共查询到10条相似文献，搜索用时 15 毫秒
1.
针对航空遥感影像阴影检测中与阴影具有相似特性的绿地、亮度较暗的非阴影区域和亮度较高的阴影区域容易出现错检、漏检的问题,结合HSV变换和区域生长原理,提出了一种改进的阴影检测方法。首先在HSV色彩空间通过图像增强构建了一种新的阴影指数,并引入了双阈值法,剔除了植被和亮度较暗的非阴影区域的影响;接着通过区域生长得到了包含较亮阴影的完整阴影区域。经过对比试验表明,该方法能够有效地提取较亮阴影,对绿地和较暗的非阴影区具有较好的区分能力,可以有效提高检测精度。 相似文献
2.
基于TM图像的农业区域植被覆盖变化检测 总被引：1，自引：0，他引：1
以交叉相关光谱匹配(cross correlogram spectral matching,CCSM)为基础构建土地覆盖变化强度指标,利用华北农业植被覆盖区2期不同时相的TM图像计算该地区土地覆盖变化强度图像.认为变化强度图像任意二阶邻域中像素的变化强度服从隐马尔可夫模型,用马尔可夫随机场-最大后验估计(maxium a psteriori estimationof markov random field,MRF - MAP)的方法从变化强度图像中提取植被变化区域.实验证明:该方法能够有效识别各种外源噪声造成的农业植被覆盖区域同物异谱的现象,可准确提取植被变化区域;但对于水体区域存在误判现象. 相似文献
3.
基于SPOT-5图像的城市水体自动提取模型研究 总被引：6，自引：3，他引：6
以南京市主城区为对象,研究基于SPOT-5图像的城市地区水体信息的提取方法.分析表明,对SPOT-5的SWIR波段进行简单的阈值处理,可以清晰地将水体与阴影提取出来.在分析水体和阴影光谱特征和空间特征（形状指数等）的基础上,建立了基于SPOT-5图像的城市地区水体的自动提取决策树模型.精度验证表明,该模型的水体提取精度较监督分类的提取精度提高2.5%,尤其在具有许多建筑物阴影的局部区域,本模型的水体提取精度提高11.6%.此外,本模型还具有很好的移植性,只是在阈值大小的确定上会有部分差异. 相似文献
4.
5.
目前的目标融合检测方法大都是基于多源遥感图像配准的,然而在实际的应用中,成像机理不同的多源遥感图像的精校正和图像间的配准是十分复杂的,难以确保其配准精度.为此,本文提出了一种基于目标关联的多源卫星遥感图像的兵营融合检测方法.该方法不对图像进行配准,而是根据单源图像的目标自动检测结果,利用图像的大地坐标信息,截取包含目标的同一地区的局部遥感图像,再分别提取多源遥感图像目标的特征,并根据其中冗余的特征,对提取的目标区域建立关联,再由关联检验确保特征关联的正确性,最后对目标特征进行融合决策,得到目标融合检测结果.实验结果表明,该方法能有效地利用多源遥感图像的信息,降低遥感图像目标检测的误判率,提高目标特征的准确度. 相似文献
6.
针对遥感影像只具有红（R）、绿（G）、蓝（B）3个可见光波段时无法利用归一化植被指数（NDVI）方法提取植被信息的现状,本文提出了一种基于色调饱和度亮度（HSL）模型的可见光植被提取方法。利用自主研发的系统,将影像从RGB彩色空间变换至HSL彩色空间,构建归一化色调亮度植被指数（NHLVI）,通过分析植被与非植被信息在HSL彩色空间中的特征,以及NHLVI、H、S、L、R、G、B各分量的特征,确定协同NHLVI、S分量提取植被信息,利用B分量特征剔除结果中的非植被信息,从而实现植被信息提取,并提高提取精度。研究表明,该方法在现有NHLVI指数方法基础上,加入S分量,提升了可见光植被提取的精度及方法的适用性。 相似文献
7.
《国土资源遥感》2017,(2)
在遥感图像分割中,植被是重要的一类对象,植被细分割一般有3个目标,按尺度分为乔木、灌木和草与苔藓。针对单一层次多分类方法不能充分利用植被目标不同纹理尺度实现精确的多分类问题,提出了一种基于谱直方图的遥感图像分层次、多尺度植被分割方法。首先用归一化植被指数(normalized difference vegetation index,NDVI)提取出遥感图像中的植被区域,然后再对该区域分层实现多个二分类算法、完成多分类操作。在每个分类层次,利用目标的先验知识和纹理尺度选择纹理滤波参数,对滤波结果提取各子块图像的谱直方图用以表达纹理特征,从而实现1个层次的分割。实验结果表明,该方法较好地利用了植被各层次目标的先验知识和纹理尺度,使得对纹理滤波器的增强处理更具针对性;谱直方图的特征区分度更大,使得植被细分割精度明显提高。 相似文献
8.
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
9.
SPOT卫星影像居民地信息自动提取的决策树方法研究 总被引：49，自引：3，他引：49
以南京市江宁县为研究区域，首先分析了该区域居民地的影像特征，然后研究了居民地及其背景地物在SPOT—4(Ⅺ)卫星影像4个波段上的光谱特征，并由此探讨了它们在光谱特征上的可分性。研究发现，除道路在光谱特征上与居民地差异不大而难以完全分开外，其它背影地物均可以依据各波段亮度值的大小关系或适当的阈值与居民地分开。但道路和居民地在形状上存在明显差异，因此可以利用形状指数的差异加以去除。最后分析建立了基于光谱特征和形状特征的简单决策树模型，对研究区域居民地信息进行了提取并对结果进行了精度评价。结果表明，该方法的总体提取效果较好，特别是对于面积大于10000m^2的城镇和集村。其提取精度与通常的监督分类方法相比有了很大的提高，只是在水际交界处和道路两侧有误判现象。因此，利用该模型可以将背景地物类型复杂的江南地区的城镇和集村居民地自动提取出来，并且模型受时相影响较小，只是在域值大小上会存在一些差异。 相似文献