共查询到20条相似文献，搜索用时 31 毫秒
1.
遥感影像海陆分割对于海岸线提取及其动态监测具有重要意义。传统的基于光谱特征和图像处理的海岸线识别和提取方法,在面对高分辨率遥感图像复杂的纹理和空间分布时,只能生成具有局限性的图像特征结果,且分割结果准确率不高。本文将深度卷积神经网络应用于高分遥感图像的海陆分割问题,并在经典编码器-解码器结构的基础上进行了创新。首先,为了降低调参难度引入批归一化层,降低了网络对参数的尺度和初始值的敏感度;其次,采用转置卷积代替传统卷积,在模型训练过程中通过梯度递减算法,不断更新参数权值,显著提高语义分割的精度。利用研究区域高分一号遥感图像数据对于人工岸线及自然岸线的分割实验结果显示:相较于经典U-Net与SegNet,改进U-Net网络,对于各种自然岸线和人工岸线具有更低的边界模糊度和更准确的分割结果,对于自然岸线的提取结果,漏检、错检现象较少;对于人工岸线的提取具有更大的感受野,能够提取岸线的空间结构信息,避免误分类。面对日益丰富的高分辨率的遥感影像数据源,基于改进U-Net的海岸线提取,能更好地保留边界信息且具备更优的语义分割效果,可以更为准确地挖掘高分遥感影像的空间分布特征、纹理特征以及光谱特征,... 相似文献
2.
3.
针对海洋表面SAR影像的特点,采用基于灰度共生矩阵的纹理特征方法是提取海面溢油信息的常用方法,但实际海洋表面复杂的信息使得SAR图像上产生类似溢油现象的暗斑区域,这导致在利用纹理特征方法提取溢油信息时存在虚警率,降低了溢油信息的提取精度。基于RADARSAT-2 SAR四极化影像,本文提出基于SAR极化比影像的纹理特征识别方法对海面油膜进行识别提取。结果显示,基于SAR极化比影像的纹理特征识别方法可以有效且准确地提取海面溢油信息,相比于VV极化影像的纹理特征识别方法,溢油监测过程中的虚警率降低了17.96%,溢油监测总体精度达到96.83%。 相似文献
4.
近年来各国对于海洋生物的保护意识日益强烈,用来监测海洋生物生存状态的水下机器人装备的研发是保护海洋生物资源的关键。水下相机是这类机器人在水下进行海洋生物监测时的光学感知设备。然而水下环境复杂,拍摄到的图像模糊不清,为解决水下图像模糊等问题,提出了一种基于双通道的水下图像增强卷积神经网络。在网络的编码器中采用双通道结构,其中一个通道采用了密集连接和高效通道注意力机制,提取水下图像的细节特征,另一个通道采用多尺度结构,提取原始图像的多尺度语义特征。接着,在网络中引入残差注意力模块和自适应特征融合模块,进一步优化了特征。最后将优化后的特征输入解码器重建出增强后的水下图像。试验表明：提出的网络算法在UIQM指标和Entropy指标上分别为3.005 6和7.654 7,较第二名的算法分别高出0.097 5和0.123 2。 相似文献
5.
引入纹理特征的多光谱遥感影像
海面油膜信息提取 总被引：1，自引：0，他引：1
针对单纯依靠光谱特征油膜提取精度低、雷达影像油膜提取易受海况条件及假目标影响的问题,提出了一种结合光
谱特征与纹理特征的多光谱遥感影像油膜信息提取方法。以2011 年6 月蓬莱19-3 油田溢油事故为研究对象,选用HJ-1 星
CCD 遥感数据,利用灰度共生矩阵获取影像纹理特征,采用SVM 模型对结合纹理特征与光谱特征的影像进行分类,提取出
研究区油膜信息,并将分类提取结果与仅依靠光谱特征的SVM 模型分类结果进行了比较。结果表明：引入纹理特征的SVM
模型分类总精度达到90.29 %,比仅依靠光谱特征的分类精度提高了12.41 %;纹理特征的参与降低了原影像噪声对分类结果
的影响,油膜边缘提取更加清晰,油膜中心呈连续面状分布,引入纹理特征的SVM 模型可有效地用于多光谱遥感影像海面
油膜信息提取。 相似文献
6.
