共查询到18条相似文献，搜索用时 765 毫秒
1.
控制点在遥感影像纠正等应用中有着非常重要的作用。本文针对人工选取控制点效率低、精度差的问题,提出了Google Earth高分辨率遥感影像控制点自动提取方法,说明了基于线特征确定稳定控制点的方法,并通过遥感图像纠正以及航拍图像定位实验验证了方法的有效性。 相似文献
2.
深度学习在高分辨率遥感影像冬油菜提取中的应用 总被引：2，自引：0，他引：2
近年来，深度学习在基于高分辨率遥感影像的农作物种植信息提取领域应用广泛。本文充分利用油菜在盛花期的光谱特征，提出了基于深度学习理论的单时相高分辨率遥感影像油菜分布提取方法。以2016年湖北省沙洋县作为研究区域，获取油菜盛花时期高分一号（GF-1）影像，并以沙洋县为基础影像，通过手工标记制作油菜训练样本。设计两种深度学习框架模型，一种以卷积神经网络（CNN）为框架，构建一维卷积神经网络（1D-CNN）模型，第二种以循环神经网络（RNN）为框架，组合门控循环单元（GRU）模型，训练标准样本模型，完成油菜分类提取。最后，与传统支持向量机（SVM）、随机森林（RF）方法进行了结果对比。试验结果表明，本文设计的基于深度学习CNN和RNN模型提取的冬油菜空间分布精度和面积精度皆优于其他两种方法，为进一步实现冬油菜提取自动化提供试验基础。 相似文献
3.
从高分辨率遥感影像中提取道路信息具有重要的现实意义。针对现有影像分类方法无法直接获取高精度道路网信息及自动化程度低的问题,本文提出了一种基于OSM(OpenStreetMap)矢量路网辅助的道路提取方法,实现了对高分辨率遥感影像道路快速精确的自动提取。首先,采用灰度形态学的腐蚀、膨胀及开闭操作对遥感影像进行预处理;然后通过OSM路网提供的先验信息,对模糊C均值算法进行改进,并将输入的遥感影像粗分为3类;接着以粗分类结果作为分类特征,通过OSM矢量路网自动获取道路样本,使用支持向量机进行精分类,并采用粒子群优化算法选取最优分类参数;最后对分类结果进行形态学后处理,得到精确的道路网信息。利用两组Google Earth影像进行试验,结果表明,本文算法在道路网提取精度上要优于对比算法。 相似文献
4.
针对多源遥感影像之间非线性辐射和几何畸变的差异严重影响配准质量的问题，本文提出一种具有双向一致性变换适用于多源遥感影像的配准方法。首先，利用微调的ResNet101网络模型提取多源遥感影像学习型特征，在特征匹配阶段，为提高同名特征匹配的可靠性，设计了一种双向一致性特征匹配网络模型；然后，基于小型轻量级网络加权回归变换模型参数，实现多源遥感影像稳健可靠的配准。试验利用Google Earth影像、卫星影像、无人机影像、Google Earth-卫星-无人机混合影像4种不同数据源对本文方法进行测试，并与具有代表性的多种方法进行比较，结果表明本文方法在配准精度、效率、稳健性方面具有优势，基本实现了2像素以内的自动配准精度。 相似文献
5.
针对由光伏板复杂特征导致的已有遥感自动提取光伏板方法精度较低的问题,该文利用高分辨率遥感影像基于CNN及U-net神经网络提出一种并行集成网络模型用于光伏板提取。通过多种精度评价指标对2021—2022年不同时间场景下模型识别结果进行精度验证。实验结果表明,相比传统单一网络模型,该文提出的并行集成网络模型拟合速度更快,模型稳定后精度及损失函数均达到最优水平,不同时间场景中,该文模型识别光伏板像元数更接近真实像元数,识别误差最小。因此,该文提出的模型具有更好的泛化能力及可靠性,可为实现自动高效识别提取光伏板信息提供新思路。 相似文献
6.
