共查询到19条相似文献,搜索用时 93 毫秒
1.
2.
基于混合像元的遥感图像分类技术 总被引:13,自引:0,他引:13
本文提出了混合像元的概念,研究了基于混合像元的遥感图像分类问题,根据最小二乘法的原理导出了混合像元的分类算法。实验表明:在多光谱图像分类中考虑混合像元的客观存在,可以大大提高遥感图像的分类精度。 相似文献
3.
4.
5.
高光谱遥感影像混合像元分解研究进展 总被引:6,自引:1,他引:5
受高光谱成像仪低空间分辨率及复杂地物的影响,高光谱遥感图像存在大量混合像元。为提高地表分类精度以及满足亚像元级目标探测的需求,混合像元分解技术一直是高光谱遥感研究热点之一。本文主要对高光谱混合像元分解技术中的核心问题:端元数目估计、端元提取算法、丰度估计算法进行综述,系统地分析了各种典型算法的原理及优缺点,进一步阐述研究过程中建立高精度遥感混合反演模型与遥感产品业务化中的混合像元分解技术难题,同时针对今后混合像元分解技术发展方向,指出在继续引入新型算法理论方法基础上,结合用户应用需求,推进高光谱混合像元分解算法业务化应用,为高光谱遥感工程化应用提供支持。 相似文献
6.
本文对SOM神经网络算法进行改进,在标类的过程中采用3个策略加以控制,对初始产生的自组织映射图进行调整。通过改进,那些映射到可靠神经元的像素得到了很好的分类,而那些映射到不可靠神经元的像素都被作为不可分像元而提取出来。继而,从混合像元分解的角度来对这些不可分像元进行处理,按类型分解的思想确定混合像元的类别,实现对不可分像元的分类。将SOM神经网络和混合像元分解相结合的分类方法应用于高光谱图像的分类中,通过实验表明了该方法能较好地改善分类效果,提高分类精度。 相似文献
7.
高光谱图像端元提取算法研究进展与比较 总被引:2,自引:0,他引:2
高光谱图像中混合像元的存在不仅影响了基于遥感影像的地物识别和分类精度,而且已经成为遥感科学向定量化方向发展的主要障碍。本文分析和研究了现有的典型端元提取算法,在此基础上,对这些算法进行归纳总结,从是否假定纯像元存在角度将其分为两类:端元识别算法和端元生成算法,并就两种分类方法选取了具有代表性的6种典型端元提取算法:N-FINDR、VCA、SGA、OSP、ICE和MVC-NMF算法进行分析和实验。通过对这6种方法的实验比较,得出两种端元提取分类方法的优点与不足,并对今后的研究工作提出展望。 相似文献
8.
9.
针对传统的光谱角匹配分类算法仅考虑光谱信息,导致混合像元易出现错分和分类结果中出现"麻点"等问题,该文考虑地物连续性这一特点,提出了一种结合像元空间邻域信息对光谱角进行修正的光谱角匹配分类算法。该方法不仅保留了传统光谱角度匹配算法不受增益因素影响和减弱地形对照度影响等优点,并且减小了混合像元被错分的概率。基于ROSIS获取的Pavia大学校园的高光谱影像分类结果表明:加入像元空间邻域信息后的光谱角匹配算法在保证分类精度的同时,有效地减弱了分类结果中的"麻点"现象,验证了该文方法的可行性、有效性。 相似文献
10.
基于径向基函数神经网络的混合像元分解 总被引:10,自引:1,他引:10
遥感图像中普通存在着混合像元。对这部分像元进行分类(即混合像元分解)是遥感图像处理中的难点。基于主分量分析的混合像元分解 法是一种较为成熟的算法,但它存在着计算量大,适应性差等缺点。在深入研究混合像元分解原理的基础上,提出了用径向基函数神经网络拟合分解结果超平面,以实现混合像元分解的算法,实验结果证明:该算法的结果与基于主分量分析的混合像元分解算法结果相近(相关系数达到0.00),而计算量大大减少,具有较强的适应性。 相似文献
11.
12.
