对分解后的低频子带分别进行支持向量引导滤波和迁移学习,对分解后的高频子带利用修正的Laine增强函数进行增强,然后应用基于区域能量的选择和加权相结合的方法对引导滤波输出和迁移学习模型预测的低频子带进行融合,最后对增强后的高频子带和融合后的低频子带进行多方向非抽样对偶树复小波逆变换重构,获得地物信息恢复图像。Landsat-8 OLI多光谱图像的试验结果表明,支持向量引导滤波能够有效保留目标图像的地物细节信息,域自适应的迁移学习能有效扩展可利用的多源多时相遥感图像范围,通过融合引导滤波和迁移学习能有效去除遥感图像上的薄云,获得较好的地物信息恢复效果。 相似文献
4.
《国土资源遥感》2021,(2)
深度学习技术因其在深度挖掘地物特征方面的独特优势为高光谱图像分类提供了技术手段。但是在高光谱图像的像素级地物分类中,由于样本输入尺寸的影响导致深度学习的层数受限,不能充分挖掘高光谱图像中的深度特征,为此提出基于残差网络特征融合的高光谱图像分类方法。首先通过主成分分析(principal component analysis,PCA)方法提取原始高光谱图像中的第一主成分,利用残差网络有效提取地物空谱特征;再通过反卷积算法实现特征图的扩充,将反卷积后不同维度的特征进行多尺度特征融合,充分挖掘高光谱图像中的深度特征信息,进一步提升高光谱图像分类精度。对"珠海一号"卫星拍摄的江苏太湖和安徽巢湖两个区域进行地物分类实验,结果表明,与其他方法相比,该方法有效解决了高光谱图像分类中深度特征提取不足的问题,获得了更好的分类性能。 相似文献
5.
以胶州湾及周边海岸带为研究区，采用Landsat 7 ETM+数据，提出一种基于à trous小波变换的全色图像和多光谱图像融合改进算法。对全色图像和多光谱图像进行适当层数的小波分解，多光谱图像的低频部分采用全色图像和其低频分量的比来调制； 最高分解层外的其余分解层采用多光谱图像和全色图像在该层分解系数的加权和，加权系数由局部区域能量比来确定； 最高分解层则采用绝对值最大准则。实验表明，该方法得到的图像可提高空间分辨率，对多光谱图像的光谱信息扭曲也较小，为提高海岸带地物分类和信息提取精度奠定了基础。 相似文献
6.
以胶州湾及周边海岸带为研究区，采用Landsat 7 ETM^＋数据，提出一种基于à trous小波变换的全色图像和多光谱图像融合改进算法。对全色图像和多光谱图像进行适当层数的小波分解，多光谱图像的低频部分采用全色图像和其低频分量的比来调制；最高分解层外的其余分解层采用多光谱图像和全色图像在该层分解系数的加权和，加权系数由局部区域能量比来确定；最高分解层则采用绝对值最大准则。实验表明，该方法得到的图像可提高空间分辨率，对多光谱图像的光谱信息扭曲也较小，为提高海岸带地物分类和信息提取精度奠定了基础。 相似文献
7.
针对基于像素的HMRF-FCM算法抗噪性差以及对地物复杂边界分割精度低的问题,提出一种结合形状信息的静态MST区域划分和RHMRF-FCM算法的高分辨率遥感图像分割方法。该方法定义一种静态MST同质区域划分准则,借助MST能较好表达边界和形状信息、能较好抑制几何噪声的特点,解决地物复杂边界的表达和降低分割结果中几何噪声问题。首先,利用MST静态划分将图像域划分成若干个均质区域,假设每个均质区域内光谱测度服从独立同一的多元高斯分布。然后,在此基础上构建了区域隐马尔可夫随机场模型,以及建立基于信息熵和KL信息正则化项的模糊聚类目标函数。最后,采用偏微分方法对分割模型参数进行求解,从而得到全局最优分割结果。为验证本文方法,对WorldView-3高分遥感图像进行分割试验。定性、定量分析了尺度参数、光谱相似性参数和区域紧致度参数对最优分割结果的影响,并对比分析本文算法和eCognition软件中的多分辨率分割算法、分水岭算法。 相似文献
8.
多光谱遥感图像土地利用分类区域多中心方法 总被引：1，自引：0，他引：1
针对遥感图像土地利用一种类别由多种地物组成,存在难以求取类别光谱特征多元分布模型的问题,分析了多光谱遥感图像土地利用的光谱特征和区域多中心特征,提出了一种光谱信息和区域信息基于规则的区域多中心分类方法,以类别的类内中心集合表征类别模式,以区域为分类单元,以区域单元含类别类内中心数和区域单元中属于某种类别的像元占单元总像元的百分比为分类准则;采用类内中心表征类别模式和基于规则的分类方法,较好地解决了土地利用类别由多种地物组成、类别模式不满足多元正态分布的问题,由于类别区域单元多中心特性差异大,分类规则的建立及训练样本的选择易于实现。实验表明:该方法能提高分类精度4%—6%。 相似文献
9.