为更好地发挥遥感技术在城市规划地图制作中的应用，高分辨率遥感影像成为城市地图制作中最重要的数据源。面对地物信息复杂、建筑物众多的城市地区，如何快速提取高分辨率遥感影像地图制作过程中相邻两景影像之间的镶嵌线具有重要意义。本文以国产卫星中分辨率最高、幅宽最小的GF-2影像为数据源，融合建筑物轮廓数据，研究了基于最短路径的A*搜索算法，实现了遥感影像地图制作的镶嵌线自动提取技术。结果表明，该方法能够自动生成避让建筑物的镶嵌线，速度快、镶嵌质量高，可广泛应用于城市地区高分辨率遥感影像地图制作。 相似文献
7.
基于Google软件的农地区高程获取及精度评价 总被引：2，自引：0，他引：2
相比于传统大比例尺测绘,高分遥感和雷达技术可以快速高效地获取农地地形边界和特征点位高程,因而可为农地整理和机械化前期研究提供决策依据。本研究基于Google Maps高分辨率遥感影像数字化农地特征点位和边界,开发了在Google Earth(谷歌地球)软件上获取坐标点位高程的程序,实现了农地特征点位数字化和高程获取;使用国家1:1万数字地形图对该方法进行了精度评估,并且与直接基于SRTM3和ASTER数字高程模型插值方法进行了比较。结果表明,本研究实现了高分辨率遥感影像和数字地形模型的整合应用,在农地边界和特征点位获取、影像校正方面比直接通过SRTM3数据插值获取高程有优势,有较好的应用潜力。 相似文献
8.
提出了一种基于深度学习技术的遥感分类方法，它能有效解决中分辨率影像在分类过程中出现的像元混分问题。研究选用2016年5月12日武汉市Landsat 7 ETM+遥感影像，基于GoogleNet模型中的Inception V3网络结构，借助迁移学习方法，构建出遥感分类模型，实现了对武汉市主城区4类典型地物（不透水层、植被、水体和其他用地）的自动分类提取，并将分类结果与传统最大似然分类（ML）结果进行了对比分析。研究表明：基于深度学习方法的遥感影像总体分类精度高达88.33%，Kappa系数为0.834 2，明显优于传统ML方法总体分类精度83%和Kappa系数0.755 0，而且有效抑制了地物在分类过程中出现的像元混分现象。 相似文献
9.
10.
深度学习的快速发展,为高分辨率卫星遥感影像解译提供了更好的技术手段和应用前景。围绕高分卫星遥感影像地表覆盖信息提取,利用高分辨率卫星遥感影像制作5种常见的地表覆盖类型的像素级样本数据集,并提出一种基于注意力增强与多尺度特征融合的语义分割方法,实现地表覆盖自动提取。通过影像波段选择、预训练模型迁移学习、损失函数改进等方法,提升语义分割模型识别精度,最优的提取结果中,5种地表覆盖类型的F1均值、IoU均值和总体精度分别达到了78.6%、66.8%、85.0%,除道路之外,耕草、林地、建筑、水体的F1均超过80%,且分类图斑边界能够与影像中的地物边界很好套合。实验表明建立的卫星影像地表覆盖分类样本数据集和分类方法,能够应用于高分辨率卫星影像地表覆盖信息提取。 相似文献
11.
城市道路区域检测是城市土地管理、交通规划等领域的迫切需求,而传统城市道路区域检测多使用轨迹提取、遥感解译、人工采集等单独方式,在自动化程度或提取质量上存在一定的局限性。本文结合GNSS轨迹点与高分遥感影像各自的数据优势,提出一种基于轨迹延续性与影像特征相似性的遥感影像道路区域检测方法。该方法以出租车GNSS轨迹点构建轨迹特征栅格,基于轨迹延续性在平均方向特征栅格中划分路段对象,利用道路对象的光谱特征向轨迹无法覆盖的小区内部进行拓展,以获得提取区域内较为完整的道路信息。试验证明：本文方法可以有效降低道路的同物异谱现象及阴影、树木遮挡的影响,高效地提取高分遥感影像中的道路区域。与传统的遥感影像分类方法相比,具有更高的精度与自动化程度,相较于深度学习模型具有更广的适应性。 相似文献
12.
为有效监测具有填挖、采剥等行为的工程活动情况,本文提出了一种用于像素级露天工程活动图斑提取的遥感多特征语义分割模型。该模型以高分二号(GF-2)光学遥感影像为数据源,采用U-Net深度神经网络架构,通过人工标注构建了反映露天工程活动的影像样本集,并提取样本的多维特征投入模型进行训练,从而实现了工程活动图斑的快速识别。试验结果显示,本文方法对露天工程活动图斑的总体识别精度可达87.36%,平均精度达86.78%,优于KNN、SVM两种传统分割方法,为工程活动自动化监管提供了技术参考。 相似文献
13.
