共查询到19条相似文献，搜索用时 93 毫秒
1.
结合纹理特征的SVM海冰分类方法研究 总被引：5，自引：4，他引：1
海冰分类是遥感监测领域中的重要应用之一，海冰分类的准确性对于评估海冰冰情、保证航海安全和开辟北极航道具有重要的意义。针对海冰分类问题，本文选用Sentinel-1遥感数据，结合纹理特征分析，提出了一种改进的SAR海冰分类方法。该方法选用灰度共生矩阵提取特征值，通过实验得到适宜用于海冰分类的多特征组合，在此基础上利用支持向量机开展SAR海冰类型的分类研究。实验结果表明，该方法可以实现对海冰SAR图像中一年冰、多年冰和海水3种类型识别，与传统的海冰分类方法神经网络和最大似然法相比较，使用SVM分类方法，结合纹理特征开展海冰类型监测是可行的，同时也表明多特征组合有利于提高SAR图像的分类精度，从而验证了本方法的有效性，为海冰分类提供了一种新思路。 相似文献
2.
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
3.
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
4.
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
5.
6.
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
7.
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
8.
对所获取的2008年冬季的辽东湾西岸海域含有海冰的Hyperion高光谱图像进行了大气校正,得到了反射率图像。用ISODATA(Iterative Self-Organizing Data Analysis Technique)聚类分析方法对反射率图像进行计算机自动分类,并结合实测的同时期的海冰反射率光谱确定了不同海冰类型的分布范围。根据不同类型海冰的厚度特征,得到了海冰厚度分级分布图和海冰厚度图。结果表明,Hyperion图像可以区分光谱有区别的冰型,无法区分浮冰和固定冰,可以更清晰地显示出海冰的光谱反射率,与实测光谱曲线更加相似,优于MODIS多光谱图像。同时,用主成分分析方法对海冰Hyperion图像进行了分析。海冰Hyperion图像中,各个波段之间的相关系数都较大,光谱维信息冗余度较大,其中30波段贡献率最高。 相似文献
9.
10.
11.
基于小波变换和HIS变换的海冰SAR与光学遥感影像融合方法研究 总被引：3，自引：2，他引：1
Sea ice as a disaster has recently attracted a great deal of attention in China. Its monitoring has become a routine task for the maritime sector. Remote sensing, which depends mainly on SAR and optical sensors, has become the primary means for sea-ice research. Optical images contain abundant sea-ice multi-spectral information, whereas SAR images contain rich sea-ice texture information. If the characteristic advantages of SAR and optical images could be combined for sea-ice study, the ability of sea-ice monitoring would be improved. In this study, in accordance with the characteristics of sea-ice SAR and optical images, the transformation and fusion methods for these images were chosen. Also, a fusion method of optical and SAR images was proposed in order to improve sea-ice identification. Texture information can play an important role in sea-ice classification. Haar wavelet transformation was found to be suitable for the sea-ice SAR images, and the texture information of the sea-ice SAR image from Advanced Synthetic Aperture Radar(ASAR) loaded on ENVISAT was documented. The results of our studies showed that, the optical images in the hue-intensity-saturation(HIS) space could reflect the spectral characteristics of the sea-ice types more efficiently than in the red-green-blue(RGB) space, and the optical image from the China-Brazil Earth Resources Satellite(CBERS-02B) was transferred from the RGB space to the HIS space. The principal component analysis(PCA) method could potentially contain the maximum information of the sea-ice images by fusing the HIS and texture images. The fusion image was obtained by a PCA method, which included the advantages of both the sea-ice SAR image and the optical image. To validate the fusion method, three methods were used to evaluate the fused image, i.e., objective, subjective, and comprehensive evaluations. It was concluded that the fusion method proposed could improve the ability of image interpretation and sea-ice identification. 相似文献
12.
图像融合在遥感中的应用 总被引：4，自引：0，他引：4
介绍了关于低分辨率的多光谱图像与高分辨率的全色图像相融合的一些方法。图像融合的目的是为了获取高分辨率的多光谱图像，它既包含了多光谱信息又具有全色图像的高空间分辨率特点。图像融合在遥感中的主要目的在于尽量保持图像的光谱信息．以便用于土地覆盖分类等领域，这一点与其在军事应用和计算机辅助设计领域有所不同。阐述了如何在不使用高分辨率的全色图像情况下进行融合的方法，由于同时获取的多光谱图像之间存在亚像元级的偏移现象，将位移量作为附加信息来有效提高采样频率，以此获取高空间分辨率信息。最后选取了SPOT卫星的多光谱图像作为例子．对文中所阐述的算法进行了试验，并对试验结果作了比较分析。 相似文献
13.
