共查询到18条相似文献，搜索用时 375 毫秒
1.
2.
基于分类K—L变换的多波段遥感图像近无损压缩方法 总被引：4，自引：0，他引：4
去除空间和谱间相关性是多波段遥感图像压缩中的重要环节，为了得到更好的去相关效果，将矢量量化方法引入多波段遥感图像压缩中，以去除对应同一地物的波段矢量间的相关性，再通过分类K－L变换去除量化误差图像的变间相关性，对K－L变换后的特征图像采用预测树的方法进一步去除谱间结构相关性和空间相关性，实验结果表明，该方法可以取得很好的压缩效果。 相似文献
3.
针对遥感影像巨大数据量给传输、存储造成巨大压力和压缩比低的问题,本文提出了一种改进的自适应波段重排和最小均方误差预测的高效无损压缩方法。该方法能自适应地确定波段的最佳顺序,并根据最小均方误差预测充分利用这种排序相关性消除影像冗余。首先,该方法对高光谱影像波段自适应分组,在每个组内利用最小生成树算法排序,以提升相邻波段的谱间相关性。然后,对组内波段自适应地选择上下文进行谱间和谱内预测,去除高光谱影像的冗余。最后,对预测残差进行二进制算术编码去除统计冗余,完成高光谱影像无损压缩。基于资源一号高光谱影像的试验结果表明,本文方法有效利用了谱内、谱间相关性,改善了预测性能,优于常用的压缩方法。 相似文献
4.
超谱遥感图像快速聚类无损压缩算法 总被引：1，自引：0，他引：1
K-means聚类要求每个像素要和所有聚类中心求欧氏距离，当聚类数很多时，这是一个相当耗时的工作。改进的K—meam聚类算法根据历史聚类结果进行初始类分割，即节约初始聚类时间，又能使历史聚类过程中形成的类间稳定关系得以保持；类内像素只和相邻的聚类中心计算距离进行聚类，随着算法的迭代进行，大量类的状态基本固定，使得聚类速度不断加快。基于改进K-means聚类的无损压缩算法具有充分利用历史聚类成果和收敛速度快的特点，通过提高类内像素冗余度，最大限度消除谱间冗余和空间冗余。采用多次聚类压缩的结果预测最佳聚类数的方法，可实现最小熵无损压缩。通过和DPCM算法概率模型的熵值比较及实验数据的分析，验证了基于聚类无损压缩效率比不聚类无损压缩效果更优。 相似文献
5.
针对MODIS影像数据海量并具有重要研究价值的特点,研究了MODIS影像的无损压缩算法.采用最佳线性预测方法,通过波段相关性排序确定波段最优预测的顺序,并自适应计算预测波段与当前波段的最佳预测器系数,减少谱间冗余;以多级树集合分裂(SPIHT)编码算法降低谱内相关.为确保无损压缩,对线性预测系数进行逼近取整操作,并采用基于提升格式的D5/3整数小波变换.实验结果表明,该算法在压缩比上的性能较3DSPIHT等算法突出. 相似文献
6.
ZHANG Xubing YU Xin 《测绘科技情报》2008,(1)
针对MODIS(Moderate Resolution Imaging Spectroradiometer)影像数据海量并具有重要研究价值的特点,研究MODIS影像的无损压缩算法。采用最佳线性预测方法,通过波段相关性排序确定波段最优预测顺序,并自适应计算"预测波段"与"当前波段"的二阶最佳预测器系数,减少谱间冗余;以多级树集合分裂树(Set Partitioning In Hierarchical Trees,SPIHT)编码算法降低谱内相关。为确保无损压缩,对线性预测系数进行最佳逼近取整操作,并采用基于提升格式的D5/3整数小波变换。实验结果表明本文提出的算法在压缩比上性能较3DSPIHT等算法突出。 相似文献
7.
