共查询到14条相似文献，搜索用时 125 毫秒
1.
灰度共生矩阵纹理特征对SAR海冰漂移监测的增强性能研究 总被引：1，自引：0，他引：1
海冰漂移监测对气候变化分析、船只航行、海上石油平台等海上活动安全作业具有重要意义。当前主流的SAR海冰漂移监测方法多是基于SAR灰度图开展的,其受噪声、环境等因素的影响较大,导致其在海冰漂移探测时,特征失配率高,匹配正确率低。针对这一问题,本文尝试利用SAR海冰纹理特征来增强海冰漂移探测性能。首先对比分析了8种纹理特征对海冰漂移探测中特征匹配的增强性能,筛选出能够有效增强特征匹配性能的最优纹理特征;其次进一步分析了海冰类型、入射角和分辨率对基于纹理特征的海冰漂移探测性能增强的影响。实验结果表明,均值是最优的纹理特征,与SAR强度图相比,特征匹配正确率提高了约7%。 相似文献
2.
3.
基于遥感图像分析的极区海冰漂移研究 总被引：1，自引：0，他引：1
对极区的海冰运动进行观测具有重要的意义,卫星遥感技术是目前极区海冰监测的重要手段.星载多光谱仪器和合成孔径雷达(SAR)能够生产高分辨率、宽刈幅、连续的遥感图像,是开展海冰遥感监测的优选载荷.通过对极区遥感图像的分析,可以获取极区海冰漂移运动的资料信息.文中提供了可用于极区海冰漂移研究的遥感资料源,详细介绍了两种基于遥感图像的海冰运动分析方法:相关匹配法与光流算法,以及两种方法的对比;利用文中介绍的遥感资料和分析方法,在两极海区发现了明显的海冰中尺度运动特征. 相似文献
4.
本文提出一种保持局域特征的多源海冰图像融合方法，并在此基础上进行海冰分类。本文提出的多源海冰图像融合方法包括保持空间局域融合和保持特征局域融合两方面。首先，通过学习得到投影矩阵和相似矩阵。投影矩阵将多源像素进行投影变换，得到保留像素空间局域特性的融合向量。相似矩阵度量像素特征间的相似性，通过拉普拉斯特征分解，得到保留像素特征局域相似性的融合向量。然后，将空间融合向量和特征融合向量进行像素综合，得到融合图像。在此基础上，本文设计一种滑动集成分类方法进行融合图像像素分类。提出的分类方法利用滑动集成的特点，在分类时增强刻画了海冰局域特性。由于本文的保持局域融合框架不仅刻画了海冰在物理空间中的邻接关系，而且考虑不同海冰类型的特征关系，因此其在多源图像（多光谱和合成孔径雷达（SAR）图像）的海冰分类任务中表现优异。实验结果表明本文提出的基于保持局域特征融合的多源海冰图像分类方法有效提升了海冰分类精度。 相似文献
5.
一种融合纹理特征与NDVI的随机森林海冰精细分类方法 总被引：1，自引：0，他引：1
海冰的精准分类对于掌握海冰生长发育状况,保障航海安全等具有重要意义。由于受数据源和分类方法等影响,使得海冰分类精度提高受限。本文面向高空间分辨率的光学遥感影像,提出了一种融合纹理特征和归一化差分植被指数（NDVI）的海冰精准分类方法,运用随机森林分类器构建海冰分类方法。以青岛胶州湾为实验区,高分二号（GF-2）为实验数据,进行了海冰类型提取,并与其他分类方法进行对比。结果显示:针对GF-2高分辨率光学遥感数据,融合纹理特征和NDVI的随机森林方法,相比于传统的随机森林、支持向量机、自动决策树和融合纹理特征的最大似然分类方法,总体分类精度分别提高13.70%、11.60%、19.22%、29.37%。Kappa系数分别提高0.16、0.13、0.22、0.44。相比于融合纹理特征和归一化水指数（NDWI）的随机森林方法,总体分类精度提高了9.67%,Kappa系数提高了0.09。这表明本文构建的海冰分类方法可有效提高海冰分类精度,为海冰的精确分类提供了一种有效的技术手段。 相似文献
6.
