共查询到20条相似文献，搜索用时 15 毫秒
1.
针对遥感多光谱影像处理,提出一种立足于多尺度像斑模型,应用数据挖掘中的特征构造来实现跨尺度特征构造的方法,将最佳尺度选择问题隐含在特征构造中,而不直接进行最佳尺度选择.从而在区分地物方面更加准确,分类精度更高. 相似文献
2.
提出了一种新的多尺度像斑模型,充分利用多尺度像斑模型所提供的尺度纵向信息,并结合决策树的分类方法来实现跨尺度分类,而不直接进行最佳尺度选择。实验结果证明,跨尺度方法较单一尺度分类能更准确地区分地物,从而提高分类精度。 相似文献
3.
针对城市地物信息提取中地物边界难以确定、分类精度不高的问题,该文提出一套综合利用影像及激光雷达点云高程信息的面向对象分类方法。在分割中,各类地物的最佳分割尺度由监督法分割精度评价确定,最终分割结果利用粒度理论下的分割尺度综合方法进行合成,能兼顾不同地物最优分割尺度,获得准确地物边界;在分类中,采用ReliefF特征选择算法度量从影像及点云数据提取的对象特征重要度,选择最佳特征组合,并采用多分类器组合方法进行分类,以消除Hughes现象,提高分类精度。选择德国斯图加特市两块实验区进行分类实验,结果表明:该方法有利于提高大范围城市地物精细信息提取的精度和效率,具有较高的应用价值。 相似文献
4.
5.
纹理频谱分析的高分辨率遥感影像最佳尺度选择 总被引：2，自引：0，他引：2
基于对纹理频谱的分析提出了一种高分辨率遥感影像最佳尺度的选择方法。首先,分析四种典型地物在傅里
叶变换频域的频谱响应特性。然后,采用点扩散函数对原始影像进行尺度扩展,进而根据地物纹理的径向与角向曲线
随尺度扩展的变化选择最佳尺度。最后,通过分析四种地物在6个尺度下的纹理特征可分性,说明本文方法能客观反映
出地物的尺度效应,具备最佳尺度选择的可行性。利用支持向量机对QuickBird全色影像进行面向对象的分类,实验结
果表明在最佳尺度下可取得较高精度。 相似文献
6.
基于多尺度特征融合和支持向量机的高分辨率遥感影像分类 总被引：10，自引：1，他引：10
相对传统的中低分辨率遥感数据而言,高空间分辨率遥感影像同一地物内部丰富的细节得到表征,空间信息更加丰富,地物的尺寸、形状以及相邻地物的关系得到更好的反映,但其光谱统计特性不如中低分辨率影像稳定,类内光谱差异较大,而传统分类方法仅依据像元的光谱值,因此在高分辨率影像分类中,传统方法往往不能获得好的结果。在此背景下,提出了一种多尺度空间特征融合的分类方法,旨在利用不同尺度的空间邻域特征弥补传统方法的不足。其基本过程是：首先针对不同尺度特点,用小波变换压缩空间邻域特征,并结合支持向量机得到不同尺度下的分类结果,然后根据尺度选择因子为每个像元选择最佳的类别。文中QuickBird和IKONOS影像实验证明该算法能有效提高高分辨率影像解译的精度。 相似文献
7.
针对尺度自适应选择分层多阈值方法,有时检测目标不完整且存在较多虚警目标等问题,提出了一种基于尺度分层多阈值和SVM分类相结合的舰船目标检测与识别方法。首先使用尺度自适应分层多阈值方法进行初检测;其次根据样本学习生成舰船目标特征及最佳分类特征组合;最后使用SVM样本学习分类实现舰船目标检测与识别。实验结果表明,该方法比单一使用样本分类法降低了虚警率,提高了检测效率,能在近岸舰船目标与背景对比度较低的情况下实现虚假目标有效剔除,且在突堤式码头停放的舰船目标识别中更有效和更稳定。 相似文献
8.