航空多光谱图像地形影响校正的模拟反射率方法 总被引：2，自引：2，他引：0
开展强起伏地形等复杂条件下的多光谱数据处理实用方法研究,是使中高山地区多光谱定量化解释成果水平取得明显提高的重要途径之一。本文根据地形因素对航空多光谱图像地质解释影响的特点、多光谱仪的成像方式,应用简化的太阳辐射能量平衡原理,研究了如何从航空多光谱图像像元的亮度变化中消除地形影响,模拟生成反射率图像的新方法。新方法综合考虑了地表太阳辐照度的变化、地物的光谱反射率、反照率和热辐射信息,与目前常规的处理技术(如比值法和剩余对数法) 相比,消除了地形坡度和坡向变化对图像解释的影响,保留了地物反照率信息,为多光谱定量化解释提供了更合理有效的反射率图像,对超光谱数据的处理和解释均有潜在的应用价值。 相似文献
10.
以胶州湾及周边海岸带为研究区,采用Landsat 7 ETM 数据,提出一种基于à trous小波变换的全色图像和多光谱图像融合改进算法.对全色图像和多光谱图像进行适当层数的小波分解,多光谱图像的低频部分采用全色图像和其低频分量的比来调制;最高分解层外的其余分解层采用多光谱图像和全色图像在该层分解系数的加权和,加权系数由局部区域能量比来确定;最高分解层则采用绝对值最大准则.实验表明,该方法得到的图像可提高空间分辨率,对多光谱图像的光谱信息扭曲也较小,为提高海岸带地物分类和信息提取精度奠定了基础. 相似文献
11.
基于2DPCA的图像融合算法是一种新近提出的图像融合技术,它是通过图像矩阵右乘投影矩阵来实现2DPCA分析的。因而,这种算法能够有效利用图像的二维结构信息,具有良好的性能,不仅能够提高融合图像的空间分辨率,而且使光谱信息得到较好保持。提出了一种通过图像矩阵左乘最优投影矩阵来实现2DPCA分析的图像融合算法,即L2DPCA图像融合算法,并将2DPCA算法和L2DPCA算法与经典的BROVEY、PCA和H IS三种图像融合算法进行了对比研究。结果表明:2DPCA算法和L2DPCA算法的性能明显优于这三种经典的算法。 相似文献
12.
高分一号（GF-1）是我国自主研发的第一颗高分辨率遥感卫星，其包含地物信息较为丰富，已应用于土地利用信息提取，但在水利工程库区土地利用调查方面研究较少。本文以峡江水利枢纽工程库区为例，首先对库区影像进行了基于RPC模型的正射校正、几何精纠正等预处理；然后针对GF-1的传感器响应特性，采用基于多元线性波段拟合的方法对多光谱与全色影像进行融合，该方法相对于传统分量替换法具有更好的融合性能；最后综合利用影像的光谱、纹理及形状等特征，采用面向对象的方法对融合后的库区影像进行了地类信息提取与分类精度评价。试验结果表明，融合影像可以有效提取水利工程库区的土地利用信息，总体分类精度达到87.9%，Kappa系数为0.836，能够满足库区土地利用调查和变化监测的要求。 相似文献
13.
图像分类中基于核映射的光谱匹配度量方法 总被引：1，自引：0，他引：1
针对多光谱遥感数据特点利用SSV匹配技术改进高斯核函数得到新的KSSV函数,然后在由KSSV核函数映射得到的高维空间中利用SAM匹配技术代替基于欧氏距离的相似性度量。如此可以充分挖掘多光谱影像中的波谱特征信息并有效利用,提高模式识别方法应用的有效性。将此方法分别应用于非监督分类(k均值)与监督分类(最小距离、SVM)的试验表明,改进度量的分类方法可显著提高地类间的可区分度并有效降低类内的不一致性,更有效针对多光谱遥感影像中的地物类型,获得较好的精度改进。 相似文献
14.
机载多光谱LiDAR的随机森林地物分类 总被引：1，自引：0，他引：1
机载多光谱LiDAR技术利用激光进行探测和测距，不仅可以快速获取地面物体的三维坐标，还可以获得多个波段的地物光谱信息，可广泛用于地形测绘、土地覆盖分类、环境建模、森林资源调查等。本文提出了多光谱LiDAR的随机森林地物分类方法。该方法通过对LiDAR强度数据和高程数据提取分类特征，完成多光谱LiDAR的随机森林地物分类；并分析随机森林的特征贡献度特性，采用后向特征选择方法实现分类特征选择。通过对加拿大Optech Titan多光谱LiDAR数据的试验表明：随机森林方法可以获得较好的地物分类精度，而且可以适当地去除部分冗余和相关的特征，从而有效提高分类精度。 相似文献
15.