遥感影像分类中的空间尺度选择方法研究 总被引:5,自引:1,他引:4
提出了一种新的基于信息熵的空间尺度选择方法。该方法充分利用了遥感影像的多光谱信息。在这个方法中, 信息熵被用于评价影像类别可分性的定量标准; 另外影像的空间分布特征也被考虑。该方法与已有方法, 即基于局部方差的方法、基于变异函数(Variogram)的方法、基于离散度的方法, 进行了比较。TM和QuickBird两种影像被引入到评价中来。实验结果表明, 本方法能够准确地确定两种实验影像的最优分类精度所对应的空间尺度。QuickBird影像采用了面向对象的分类方法进行实验, 这表明本方法不仅适合于传统的分类方法, 同时也适用于面向对象的方法。通过比较分析表明, 本文方法明确优于已有各种方法。 相似文献
13.
14.
QuickBird影像在土地调查中的精度评价 总被引:1,自引:0,他引:1
利用遥感的手段对土地利用现状、土地基础数据进行调查。调查以0.61m分辨率的QuickBird影像为数据源,着重从混合像元成像机制、误差产生规律等方面量化0.61m分辨率的QuickBird影像的评价精度,并以各种地物类型的面积、边界线等因子对分类结果进行精度评价。 相似文献
15.
纹理特征在多光谱遥感影像分类中的应用 总被引:1,自引:3,他引:1
提出了基于灰度共生矩阵的多光谱影像纹理分析的方法,实现了利用k-mean聚类算法对多光谱影像进行分类,比较了各种不同的分类结果。 相似文献
16.
17.
针对云检测在高亮度地表以及雪覆盖区域存在过度检测的问题,设计了一种不依赖热红外波段的增强型多时相云检测EMTCD(Enhanced Multiple Temporal Cloud Detection)算法。首先,利用云的光谱特征建立单时相云检测规则,并基于云、雪的光谱差异构建了增强型云指数ECI(Enhanced Cloud Index),改进了云、雪的区分能力;其次,以同一区域无云影像为参考,基于ECI指数构建了多时相云检测算法,较好地克服了单时相云检测中高亮度地表、雪和云容易混淆的问题,提高了云检测的精度;最后,选择两个典型区域的Landsat-8 OLI影像,对比分析了不同算法的云检测结果。实验结果表明:ECI指数能够有效区分云、雪,EMTCD方法的平均检测精度达到93.2%,高于Fmask(Function of mask)(81.85%)、MTCD(Multi-Temporal Cloud Detection)(66.14%)和Landsat-8地表反射率产品LaSRC(Landsat-8 Surface Reflectance Code)的云检测结果(86.3%)。因此,本文提出的EMTCD云检测算法能够有效地减少高亮度地表和雪的干扰,实现不依赖热红外波段的高精度云检测。 相似文献
18.
基于改进的像素级和对象级的遥感影像合成分类 总被引:1,自引:0,他引:1
像素级和对象级的分类研究分别作为两个独立的方向开展,二者的结合与优势互补还没有引起关注。本文对像素级和对象级分类方法的结合做出新的探索,提出了基于改进的像素级和对象级的遥感影像合成分类方法。首先,以一种改进的RBF神经网络分类器进行像素级分类、以一种基于改进模糊支持向量机和决策树的层次分类模型进行对象级分类,获得多层次分类结果。然后,提出了一个具体的像素级分类与对象级分类的合成算法,对多层次分类结果进行合成。实验表明,合成分类方法能有效地提高分类结果的精度,提供比单一像素级方法或对象级方法更准确的分类结果。 相似文献
19.
树冠作为树木主要组成部分之一,是树木长势监测、树种识别等内容的重要参数,对森林资源调查和生态研究具有重要意义。与传统的实地调查相比,运用无人机遥感技术提取树冠信息具有高效、便捷等优势。本文基于无人机多光谱影像提取树冠信息,在树冠点探测上结合局部最大值法与Mean Shift优化策略,较原始局部最大法探测精度提升约10%。此外,提出了一种新的树冠边界提取算法,运用动态规划思想进行全局最优边界提取。与以往分水岭分割算法相比,本文算法在较密集林区和稀疏林区均有更好的提取效果,在试验样区稀疏林区F测度提升12%,较密集区F测度提升28%。 相似文献