7.
对鱼类的行为进行智能监测,精准地量化与识别其健康状态,已成为研究热点。为实现养殖鳗鲡行为状态精准识别,提出一种基于DenseNet双流卷积神经网络的鳗鲡行为状态检测方法。利用混合高斯背景模型进行前景提取构建数据集,针对传统卷积神经网络对于时间动态信息提取能力有限的问题,搭建关联空间特征与时间特征的双流网络结构(Two-stream),并使用DenseNet-121网络替换原网络,对比VGGNet、ResNet等网络,通过密集连接实现特征重用,在搭建更深的网络结构基础上加强了运动特征传递并减少了参数量,更好地提取具有代表性的行为特征。传统双流网络在两端的softmax层仅作简单的决策层平均融合,无法更深程度关联时空高级特征,提出在网络卷积层提取空间特征与时间特征后,加上一层卷积层将时空特征进行卷积融合以提升模型识别精度。实验结果表明:文中提出的基于DenseNet双流卷积神经网络对6种鳗鲡行为状态检测方法准确率达到96.8%,相较于单通道的空间流与时间流网络,准确率分别提升了10.1%和9.5%;相较于以VGGNet、ResNet搭建的双流网络,准确率分别提升了12.4%和4.2%;与决... 相似文献
8.
滩涂水边线Landsat-5影像提取方法 总被引：1，自引：0，他引：1
快速获取遥感影像水边线时空变化信息具有重要意义,滩涂水边线提取一直是遥感技术应用的难点问题。水边线在遥感影像上具有独特的空间关系与光谱特征。本文综合使用颜色模型变换法、信息熵计算法、最大类间方差法及边缘检测方法。以长江口崇明东滩为研究区,研究了Landsat-5卫星影像海陆对比度增强及不同尺度下的边缘提取,重点给出了基于热红外波段的水边线空间特征与光谱特征的计算方法,在面向对象技术框架下提出了一种顾及空间关系和光谱特征的遥感影像水边线快速提取方法。实验结果表明:(1)基于最大类间方差法的局部阈值分割法能够自动提取band 6的水边线,水边线连续、完整,空间信息丰富;(2)综合使用最佳指数法、离散度方法及颜色模型变换方法,能够有效增强海陆对比度,基于最大类间方差法的局部自适应Canny算子能够自动检测出增强后遥感影像高精度边缘;(3)利用水边线的空间关系和光谱特征,能够由计算机自动实现水边线的识别与连接工作;(4)本文提出的水边线提取方法速度快、自动化程度高,分别继承了阈值分割法的连续性强的优点和Canny算子定位精度高、细节呈现能力强的优势。研究结果对于海岸带动态变化、陆海相互作用机制、海岸带资源保护与开发及近海工程管理等研究具有重要的参考价值。 相似文献
9.
10.
联合光谱和纹理特征的滨海湿地高光谱深度学习分类—以黄河三角洲湿地为例 总被引：2，自引：0，他引：2
本文基于CHRIS高光谱遥感影像,发展了一种结合地物光谱特征和多纹理空间特征信息,采用双全链接的8层深度卷积神经网络分类算法对滨海湿地高光谱影像进行遥感地物分类,并在黄河口滨海湿地进行了应用。结果表明：1）基于测试样本数据,联合光谱特征和K-L变换的纹理特征信息,采用DCNN模型方法展现了高的分类精度,精度高达99%;2）利用光谱特征和全纹理特征的精度比仅使用光谱特征和光谱特征联合K-L变换后纹理特征的分类精度低。利用K-L变换后的光谱特征和纹理特征的DCNN分类精度达到99.38%,相比于使用全纹理特征信息的精度提高了4.15%;3）基于验证图像,发展的DCNN分类方法精度优于其他算法,DCNN方法总体分类精度为84.64%,Kappa系数为0.80;4）相比于浅层分类方法,本文发展的DCNN模型分类算法保证了所有地物类型的分类精度更加均衡,保持了主要地物类型的分类精度几乎不变,同时提高了滩涂和农田的精度。基于DCNN模型,潮滩和农田的分类精度分别达到79.26%和56.72%。比其它浅层分类方法提高了2.51%和10.6%。 相似文献
11.