7.
基于海洋一号C（HY-1C）卫星海岸带成像仪（CZI）遥感影像,提出了一种基于最优特征集的支持向量机海冰分类方法。分别提取CZI影像的光谱特征和纹理特征,采用基于距离可分性的判据进行特征选择,得到最优特征集,以最优特征集作为支持向量机分类器输入,分别对3期辽东湾海域CZI影像开展海冰分类实验和结果分析。结果表明:本文方法得到的海冰分类结果精度优于仅利用光谱特征或纹理特征的海冰分类精度;基于本文方法的3期影像的海冰分类精度均较高,2020年12月19日、2021年1月10日与2021年1月16日的海冰分类总体精度分别为93.67%、91.75%、84.89%,均在80%以上;利用海冰分类结果图估算海冰面积,发现3期辽东湾海冰面积依次增大,最大约为11 998.98 km2。 相似文献
8.
高分3号星载合成孔径雷达极地海冰自动检测方法研究 总被引：3，自引：3，他引：0
随着全球变暖等一系列气候变化的发生，极地海冰成为人们日益关注的焦点。由于不受光线和云雨影响，合成孔径雷达（SAR）可以进行全天时全天候的观测。高分3号是我国高分系列卫星中的一颗星载合成孔径雷达成像卫星，具有多种成像模式，可以在全球获取SAR数据。全天时全天候的工作特性和高空间分辨率的优势，使得高分3号星载SAR在极地海冰遥感监测中发挥重要的作用。本文基于高分3号水平-垂直（Horizontal-Vertical，HV）极化数据，提出了一种基于支持向量机的无需人工干预的海冰检测方法，实现海水和海冰的自动分离。利用该方法得到的海冰和海水分离结果同辅以人工解译的半监督分类结果相比较为吻合，为高分3号服务于极区海冰监测奠定了良好的基础。 相似文献
9.
卷积神经网络在卫星遥感海冰图像分类中的应用探究 总被引：1，自引：1，他引：0
本文以TensorFlow为框架搭建卷积神经网络，基于迁移学习的思想，以经典的手写数字识别作为引入，对不同代价函数和激活函数组合对卷积神经网络模型分类结果影响进行了评价分析。以HJ-1A/B渤海海冰图像为实验数据源，分析了不同函数组合对遥感海冰图像分类的影响，优选出交叉熵代价函数与ReLU激活函数为最佳的组合，证明了卷积神经网络在遥感海冰分类中的应用可行性。对渤海海冰图像分类结果进行验证，其中带标签样本验证精度为98.4%。使用该模型对无标签的测试样本进行识别，讨论了样本的窗口尺寸对海冰分类结果的影响，发现在400×400小范围分类实验中最佳窗口尺寸为2×2；最后对整个渤海海域进行识别验证，效果较好。 相似文献
10.
本文提出了一种基于纹理特征的围填海SAR图像分水岭分割方法,首先对机载MiniSAR图像进行灰度共生矩阵纹理滤波,获得纹理特征图像,再对纹理特征图像进行分水岭算法分割,将获得的形态学重建图像进行门限阈值分割,得到最后的二值化分割结果。该方法一方面通过调整灰度共生矩阵纹理滤波的窗口大小,抑制了斑点噪声的影响;另一方面,利用分水岭算法对边缘模糊杂乱图像的优势,提高了围填海信息提取的准确性。实验结果表明,本方法对高分辨率SAR图像围填海监测图像的分割效果良好。 相似文献
11.
