共查询到20条相似文献，搜索用时 140 毫秒
1.
近几十年来,基于遥感影像进行水深反演一直是国内外学者研究的热点。本文使用WorldView-3高分辨率卫星影像,结合卫星测高数据,以中国海南岛附近的蜈支洲岛及其附近海域为主要研究区域,在进行数据预处理、底质分类之后,分别通过多元线性回归模型、Stumpf对数比值模型和BP神经网络集中对岛屿周围0～20 m水域的水深进行反演和结果分析。结果证明,对这3种模型而言,在进行底质分类之后精度都会明显提升。其中,BP神经网络反演水深精度最高(均方根误差范围为0.2～0.7 m),多元线性回归模型次之(均方根误差范围为0.3～0.8 m),对数比值模型精度最低(均方根误差范围为0.6～1.1 m)。 相似文献
2.
根据高空间分辨率Quickbird遥感影像反射率和实测水深之间的相关性,选取相关性较高的反演因子b1/b2、b1/b3和b2/b3建立单因子模型、双因子模型、多因子模型和BP神经网络模型,并对甘泉岛附近20m内的水深进行反演。同时,利用最佳指数因子(OIF)和支持向量机(SVM)对甘泉岛研究区域基于水深颜色分成两类,将分类结果分别提取建立BP神经网络模型并进行水深反演。通过对反演结果对比发现:遥感影像分类前,线性回归模型中多因子线性模型反演精度最高,但比BP神经网络模型稍差。遥感影像分类后,浅海水域BP神经网络模型的反演精度要比分类前的各模型反演精度低,但是,深海区域BP神经网络模型的反演精度最高。 相似文献
3.
4.
5.
《国土资源遥感》2016,(2)
高光谱遥感数据能够提供比多光谱遥感数据更为丰富的光谱信息,从而更精确地刻画地物的光谱特征。在水体遥感原理基础上,采用自适应波段选择(adaptive band selection,ABS)方法对HJ-1A卫星高光谱数据的波段相关性和信息量进行分析,结合BP神经网络技术确定最优波段组合并构建盐湖矿物离子含量的反演模型,对柴达木盆地西台吉乃尔湖的K+,Mg2+,Na+,Cl-和SO2-4离子含量进行定量反演,获得盐湖矿物离子含量的空间分布情况。研究结果表明,BP神经网络反演模型的盐湖矿物离子含量反演精度在85%以上,反演得到的矿物离子含量的分布情况与实地调查结果基本一致。因此,利用高光谱数据和BP神经网络可以对盐湖矿物资源进行大范围动态监测,为盐湖资源的合理开发和高效利用提供科学依据。 相似文献
6.
利用Worldview-2、资源三号、Sentinel-2A、高分一号,以及Landsat-8等5种光学卫星数据和电子海图数据,在研究多光谱遥感水深反演机理以及基本流程的基础上,探究了多源遥感数据去云融合与水深反演。一方面,以不同空间分辨率的影像融合为切入点,用GM融合算法、小波融合探讨不同空间尺度、不同数据源融合影像对水深反演结果的影响,探讨水深反演过程中遥感影像去云融合的可行性。另一方面,以多源遥感水深反演为切入点,基于双波段比值法,反演实验区域20 m以内的水深,并进行精度评价。实验表明,利用小波融合去云可以改善水深遥感反演中有云区域的影响,一定程度上提高反演精度和制图资料的完整性。 相似文献
7.
基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较 总被引：1，自引：1，他引：0
混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。 相似文献
8.
9.
为了分析对流层延迟的时空变化规律、提高对流层延迟的改正精度,利用BP神经网络处理非线性问题的优势,改进传统的霍普菲尔德模型得到一种新的融合模型(Hop+BP模型)。分别对比Hop+BP模型与传统的霍普菲尔德模型、多元线性回归模型、BP神经网络等模型的计算结果,得到如下结论:霍普菲尔德模型存在一个明显的系统误差,精度较低;多元线性回归的预测精度有所提高,但是其本质是将数据强制拟合,缺少物理解释,难以推广使用;传统的BP神经网络的计算精度较之霍普菲尔德模型有80%的提高,但存在明显的不稳定性;Hop+BP模型具有预测精度高、稳定性好等优点,预测中误差为1.1cm,明显优于传统方法。 相似文献
10.
沿海地区的水深测量是大多数海岸工程和沿海科学应用的常见要求。然而,在我国南海浅水区域(0—10 m)及部分政治敏感区,船只很难到达导致测量非常不便,这种情况下遥感测量方法凸显了其价值。本文基于QuickBird多光谱遥感影像及同时期多波束实地测量水深点数据,利用6种算法模型定量反演了中国南海甘泉岛周边浅海的水深。精度验证结果表明,基于遗传算法优化的BP神经网络模型与实际测量水深的相关系数R2大于0.96,测量结果可靠。 相似文献
11.