提出了一种基于聚类-单邻点、多波段预测-熵编码的高光谱数据无损压缩方法。根据谱向特征,进行高光谱图像矢量聚类。对各个分类,采用单个空间位置邻点、多个波段作为预测数据,训练预测系数,进行三维预测。残差采用Golomb-Rice编码。实验证实了算法的有效性。 相似文献
8.
基于误差补偿预测树的多光谱遥感图像无损压缩方法 总被引：6，自引：0，他引：6
预测树方法是一种有效的无损多光谱图像压缩技术,将自适应线性预测方法与传统预测树方法相结合,提出了一种多光谱遥感图像的误差补偿预测树压缩方法。该方法利用多光谱图像谱间的局部统计冗余和结构冗余建立自适应预测器,对传统预测树方法产生的误差进行补偿,从而进一步减少了多光谱图像的数据量;并且利用多光谱图像的局部平稳特性对算法进行了简化。实验结果表明,该方法得到的压缩比与原始预测树方法相比有明显提高,同时算法简化后可以使计算复杂度大幅度降低。 相似文献
9.
基于HRIS光谱图像帧序列相关性的D2PCM无损压缩方法 总被引：2，自引：1，他引：2
分析了HRIS光谱图像帧序列的相关性，并针对这一特性，提出了利用D^2PCM方法，降低光谱图像序列的谱相关和空间相关，减少图像中的冗余，从而实现光谱图像的压缩。该方法提高了压缩比和压缩效率。 相似文献
10.
11.
The appetite for up-to-date information about earth’s surface is ever increasing, as such information provides a base for a large number of applications, including local, regional and global resources monitoring, land-cover and land-use change monitoring, and environmental studies. The data from remote sensing satellites provide opportunities to acquire information about land at varying resolutions and has been widely used for change detection studies. A large number of change detection methodologies and techniques, utilizing remotely sensed data, have been developed, and newer techniques are still emerging. This paper begins with a discussion of the traditionally pixel-based and (mostly) statistics-oriented change detection techniques which focus mainly on the spectral values and mostly ignore the spatial context. This is succeeded by a review of object-based change detection techniques. Finally there is a brief discussion of spatial data mining techniques in image processing and change detection from remote sensing data. The merits and issues of different techniques are compared. The importance of the exponential increase in the image data volume and multiple sensors and associated challenges on the development of change detection techniques are highlighted. With the wide use of very-high-resolution (VHR) remotely sensed images, object-based methods and data mining techniques may have more potential in change detection. 相似文献
12.
Cross-sensor calibration between Ikonos and Landsat ETM+ for spectral mixture analysis 总被引：1，自引：0，他引：1
Conghe Song 《Geoscience and Remote Sensing Letters, IEEE》2004,1(4):272-276
Spectral mixture analysis is an algorithm that is developed to overcome the weakness in traditional land-use/land-cover (LULC) classification where each picture element (pixel) from remote sensing is assigned to one and only one LULC type. In reality, a remotely sensed signal from a pixel is often a spectral mixture from several LULC types. Spectral mixture analysis can derive subpixel proportions for the endmembers from remotely sensed data. However, one frequently faces the problem in determining the spectral signatures for the endmembers. This study provides a cross-sensor calibration algorithm that enables us to obtain the endmember signatures from an Ikonos multispectral image for spectral mixture analysis using Landsat ETM+ images. The calibration algorithm first converts the raw digital numbers from both sensors into at-satellite reflectance. Then, the Ikonos at-satellite reflectance image is degraded to match the spatial resolution of the Landsat ETM+ image. The histograms at the same spatial resolution from the two images are matched, and the signatures from the pure pixels in the Ikonos image are used as the endmember signatures. Validation of the spectral mixture analysis indicates that the simple algorithm works effectively. The algorithm is not limited to Ikonos and Landsat sensors. It is, in general, applicable to spectral mixture analysis where a high spatial resolution sensor and a low spatial resolution sensor with similar spectral resolutions are available as long as images collected by the two sensors are close in time over the same place. 相似文献
13.