Subbottom acoustic profiler provides acoustic imaging of the subbottom structure constituting the upper sediment layers of the seabed, which is essential for geological and offshore geo-engineering studies. Delineation of the subbottom structure from a noisy acoustic data and classification of the sediment strata is a challenging task with the conventional signal processing techniques. Image processing techniques utilise the spatial variability of the image characteristics, known for their potential in medical imaging and pattern recognition applications. In the present study, they are found to be good in demarcating the boundaries of the sediment layers associated with weak acoustic reflectivity, masked by noisy background. The study deals with application of image processing techniques, like segmentation in identification of subbottom features and extraction of textural feature vectors using grey level co-occurrence matrix statistics. And also attempted classification using Self Organised Map, an unsupervised neural network model utilising these feature vectors. The methodology was successfully demonstrated in demarcating the different sediment layers from the subbottom images and established the sediments constituting the inferred four subsurface sediment layers differ from each other. The network model was also tested for its consistency, with repeated runs of different configuration of the network. Also the ability of simulated network was tested using a few untrained test images representing the similar environment and the classification results show a good agreement with the anticipated. 相似文献
14.
合成孔径雷达在海洋环境监测和海洋研究中扮演着越来越重要的角色。受其成像机制的影响，合成孔径雷达图像总是受到斑点噪声的污染。斑点噪声的存在会增大目标识别、跟踪和分类的难度，也会降低雷达信号的信噪比。合成孔径雷达海洋图像具有一些特殊的性质：海洋现象在雷达图像中主要呈现为条带状或斑块状的结构。这些条带状或斑块状的结构呈现出高度的自相似性或信息冗余。非局部平均方法能够衡量图像中不同图像块之间纹理结构的相似性，并利用图像的自相似性对图像进行去噪。但非局部平均去燥方法存在计算量巨大、计算耗时长的缺点，这几乎限制了其实际应用。本文采用一种自适应方法将雷达图像中的像素点区分为纹理区像素点和平坦区像素点。对纹理区像素点，采用较大的相似窗和搜索窗，对平坦区像素点，采用较小的相似窗和搜索窗，从而提高计算速度。进一步，本文基于计算统一设备并行架构（CUDA）技术，利用计算机图形处理器（GPU）对前述算法进行并行加速。与经典非局部平均算法相比，加速后算法的计算效率提高了200倍。 相似文献
15.
16.
为提高遥感影像融合质量,提升资源一号(ZY-1 02D)高光谱遥感影像滨海湿地植被分类精度,提出将ZY-1 02D高光谱影像与空间分辨率为10 m的哨兵2号(Sentinel-2)影像进行Brovey融合,并通过搭建AlexNet卷积神经网络对ZY-1 02D高光谱影像和Brovey融合影像的滨海湿地植被进行分类,与支持向量机、随机森林和BP神经网络分类算法进行精度对比。研究结果表明:经Brovey融合后,AlexNet、支持向量机、随机森林和BP神经网络算法的植被分类总体精度分别提高15.60%、7.00%、14.80%和10.00%,Kappa系数提高了21.35%、9.93%、18.97%、12.85%;基于Brovey影像融合与AlexNet算法的植被分类精度最高,总体精度为92.40%,Kappa系数为89.42%。空谱融合配合AlexNet卷积神经网络有效解决了高光谱遥感影像在滨海湿地植被分类应用中精度较低的问题,为滨海湿地植被资源动态监测提供技术和方法支撑。 相似文献
17.
18.
黄河三角洲湿地地物精确分类对湿地资源的保护、开发和利用具有重要意义。目前的湿地分类算法大多存在着全局信息利用不足,地物类型边界不易区分等问题,导致分类精度不高。针对此问题,本文提出了基于双路图卷积的黄河三角洲湿地地物分类算法,包括图结构数据构建模块、特征提取与融合模块两部分。图结构数据构建模块,设计欧式图表示光谱值之间的绝对差异,衡量不同地物类型,设计余弦图表达不同像素光谱波形之间的差异,用以区分不同的地物边界;特征提取与融合模块,利用图卷积聚合全局信息,对欧式图利用双层图卷积进行特征提取,对余弦图使用图U-Net网络进行特征提取,之后将两个特征融合,得到同时具有光谱值绝对差异和光谱波形差异的融合特征,最后进行分类。在CHRIS和GF5两个数据集的实验结果表明,本文所提算法在黄河三角洲湿地地物分类中取得了具有竞争力的分类结果。 相似文献
19.
基于相似系数的1种算法在遥感图像分类中的应用 总被引：1，自引：0，他引：1
用基于向量夹角余弦的相似系数方法对黄河三角洲 1 998年 1 2月份的 Landsat- 5TM遥感影像进行了分类 ,分类精度分析表明用夹角余弦作为分类的相似性度量指标是合理的。这种遥感图像的分类方法简单 ,在实际分类中可以作为常用的方法之一。 相似文献