深度卷积神经网络在高光谱图像分类任务上取得了优越性能。但是,主流深度学习算法通常采用一阶池化运算,容易忽略光谱之间的相关性,因而难以获取高阶统计判别特征。另外,这类算法往往难以选择最优的窗口大小去捕获不同感受野信息。针对上述问题,本文提出了一种结合协方差池化和跨尺度特征提取的高光谱影像分类方法。该方法设计了跨尺度自适应特征提取模块,能够自动提取多尺度特征,获取不同视野的互补信息,避免了尺度选择问题;进一步利用平均池化和快速协方差池化的联合池化操作,得到一阶统计量和结合空间光谱信息的二阶统计量;最终,将一阶和二阶池化特征进行融合用于分类。在3个公开高光谱数据集Indian Pines、Houston和Pavia University上分别随机选取5%、5%和1%标记样本进行训练,本文算法得到的总体分类精度分别达到97.63%、98.48%和98.21%,分类性能优于主流深度学习方法。 相似文献
9.
10.
11.
利用基于小波的尺度共生矩阵进行纹理分析 总被引：21，自引：1，他引：21
提出了一个在尺度空间提取特征的新方法，它的特点是提取尺度之间的依存关系，而非尺度间的独立特征，和传统方法相比，它更全面、更准确地刻画了纹理的尺度特性。具体做法是，首先构造一个反映尺度依存关系的矩阵（本文称之为尺度共生矩阵），然后在此基础上进行特征提取分类。实验结果表明：用基于尺度共生矩阵的分类方法可以得到较好的分类结果。 相似文献
12.
13.
面向对象的旱区植被遥感精细分类研究 总被引：1，自引：0，他引：1
针对旱区植被分类尺度过大、种群无法准确提取的问题,该文提出了面向对象的CFS-RF分类模型,即利用CFS算法对先验样本数据集进行特征优选,结合随机森林构建分类规则,完成分类过程。以新疆阿勒泰为研究区,利用GF-2数据,通过CFS、ReliefF两种不同特征选择方法和J48、SVM、RF 3种分类算法构造出6种面向对象分类方案来实现小尺度植被种群提取。结果表明,经过特征选择,上述分类方案的精度和效率均得到了提升。其中,CFS-RF算法最优,总体精度达到92.41%,Kappa系数为0.90,更适用于旱区植被遥感精细分类。 相似文献
14.
15.
针对水库地区开展的高分辨率影像地物信息提取研究少而需求大以及面向对象的影像分割尺度选择难问题,基于SPOT7高分辨率卫星影像数据,选取广东省湛江市鹤地水库作为研究区域,提出一种针对高分辨率影像的最优分割尺度选择以及针对水库地区的典型地物模糊分类规则构建方法,成功实现水体、植被、裸土、建成区的快速准确提取。结果表明:通过引入局部方差变量和Moran’I指数并结合最小风险贝叶斯决策原则能直观、准确、唯一地识别最佳空间分割尺度;通过分析光谱和纹理特征发现,水体和植被的光谱特征显著,建成区的纹理特征表现突出,而裸土单靠光谱特征不足以辨识,需要纹理特征的辅助;针对典型地物构建的模糊规则分类效果整体良好,总体精度达到了90.8%,Kappa系数为0.884。本研究有助于水库管理部门、国土资源调查部门快速、动态地把握库区的整体用地情况。 相似文献
16.
《测绘与空间地理信息》2020,(8)
针对传统纹理提取窗口尺度固定,而且影像提取还会受到影像噪声、同物异谱或异物同谱等因素影响的问题,本文提出了一种融合多波段信息的自适应窗口算法。首先,利用多波段信息改进边缘检测算法,再基于边缘检测结果,选择最佳窗口尺度;其次,运用自适应窗口算法和固定尺度窗口算法分别提取影像纹理特征,并结合影像光谱特征进行支持向量机分类,对比分类结果,光谱特征结合自适应窗口纹理的分类精度优于结合固定尺度窗口纹理。表明自适应窗口算法提取纹理特征比固定尺度窗口算法更具优势,融合多波段信息的自适应窗口算法是有效的。 相似文献
17.