北极多年冰在近几十年有明显的减少趋势,与北极海冰的厚度、体积和夏季最小海冰范围的减少密切相关。合成孔径雷达(synthetic aperture radar, SAR)具有全天时、全天候成像能力,基于SAR卫星影像的海冰分类对监测北极多年冰具有重要意义。基于深度学习U-Net模型,以SAR图像的双极化信息为模型输入,构建了像素级的海水、一年冰和多年冰多分类模型。与已有SAR图像海冰分类方法(支持向量机、随机森林和卷积神经网络)进行对比,基于双极化SAR图像的U-Net海冰分类模型的准确率、平均重叠度和Kappa系数,分别达到了90.73%、0.831和0.849,优于其他对比模型,分别提升了4.08%～19.04%, 0.063～0.321和0.111～0.335。此外,针对SAR图像水平-垂直极化(horizontal-vertical polarization, HV)有明显的条状热噪声和水平-水平极化(horizontal-horizontal polarization, HH)受入射角效应而亮度不均匀的特点,设计敏感性实验,研究HV噪声、入射角和灰度共生矩阵(gray leve... 相似文献
12.
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
13.
溢油已是当前海洋生态环境破坏的主要因素之一,因此对海洋溢油的检测分析是当前海洋环境保护的一个重要课题。传统的溢油提取仅仅是单独依靠光学影像的光谱信息或者合成孔径雷达(SAR)影像的后向散射系数信息进行提取,这会造成很多同谱异物或者粗糙度相近似的地物错分,因此除了利用传统的影像信息以外,还需结合影像的纹理信息,从而提高溢油提取的精度,减少错分地物的数量。选用2006年渤海地区的三景同轨SAR影像作为数据基础,应用基于灰度共生矩阵的方法对其进行纹理分析。该方法可以很好地对图像区域和表面进行感知并能够从像元的灰度相关性上对纹理特征进行详细描述,因此适合于SAR影像的海洋溢油检测。在纹理分析的过程中有很多的参数需要选择,参数选择的好坏将直接影响最终提取结果的精度。通过对纹理分析过程中的参数进行讨论、实验、选择与验证,最终确定了基于灰度共生矩阵纹理分析中各参数的值,并选择了局部平稳、非相似性、对比度、变化量4个特征量作为溢油提取的纹理特征统计量。将纹理特征与SAR自身的后向散射系数相结合,通过神经网络分类法对其进行分类,并计算出分类精度为80.65%,分类效果良好。由此说明了将影像的传统信息与纹理信息相结合进行溢油提取是一种可行而有效的方法,同时也为后续的海洋溢油检测工作奠定了一定的基础。 相似文献
14.
协同主动学习和半监督方法的海冰图像分类 总被引：1，自引：0，他引：1
海冰遥感光谱影像分类中标签样本难以获取,导致海冰分类精度难以提高,但是大量包含丰富信息的未标签样本却没有得到充分利用,针对这种情况,提出一种协同主动学习和半监督学习方法用于海冰遥感图像分类。在主动学习部分,结合最优标号和次优标号、自组织映射神经网络以及增强的聚类多样性算法来选择兼具不确定性和差异性的样本参与训练;在半监督学习部分,利用直推式支持向量机,并且融合主动学习思想从大量未标签样本中选取相对可靠且包含一定信息量的样本进行迭代训练;然后协同主动学习分类结果和半监督分类结果,通过一致性验证保证所加入伪标签样本的正确性。为了验证方法的有效性,分别采用巴芬湾地区30 m分辨率的Hyperion高光谱数据(验证数据为15 m分辨率的Landsat-8数据)和辽东湾地区15 m分辨率的Landsat-8数据(验证数据为4.77 m分辨率的Google Earth数据)进行海冰分类实验。实验结果表明,相对其他传统方法,该协同分类方法可以在只有少量标签样本的情况下,充分利用大量未标签样本中包含的信息,实现快速收敛,并获得较高的分类精度(两个实验的总体精度分别为90.003%和93.288%),适用于海冰遥感图像分类。 相似文献