道路信息自动化提取已经成为遥感领域热门的研究方向,而基于深度学习的遥感影像道路信息提取方法已经取得了许多成果。但由于受到网络中卷积和池化等操作的影响,基于深度学习的道路提取方法存在着空间特征和地物细节信息丢失等问题,造成许多误提现象。针对此问题,本文设计了一种改进的道路提取语义分割网络模型,该网络以改进的ResNet网络为主体,并引入坐标卷积和全局信息增强模块,用于增强空间信息和全局上下文信息的感知能力,突出道路边缘特征进而确保道路分类的精确性。本文方法在公开道路数据集和高分数据集上获得了显著的提取效果,与其它方法相比取得了明显提高;并且,在一定程度上减少了树木、建筑阴影等自然场景因素遮挡的影响,可以完整准确地提取出道路;此外,模型对多尺度道路也可以实现有效地提取。 相似文献
14.
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
15.
Google Earth软件具有免费、开放、简单易用等特点,对丰富教学资源和改善教学方法具有重要意义。基于GoogleEarth平台,在《城市遥感技术》教学中,对于遥感成像和影像特征、遥感解译标志及方法、城市遥感影像的信息提取、城市遥感专项调查等章节的理论教学,应重点运用遥感影像的搜索、标注和显示等功能;对于遥感影像地图制作、地类信息提取、演变信息提取等实验教学,应重点运用采集、存储、查询、分析、显示和输出等集成功能。实践表明,Google Earth值得在地学教育模式革新中推广。 相似文献
16.
针对高分辨遥感影像同谱异物、同物异谱导致单一特征分类结果精度较差的问题,本文提出了多特征流形鉴别嵌入的高分辨率遥感影像分类方法。该方法首先提取高分辨率影像数据的光谱特征与LBP纹理特征;然后通过样本数据的联合光谱、纹理特征的空间距离及对应的类别信息,构建影像对象的类间图与类内图,用于学习高分辨率影像上的鉴别流形结构,保证在嵌入空间上尽可能不同地物特征分离、相同地物特征紧聚,确保相同地物光谱、纹理特征的相似性,完成光谱、纹理鉴别特征的有效提取,以充分挖掘影像特征,有效提高影像的分类精度。在GF-2遥感数据集上进行试验,结果表明本文算法可实现多特征的有效融合,分类精度均优于传统方法,可达93.41%。 相似文献
17.
针对南方复杂地区水稻遥感信息提取研究中机器自动学习分类研究较少、分类精度不高的问题,以福建省三明市建宁县溪口镇为研究区,基于GF-1号卫星影像,采用面向对象的随机森林遥感分类算法对研究区内水稻田信息进行提取。首先通过优化面向对象分割参数和随机森林分类模型参数,提取并调用了影像中的多种特征;再对光谱特征、植被指数特征、纹理特征、几何特征进行特征空间优选;最后通过设置4种特征优选试验进行对比,得到最优分类模型。实验结果显示,基于特征空间优选的面向对象随机森林分类算法的水稻提取精度高达90%,分类总体精度可达87%,Kappa系数为0.85;与其他试验结果相比,漏分和误分现象较少,实现了南方地区水稻信息高精度自动识别。该方法计算特征少、实现简便,对于国产高分卫星影像在南方复杂地区作物自动提取中的应用具有参考性。 相似文献
18.
以国产GF-1卫星影像为数据源，选取皇甫川流域内山区细小河流密集的上游1421 km2作为研究区域，针对因山区河流河道狭窄、形态复杂等导致的河流边界提取难度大、精度差、河宽无法自动提取的难题，首先利用改进的变异系数法筛选水体指数，再采用改进的决策树法结合DEM河网精确获取河流边界，最后通过自动化河宽提取算法实现对山区细小河流及其河宽的自动提取。结果表明，本文方法对山区河流判别的总体精度为89.5%，有效地排除了山体阴影等地物的干扰。对河宽为0~10 m的极细河流，本文方法提取河宽的误差为18.54%；10~30 m的细小河流，提取误差为12.07%。 相似文献