在多光谱遥感水深反演研究中,由于影响反演精度的因素较多,传统的水深反演模型具有一定局限性。机器学习算法在解决非线性高复杂问题上较有优势,将其应用在某些特定区域水深反演可提高反演精度。本文利用Sentinel-2多光谱遥感影像和LiDAR测深数据,以瓦胡岛为研究区域,构建CatBoost水深反演模型,与传统水深反演模型及Boosting中的XGBoost和LightGBM模型的反演精度进行比较。试验结果表明,经过参数优化后的CatBoost水深反演模型的决定系数、均方根误差、平均绝对误差和平均相对误差分别为96.19%、1.09 m、0.77 m和9.61%,准确性最高,效果更佳。 相似文献
12.
13.
采用均匀设计来安排遗传算子组合进行数值实验,研究了遗传算子对神经网络径流预报精度的影响。研究发现,输入模式对最终种群中个体的分布影响不明显,不同算子组合对其影响则明显得多。通过回归分析发现,采用不同算子组合优化神经网络初始权重径流预报精度差别较大,对未归一网络的优化效果较归一网络好,同时采用数据归一输入模式与遗传算法优化神经网络初始权重未产生叠加效果。 相似文献
14.
基于分辨率退化模型的全色和多光谱遥感影像融合方法 总被引：7，自引：0，他引：7
从影像成像的频率特性出发，提出了一种影像分辨率退化模型，并在此基础上提出了一种新的全色和多光谱遥感影像融合方法。 相似文献
15.
基于神经网络的土地荒漠化信息提取方法研究 总被引：14，自引：0，他引：14
土地荒漠化是当今全球面临的重大环境问题之一,它的发生、发展及其逆转是气候、环境和人类社会经济活动综合作用的结果.区域荒漠化信息的提取技术研究是荒漠化研究进一步深入的关键,根据土地荒漠化的遥感探测机理,应用神经网络技术,利用了TM卫星遥感数据中的可见光、热红外和植被指数(NDVI)数据,建立了相应的BP神经网络的土地荒漠化信息的自动提取模型.实验应用表明,基于人工神经网络方法提取土地荒漠化发生的地点和范围等信息,其精度可达到84%.因此,应用人工神经网络方法提取土地荒漠化信息是切实可行的,并具有可推广价值. 相似文献
16.
Amin Beiranvand Pour Yongcheol Park Tae-Yoon S. Park Jong Kuk Hong Mazlan Hashim Jusun Woo 《国际地球制图》2019,34(7):785-816
Many regions remain poorly studied in terms of geological mapping and mineral exploration in inaccessible regions especially in the Arctic and Antarctica due to harsh conditions and logistic difficulties. Application of specialized image processing techniques is capable of revealing the hidden linear mixing spectra in multispectral and hyperspectral satellite images. In this study, the applications of Independent component analysis (ICA) and Constrained Energy Minimization (CEM) algorithms were evaluated for Landsat-8 and Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) remote sensing data for geological mapping in Morozumi Range and Helliwell Hills areas, Northern Victoria Land (NVL), Antarctica. The results of this investigation demonstrate the capability of the two algorithms in distinguishing pixel and subpixel targets in the multispectral satellite data. The application of the methods for identifying poorly exposed geologic materials and subpixel exposures of alteration minerals has invaluable implications for geological mapping and mineral exploration in inaccessible regions. 相似文献
17.
《制图学和地理信息科学》2013,40(2):99-110
This paper examines the performance of artificial neural networks (ANNs) as a method of spatial interpolation, when presented with irregular and regular samples of elevation data. The results of the ANN interpolation are compared with results obtained by kriging. Tests of spatial bias in the systematic errors contained in each of the neural network-derived DEMs were conducted using four attributes: slope, aspect, average direction and average distance from the nearest sampled value. Based on RMS and other evaluation measures, the accuracy of estimated DEMs from regular and irregular sample distributions using neural networks is lower than the accuracy level derived from kriging. The accuracy level of the ANN interpolators also decreases as the range of elevation values in DEMs increases. As reported in the literature, ANNs are approximate interpolators, and the pattern of under-prediction and over-prediction of elevation values in this study revealed that all estimated values fell within the range of sample elevations. Neural networks cannot predict values outside the range of elevation values contained in the sample, a property shared by other interpolators such as inverse weighted distance. 相似文献
18.
Integrating multiple images with artificial neural networks (ANN) improves classification accuracy. ANN performance is sensitive to training datasets. Complexity and errors compound when merging multiple data, pointing to needs for new techniques. Kohonen's self-organizing mapping (KSOM) neural network was adapted as an automated data selector (ADS) to replace manual training data processes. The multilayer perceptron (MLP) network was then trained using automatically extracted datasets and used for classification. Two hypotheses were tested: ADS adapted from the KSOM network provides adequate and reliable training datasets, improving MLP classification performance; and fusion of Landsat thematic mapper (TM) and SPOT images using the modified ANN approach increases accuracy. ADS adapted from the KSOM network improved training data quality and increased classification accuracy and efficiency. Fusion of compatible multiple data can improve performance if appropriate training datasets are collected. This proved to be a viable classification scheme particularly where acquiring sufficient and reliable training datasets is difficult. 相似文献
19.