共查询到19条相似文献，搜索用时 125 毫秒
1.
以宁夏盐池县为例,以Landsat 8影像、高分二号影像、激光雷达(light detection and ranging,LiDAR)数据插值生成的高精度数字高程模型(digital elevation model,DEM)数据、地理国情普查数据等为数据源,探讨了多源数据确定内陆盐沼湿地自然边界的方法.首先,利用一年多期的Landsat 8影像数据确定湿地边界提取的最佳时相,对高分二号影像等数据进行多尺度叠置分割,得到分割对象;然后,进行特征提取,并利用优化后的分离阈值(improved separa?bility and thresholds,ISEaTh)算法进行特征选择;最后,运用最邻近分类器获得湿地的自然边界,并分析了不同高空间分辨率的DEM数据对内陆盐沼边界定位的影响.结果表明,高空间分辨率DEM数据参与提取内陆盐沼湿地边界,可以有效减少内陆盐沼边界处湿地与非湿地的错分现象,提高其边界定位精度,且DEM数据的空间分辨率越高,提升效果就越显著. 相似文献
2.
以宁夏天湖为例,提出了一种基于面向对象最近邻监督分类法的灌丛沼泽湿地边界提取方法。首先,结合中国湿地调查数据,对试验区一年多期Landsat 8 TM遥感影像进行目视解译分析,确定灌丛沼泽边界特征最明显的时相;其次,将对应时相的高分二号影像融合进行多尺度分割和特征选择,利用最近邻监督分类法进行灌丛沼泽湿地提取,实现边界定位。试验表明,通过该方法提取的灌丛沼泽湿地边界与湿地调查和人工解译得到的边界相比,中误差和平均距离可以满足实际生产的需要,利用面向对象监督分类法提取灌丛沼泽湿地边界的方法可行。 相似文献
3.
《武汉大学学报(信息科学版)》2020,(3)
以宁夏盐池为例,探讨了利用面向对象的高分影像、数字高程模型(digital elevation model,DEM)等多源数据确定季节性咸水湖湿地自然边界的方法。以高分遥感影像、激光探测与测量(light detection and ranging,LiDAR)数据插值生成的高空间分辨率DEM、地理国情普查数据、第二次全国湿地资源调查数据为数据源,选取LBV变换特征、归一化差分植被指数(normalized difference vegetation index,NDVI)、高程值、坡度等特征,构建决策规则模型,获得季节性咸水湖湿地自然边界,并分析了不同高空间分辨率的DEM对边界提取结果的影响。实验结果表明,与无DEM数据参与提取的结果相比,合适的高空间分辨率DEM参与季节性咸水湖湿地自然边界提取,能有效提高其边界定位精度。 相似文献
4.
选择高分遥感影像的时相是利用高分遥感影像精确定位湖泊河流湿地自然边界的关键问题之一。在没有或缺少水文观测数据的情况下,依据河流湖泊湿地的定义,本文提出了一种用于河流湖泊湿地边界定位的高分遥感影像时相快速选择方法,试验结果表明该方法合理、准确、有效。 相似文献
5.
高空间分辨率遥感影像拥有丰富的空间细节信息和多光谱信息。研究表明,二维卷积神经网络适于提取空间信息,而三维卷积神经网络更适于提取光谱信息。为了更好地利用空谱信息,本文提出一种双通道并行混合卷积神经网络(DPHCNN)方法,充分联合二维与三维卷积神经网络在空谱信息提取上的优势,同时引入混合注意力机制、多尺度卷积增强空间细节特征的提取能力,实现高分影像的精准分类。试验中利用高分二号影像数据集进行验证,与当前先进的深度学习分类方法相比,本文提出的DPHCNN方法在保证分类精度高、分类效率较好的同时,能在多时相影像分类中保持最高的稳健性,在综合评价上更具优势。 相似文献
6.
以辽宁阜新为研究区,运用支持向量机(SVM)的方法对高分一号8 m,16 m和Landsat8多光谱影像进行土地利用分类对比研究。实验表明,SVM的分类精度高于最小距离和最大似然方法,高分一号多光谱数据的分类精度高于Landsat8数据,可以应用于土地利用的分类。 相似文献
7.
利用江苏盐城东部沿海8幅ERS-2 SAR影像构建像素级时间序列,根据训练样本得出互花米草盐沼的标准时间序列曲线;基于动态时间弯曲DTW距离进行时间序列相似性分析后提取互花米草盐沼,用同年Landsat TM影像、CBERS-02B CCD影像目视解译的真实地面数据进行精度评价。结果表明:1)互花米草盐沼的时间序列曲线呈波动性变化,与研究区其他4类典型地物的时间序列曲线差异较大;2)互花米草盐沼提取结果的精度较高,基于Landsat TM影像的精度评价结果——正确率86.81%,完整率84.63%,基于CBERS-02B CCD影像的精度评价结果——正确率87.84%,完整率83.87%。 相似文献
8.