针对海洋遗迹图像出现色偏、细节模糊等现象,导致海洋测绘等工作效率低的问题,提出基于颜色校正及特征融合的海洋遗迹图像增强方法。首先改进传统颜色校正以缩小色彩衰减程度;其次使用深层信息提取模块获取细节信息,并加入多尺度特征提取模块保证图像视觉的完整性;最后提出特征融合模块融合深层细节和尺度特征信息,输出清晰海洋遗迹图像。实验结果表明：本文将传统方法和深度学习算法结合,不仅可以提高真实海洋遗迹图像的清晰度,而且在数据集上的评价指标均优于对比的经典及新颖算法,为海洋测绘等领域提供新思路。 相似文献
12.
针对提升利用卫星观测海面信息重构三维温盐场精度的问题, 本文提出了一种基于多尺度耦合正交分解的三维温盐场重构方法。该方法利用多尺度耦合正交分解对历史温盐剖面进行从大尺度到小尺度的迭代分解, 以分层提取不同尺度三维温盐场的特征信息, 然后分别建立海洋表面卫星观测与不同尺度的三维温盐场特征信息的重构模型, 从而达到三维温盐场重构的目的。本文分别利用多尺度耦合正交分解法与单层正交分解法进行三维温盐场重构, 结果显示, 多尺度耦合正交分解优于单层正交分解法, 且随着分解的层次不断细化, 重构温盐场的精度及其垂直梯度精度均呈现明显的提升, 其中组合4精度提升程度最高, 分别提升了25.57%和27.58%; 同时, 对比HYCOM模式数据, 多尺度耦合正交分解重构方法能有效地捕捉次表层海洋的空间特征信息。总体上, 本文耦合经验正交分解法反演的温盐场与Argo温盐场偏差较小, 反演精度较好, 在空间分布上趋于一致。 相似文献
13.
14.
以国产天绘一号01星多光谱4波段影像为数据源,针对大范围水体提取难度大的问题,提出基于归一化水体指数(NDWI)和单波段阈值法的匹配生长算法。采用NDWI水体指数法提取完整的海洋水体和内陆部分水体,将内陆部分水体与单波段阈值对应位置完整的水体做匹配,再通过连通区提取、掩膜运算获得完整的水体分割二值图。采用两景遥感影像(大连和芝罘)进行实验,并与经典水体提取算法进行对比分析。实验结果表明:该法总体精度在90%左右,Kappa系数在0.8左右,对经典提取算法有了显著改善。在大范围提取水体信息时效果较好,提取水体的同时能有效减少陆地阴影造成的干扰,在海陆边界处,陆地轮廓清晰,较好的将陆地和海洋分割开来。 相似文献
15.
16.
本文基于灰度共生矩阵提取多尺度纹理指数影像,将纹理指数影像作为逻辑波段与原始影像波段组合,进行最大似然监督分类的实验,以改善单纯基于像元光谱影像分类技术的不足。利用SPOT-5卫星遥感影像对西门岛土地利用分类的实例进行分析。结果表明,由SPOT-5遥感影像第一波段和第二波段计算所得的相关性和同质性纹理指数影像以及由第三波段计算所得的均值纹理和第四波段计算的同质性纹理指数影像,对海岛土地利用分类精度的提高均有较为显著的效果,其中加入多尺度纹理信息后西门岛土地利用遥感影像分类的总体精度由75.41%提高到89.41%。 相似文献
17.