基于多源遥感数据的水体信息提取研究 总被引：1，自引：0，他引：1
卫星遥感技术已被广泛应用到水体信息提取中,但目前基于遥感技术的水体信息提取多采用单一的遥感数据源,而没有充分利用多源数据的信息复合优势,因此,提取结果经常受天气气候或空间分辨率限制。本文研究了不同尺度、不同平台的多种遥感数据源的水体信息提取方法。首先,基于波谱间关系决策树分类算法对Landsat ETM+图像进行水体提取,利用其分辨率优势较准确地提取出水体范围;其次,在Radarsat SAR图像上利用阈值法粗提取水体信息后,结合DEM剔除阴影得到水体信息;最后,利用灾前Landsat ETM+图像水体信息提取结果和灾中Radarsat SAR图像水体信息提取结果,进行差值处理,得到洪水淹没范围。研究结果可以为洪水灾害监测与评估提供信息依据。 相似文献
14.
动态综合层次判别分析方法──以水土流失强度综合分析为例 总被引：3，自引：0，他引：3
随着遥感技术的发展,可获取的遥感信息越来越丰富,各种分类算法也层出不穷,然而在分类精度上却始终无法突破遥感数据本身的局限,而且不同的方法在判识的结果上往往有很大的不同。本文认为不同遥感信息、不同的判别分析方法,对不同的对象在不同的地表组合条件下其判别的能力是不同的,只有综合地运用这些不同的方法才可能在现有遥感资料的能力下提高分类精度。本文提出一种动态综合层次判别分析算法可将多种并行的分类算法综合在一起,取长补短,提高最后分类精度。通过在浙江省新昌县某地进行水土流失强度分析试验,取得了良好的效果。 相似文献
15.
随着遥感数据和计算机算力的爆炸式增长、智能分析算法瓶颈的突破,亟须提升与之相匹配的遥感大数据处理与分析能力。针对复杂场景下遥感大数据智能处理与地理学认知耦合关联和交叉融合的关键问题,本文分析了遥感大数据与地理科学各自的特点与相互关系,提出了多模态知识融合关联的深度网络构建和面向地理制图的遥感智能解译思路,建立了遥感大数据智能处理与应用体系框架;面向技术发展和行业应用,本文提出了分别建设通用高分辨率遥感智能处理系统和智能精准应用平台的总体路线,以期推动遥感智能解译技术创新和工程化应用的全面发展。 相似文献
16.
17.
Landsat8和MODIS融合构建高时空分辨率数据识别秋粮作物 总被引：2，自引：0，他引：2
本文利用Wu等人提出的遥感数据时空融合方法 STDFA(Spatial Temporal Data Fusion Approach)以Landsat 8和MODIS为数据源构建高时间、空间分辨率的遥感影像数据。以此为基础,构建15种30 m分辨率分类数据集,然后利用支持向量机SVM(Support Vector Machine)进行秋粮作物识别,验证不同维度分类数据集进行秋粮作物识别的适用性。实验结果显示,不同分类数据集的秋粮作物分类结果均达到了较高的识别精度。综合各项精度指标分析,Red+Phenology数据组合对秋粮识别效果最好,水稻识别的制图精度和用户精度分别达到91.76%和82.49%,玉米识别的制图精度和用户精度分别达到85.80%和74.97%,水稻和玉米识别的总体精度达到86.90%。 相似文献
18.
遥感信息处理不确定性的可视化表达 总被引：2，自引：0，他引：2
如何全面、准确地度量和可视化表达遥感信息处理中不确定性的程度和空间分布方式,是遥感信息不确定性研究的关键问题之一.传统的度量方法(例如误差矩阵)是将以训练样本集为基础的度量作为总分类精度的度量,而我们需要估计模型对于"样本外数据"的性能.本文首先利用信息论和粗糙集理论等度量遥感分类影像属性信息的不确定性,提出基于像元、目标和影像的遥感信息不确定性度量指标;然后分别描述了基于不同度量指标的可视化表达方式,并对我国黄河三角洲地区的Landsat TM影像进行了分类信息不确定性度量和可视化表达实验. 相似文献