本文提出了一种利用GlobeLand30数据辅助多源数据融合进行城市不透水面自动提取的方法。首先基于波段映射和小波变换的影像融合方法,融合哨兵二号和高分二号影像,获得同时具有较高空间分辨率和光谱分辨率的融合影像,其具有丰富的光谱特征和空间特征,有利于提升复杂城市区域的不透水面和非不透水面区分能力。然后利用GlobeLand30数据的类别信息自动获取初始分类样本,基于融合影像的丰富光谱信息构建多种植被指数、水体指数和建成区指数,对初始分类样本进行优化。最后利用优化后的训练样本,使用光谱、地物指数等特征训练分类器,实现城市不透水面的自动准确提取。本文以济南市2019年的高分二号和哨兵二号影像为试验数据,在时相、分辨率与影像均不同的GlobeLand30全球地表覆盖数据辅助下获得了总体精度优于92%的不透水面提取结果,验证了本文方法的有效性。 相似文献
9.
《测绘科学》2020,(7)
针对更加精确地对亚米级影像进行正射纠正应用时存在不利因素的问题,该文通过对资源三号立体像对的相对定向、绝对定向、核线匹配等方法提取数字表面模型。结合不同侧摆角的北京二号、高分二号亚米级卫星遥感影像数据,选取不同分辨率的DEM对不同侧摆角的亚米级卫星影像进行正射纠正实验,并对其进行精度评价。实验结果表明:侧摆角的大小对正射纠正的误差有影响,以同一DEM作为控制,当侧摆角增大时,正射纠正的整体误差呈现上升的趋势;不同分辨率的DEM对平差精度影响不大;不同分辨率的DEM对正射纠正精度影响相对较大,尤其山区地形变化较大。通过本文方法利用资源三号立体像对提取的DSM进行正射纠正的精度明显优于30 m和90 m分辨率的DEM,说明资源三号具有现势性。 相似文献
10.
高分二号影像融合方法质量评价 总被引：9，自引：0，他引：9
针对实际应用中因融合方法选择不恰当而无法充分发挥高分二号数据优势的问题,对常用影像融合算法进行了分析评价,旨在寻找最适用于高分二号数据的影像融合方法。采用Brovey变换、改进IHS变换、PCA变换、GS、HPF、小波PCA、Ehlers、Subtractive、HCS、NND 10种影像融合方法对高分二号影像进行融合处理,并从定性和定量两方面对融合结果进行质量评价。结果表明,针对高分二号数据,综合考虑光谱保真度和空间细节表达以及目视效果,HCS和NND方法的融合效果最佳。 相似文献
11.
以研究区1∶10 000DEM和DLG数据为基础,分别提出基于DLG数据和DEM数据的精细化处理方法,并对比分析了最近邻域法、双线性内插法以及三次卷积法三种重采样方法对DEM精细化处理效果的影响,结果表明:双线性内插法在时间效率、数据精度以及图像效果方面均适中,故决定采用双线性内插法将研究区5m格网DEM数据通过重采样生成为2m格网DEM数据,最后通过可视化和检查点法验证了精细化处理的精度均满足相关要求。相关研究成果可为地形特征等数据的提取提供精度较高的基础数据。 相似文献
12.
针对高光谱影像分类面临的小样本问题,提出了一种深度少样例学习算法,该算法在训练过程中通过模拟小样本分类的情况来训练深度三维卷积神经网络提取特征,其提取得到的特征具有较小类内间距和较大的类间间距,更适合小样本分类问题,且能用于不同的高光谱数据,具有更好的泛化能力。利用训练好的模型提取目标数据集的特征,然后结合最近邻分类器和支持向量机分类器进行监督分类。利用Pavia大学、Indian Pines和Salinas 3组高光谱影像数据进行分类试验,试验结果表明,该算法能够在训练样本较少的情况下（每类地物仅选取5个标记样本作为训练样本）取得优于传统半监督分类方法的分类精度。 相似文献
13.
面向对象与卷积神经网络模型的GF-6 WFV影像作物分类 总被引：1，自引：0，他引：1
GF-6 WFV影像是中国首颗带有红边波段的中高分辨率8波段多光谱卫星的遥感影像,对于其影像及红边波段对作物分类影响的研究利用亟待展开。本文结合面向对象和深度学习提出一种适用于GF-6 WFV红边波段的卷积神经网络(RE-CNN)遥感影像作物分类方法。首先采用多尺度分割和ESP工具选择最佳分割参数完成影像分割,通过面向对象的CART决策树消除椒盐现象的同时提取植被区域,并转化为卷积神经网络的输入数据,最后基于Python和Numpy库构建的卷积神经网络模型(RE-CNN)用于影像作物分类及精度验证。有无红边波段的两组分类实验结果表明:在红边波段组,卷积神经网络(RE-CNN)作物分类识别取得了较好的效果,总体精度高达94.38%,相比无红边波段组分类精度提高了2.83%,验证了GF-6 WFV红边波段对作物分类的有效性。为GF-6 WFV红边波段影像用于作物的分类研究提供技术参考和借鉴价值。 相似文献
14.
15.
16.
GF-1卫星影像具有空间和时间分辨率高、纹理信息丰富等优势,而Landsat-8卫星影像具有多波段、光谱信息充足等优势。针对两种影像的特点,本文分别用面向对象分类方法进行苹果园地信息提取研究,结果表明:两种影像的分类精度都比较高,但由于研究区域属于山区,地块分布不均匀,GF-1影像发挥其空间分辨率较高的优势,苹果园地面积提取精度比Landsat-8高1.19%。 相似文献
17.
18.
19.