机载多光谱LiDAR数据的地物分类方法 总被引：2，自引：1，他引：1
机载多光谱LiDAR系统能够快速地获取大范围地表面上地物光谱和几何数据,并能够保证所获取的光谱与空间几何数据在空间和时间上相对完整和一致性。支持向量机（SVM）是一种基于小样本的学习方法,它避开了从归纳到演绎的传统分类过程。因此,本文提出了基于SVM多光谱LiDAR数据的地物目标分类方法。该方法首先将多个独立波段的LiDAR数据融合为单一的、包含多个波段信息的点云数据,然后将融合后的点云内插为距离影像和多光谱影像,最后利用SVM进行多光谱LiDAR数据的地物覆盖分类。通过对加拿大Optech公司的Titan机载多光谱LiDAR数据的试验证明：相对于传统的单波段LiDAR数据,多光谱LiDAR数据可以获得较好的地物分类精度;比较试验发现SVM分类方法适用于多光谱LiDAR数据的地物分类。 相似文献
16.
Land use classification is one of the major problems in remote sensing. Previous studies focused on multispectral information, texture-based features, and features based on edge detection to classify land usage from satellite images. In a previous study, structural features are introduced to classify land development using high-resolution satellite images. These structural features were based on line support regions (LSRs). LSRs are introduced to detect and represent straight lines in images using a pixel-grouping process. The structural features are calculated on these grouped pixels. It is shown that gradient-magnitude-based pixel grouping may also be used in structural feature calculations. Therefore, the aim of this letter is twofold. First, the previous structural feature calculation method is shown to be more general than the LSR. Second, LSR-based features are shown to require fairly high computation compared to gradient-magnitude-based features with similar classification performance 相似文献
17.
基于MRF随机场和广义混合模型的遥感图像分级聚类 总被引：3，自引：0，他引：3
有限混合模型FM的分级聚类已广泛应用于不同领域,然而,它的计算复杂度与观测数据的平方成正比,因此,在海量数据方面的应用就受到了限制。另一方面,多光谱图像数据中同时包含有空间和光谱两类信息,但大多数基于像素的多光谱图像聚类方法,仅使用了其频谱信息而忽视了空间信息。本文提出了一种新的基于广义有限混合模型GFM的分级聚类方法,该算法把MRF随机场和GFM模型结合在一起,分类数可以通过PLIC准则自动确定。算法在执行过程中,采用K均值聚类方式获得过分类图像,分级聚类从过分类图像开始,代替原来从单点类开始的方式,这样可以方便获取GFM模型成分密度的初始参数。最后,采用由Gibbs采样器生成的仿真测试图对算法的精度进行了定量评价,通过与K均值聚类和FM聚类的比较说明了本文算法的优越性,同时用荷兰Flevoland农业地区的极化SAR图像验证了本文算法的有效性。 相似文献
18.
Lukas Zebedin Andreas Klaus Barbara Gruber-Geymayer Konrad Karner 《ISPRS Journal of Photogrammetry and Remote Sensing》2006,60(6):413
This paper describes the fusion of information extracted from multispectral digital aerial images for highly automatic 3D map generation. The proposed approach integrates spectral classification and 3D reconstruction techniques. The multispectral digital aerial images consist of a high resolution panchromatic channel as well as lower resolution RGB and near infrared (NIR) channels and form the basis for information extraction.Our land use classification is a 2-step approach that uses RGB and NIR images for an initial classification and the panchromatic images as well as a digital surface model (DSM) for a refined classification. The DSM is generated from the high resolution panchromatic images of a specific photo mission. Based on the aerial triangulation using area and feature-based points of interest the algorithms are able to generate a dense DSM by a dense image matching procedure. Afterwards a true ortho image for classification, panchromatic or color input images can be computed.In a last step specific layers for buildings and vegetation are generated and the classification is updated. 相似文献
19.
D.G. StavrakoudisJ.B. Theocharis G.C. Zalidis 《ISPRS Journal of Photogrammetry and Remote Sensing》2011,66(4):529-544
A Boosted Genetic Fuzzy Classifier (BGFC) is proposed in this paper, for land cover classification from multispectral images. The model comprises a set of fuzzy classification rules, which resemble the reasoning employed by humans. Fuzzy rules are generated in an iterative fashion, incrementally covering subspaces of the feature space, as directed by a boosting algorithm. Each rule is able to select the required features, further improving the interpretability of the obtained model. After the rule generation stage, a genetic tuning stage is employed, aiming at improving the cooperation among the fuzzy rules, thus increasing the classification performance attained after the first stage. The BGFC is tested using an IKONOS multispectral VHR image, in a lake-wetland ecosystem of international importance. For effective classification, we consider advanced feature sets, containing spectral and textural feature types. Comparative results with well-known classifiers, commonly employed in remote sensing tasks, indicate that the proposed system is able to handle multi-dimensional feature spaces more efficiently, effectively exploiting information from different feature sources. 相似文献