合理尺度纹理分析遥感影像分类方法研究 总被引：1，自引：0，他引：1
纹理分析是提高遥感影像分类精度的重要手段之一。纹理特征与地物类别尺度密切相关,应用纹理特征进行遥感影像分类,
关键在于纹理尺度的确定。对于灰度共生矩阵纹理分析来说,就是选择大小合适的纹理窗口。根据样本半变异值在较小范围内有较
大变化的特性,研究遥感影像相邻像素之间的空间关系,将半变异值开始趋于恒值时所对应的步长作为纹理分析的窗口大小,并在
纹理特征提取过程中针对每一个像素,在最大似然分类结果的约束下,适时改变其窗口大小,提取纹理特征,提出一种合理尺度纹
理分析的遥感影像分类方法。最后,选择北京市昌平区2006年SPOT 5遥感影像,利用TitanImage二次开发环境实现了该方法。实践
证明,该方法能有效提高遥感影像的分类精度。 相似文献
18.
针对现有的跨比例尺地图居民地数据更新方法需要大量人工干预和专家判读选择的问题,该文提出了一种基于决策树的跨比例尺居民地更新方法。利用决策树的判断推理机制对不同变化更新场景下要素的地理环境特征、空间分布关系、尺度表达差异等影响更新行为选择的因素进行综合分析,结合尺度变换技术构建了跨比例尺居民地数据更新模型,较好地顾及了数据更新的合理性及更新效率。基于广州市某区域的真实数据进行试验,结果表明:该方法不仅能够有效地减少更新过程中的人工干预,提高智能化程度,同时能从一定程度上提高更新效率。 相似文献
19.
多尺度分割是遥感影像分析的关键步骤,影像分割过程中的尺度参数选择直接关系到面向对象影像分析的质量和精度。首先,总结了面向对象影像分析中尺度概念的内涵,分析遥感影像空间和属性两大基本特征,依据空间统计和光谱统计获得理论上最优的空间尺度分割参数、属性尺度分割参数。其次,运用了基于谱空间统计的高分辨率影像分割尺度估计方法,分析了分形网络演化多尺度分割与影像谱空间统计特征的关系,进而将基于谱空间统计的面向对象影像分析尺度参数应用于分形网络演化多尺度分割算法中,最后,对其参数的合理性进行验证。研究采用高空间分辨率IKONOS和SPOT 5影像数据,选择建筑实验区和农田实验区进行空间和光谱特征统计,以进一步估计分割中的最佳尺度参数。使用分形网络演化方法对图像进行分割,利用监督分类对本文提出的尺度估计方法进行验证,验证结果表明尺度估计方法可以一定程度上保证后续的面向对象影像分类的精度。不同于以往分割后评价的尺度选择方法会需要大量的运算量,本文方法不需要先验知识的参与,且在分割前就可以自适应地估计出相对较为合适的尺度参数,提高了面向对象信息提取的自动化程度。 相似文献
20.
探索自动化的激光点云分类方法对于三维建模、城市土地分类、DEM制图等应用具有重要作用。考虑到现有的点云分类算法在提取依赖邻域结构的特征参数时面临邻域尺度的选择难、数据维度高、计算复杂,并且缺乏对分类特征参数的重要性评估和选择等问题,本文提出了基于随机森林的机载LiDAR点云数据降维与分类方法。在分析点云数据的高程、回波、强度等属性特征的基础上,提取归一化高度、高度统计量、表面特征、空间分布特征、回波特征及强度特征6大类特征参数,并构建多尺度特征参数,运用随机森林的特征选择算法对分类特征集进行优化,然后进行点云分类。试验结果表明,基于随机森林的特征选择方法可以有效地降低特征维度,并且使得总体分类精度达到94.3%（Kappa系数为0.922）,相比于使用全部特征分类和SVM分类方法而言,该方法的总体分类精度均有一定程度的提高;特征的重要性度量结果表明,归一化高度特征在点云分类中所起的作用最大。 相似文献