遥感影像中海洋锋具有弱边缘(Weak Edge)信息特性,其空间尺度在不同的空间位置存在较大的差异。针对传统边缘算子只能提取某一尺度的海洋锋信息,而损失其他尺度信息不足,本文利用小波多尺度分析特性,探讨了海洋锋信息在各尺度间的分布的继承性,提出最佳尺度确定的算法框架,设计出最佳尺度确定算法的流程,进一步进行海洋锋各尺度信息的提取。最后以海面温度锋-墨西哥湾流为实例进行形态特征提取,并与典型的边缘提取算子效果在信息量、抗干扰性、定位精度、连续性和对比度上进行对比分析。试验结果表明了该算法在提取多尺度的海洋锋信息上的可行性和实用性。 相似文献
18.
红树林对维护生物多样性以及生态平衡等具有重要意义。因此,高效、精确地提取红树林植被信息以及实时对其进行监测十分必要。本文提出了一种高分辨率遥感影像红树林像素级精确提取的深度学习方法。针对红树林遥感分类精度不高的问题,通过强化图像中心信息,弱化边缘信息的方法引入CLoss损失函数,添加Dropout、Batch Normalization层构建了适用于红树林识别的CU-Net模型,采用滑动重叠拼接方法构建了新的预测模型,有效解决了预测结果边缘信息不足以及有拼接痕迹的问题。将本文方法的识别结果与U-Net、SegNet、DenseNet模型的预测结果以及传统的SVM、RF方法进行对比,结果表明,本文模型相较于其他深度学习模型泛化能力更强,识别效果更好,在两个测试区域的平均总体精度、平均交并比分别达到了94.43%、88.12%,平均F1-分数在红树林和普通树木的精度分别达到了95.96%、90.49%,精度明显高于传统的SVM、RF方法,也高于其他几种神经网络方法,验证了该模型在红树林识别领域的有效性,可为高分辨率遥感红树林识别领域提供一条新的思路。 相似文献
19.
为了能够利用遥感图像快速准确地提取围海养殖矢量信息,本文选取养殖水体、堤坝及育苗室等交错分布的海参围海养殖区域作为研究区域,根据研究区域Sentinel-2遥感影像的光谱特征,选用归一化差异水体指数（Normalized Difference Water Index,NDWI）、改进归一化差异水体指数（Modified Normalized Difference Water Index,MNDWI）和增强水体指数（Enhanced Water Index,EWI）三类水体指数,分别进行提取实验,利用同时期高空间分辨率的高分二号卫星（GF-2）影像作为参考,验证不同方法的提取精度,精度评价结果表明：相较MNDWI和EWI两类水体指数,NDWI的分类精度更高,且利用NDWI提取研究区域的围海养殖信息的效果更好,所以该方法可在养殖区域的动态监测和规划管理中发挥数据支撑作用。 相似文献
20.
针对卫星遥感技术在对滨海湿地互花米草监测时受分辨率、气候条件等多种因素限制存在一定局限性且通过单一的影像数据提取互花米草时精度不稳定的问题,提出了基于无人机点云与影像融合的面向对象互花米草提取方法。以黄河三角洲自然保护区为研究对象,获取了该区域的点云和多光谱影像。先将地面滤波后提取的植被点云与多光谱影像进行特征组合优化,然后对融合影像采用FNEA算法进行多尺度分割后采用基于改进的最近邻算法进行面向对象分类,最终得到的互花米草生产者精度和用户精度分别达到了82.53%和86.43%,较未融合点云的提取精度分别提高了22.34%和7.66%,分类结果的总体精度从89.54%提升至92.61%,且融合点云后影像能够有效区分两种生长状态的互花米草,表明本文提出的方法能够有效提高互花米草的提取精度。 相似文献