共查询到10条相似文献,搜索用时 15 毫秒
1.
为了提高从高分辨率遥感图像(high-resolution remote sensing image,HRI)中提取道路信息的自动化程度和准确性,发展了一种HRI道路分割算法,主要包括光谱合并、边界合并和基于形状特征的道路区域提取等3个步骤。其中,前2个步骤是基于区域生长的图像分割算法。光谱合并综合考虑了区域的均值、方差等统计特征量,以提高分割精度;边界合并采用了基于矢量梯度的边界计算方法,以准确提取多光谱HRI中的边界强度;结合全局最优合并算法实现光谱和边界合并,以得到最优化的分割结果。在道路区域被完整分割出来的基础上,利用形状特征提取道路,采用圆形度特征区分道路和非道路。利用2景Orb View3多光谱图像进行道路提取实验的结果表明,该方法的道路提取结果总精度和Kappa系数分别在97%和0.8以上,明显优于SVM监督分类方法。 相似文献
2.
《武汉大学学报(信息科学版)》2015,(9)
针对基于像素或基于区域的马尔科夫随机场(Markov random field,MRF)模型仅能描述单一层次影像数据特性的局限,提出了一种综合像素和区域特性的多层次MRF模型,以提高MRF模型表达遥感数据层次特性的能力。为利用高分辨率遥感影像几何结构信息来提高不同地物的可区分性,提出了一种描述地物结构特性的形状特征,用于区分光谱特性相似的不同地物。本文的分类算法包括两个过程:首先,基于像素和区域特征,采用多层次MRF模型进行初始分类;然后,基于形状特征采用SVM对第一步分类结果中易混淆的地物进行分类。根据不同地物采用合适特征量描述可在特征空间中增加可区分性的事实,采用形状特征对基于层次MRF模型的错分类别进行再分类可有效改善分类精度。同现有基于单一层次的方法相比,实验结果表明该算法的分类性能有了明显的改善。 相似文献
3.
4.
基于高分辨率DSM和遥感影像的建筑物提取 总被引:1,自引:0,他引:1
提出一种基于高分辨率数字表面模型(DSM)和遥感影像光谱特征的建筑物提取方法。具体步骤是:首先,使用多分辨率分割方法对RGB波段和DSM波段进行组合分割,形成图像基元;然后,利用建筑物高程高于地面其他区域的特点,使用阈值分割将影像对建筑物进行初始分类;由于树木的高程和建筑物像类似,这就造成了对建筑物的混淆,为了解决这个问题,利用树木的辐射不均一所形成的标准差特征较大这一特点,对建筑物和树木进行区分,最终形成建筑物的精确提取。试验结果证明了本文方法的有效性。 相似文献
5.
《国土资源遥感》2016,(4)
在高空间分辨率(简称"高分")遥感图像分类中,由于存在"同谱异物"等现象,仅依靠光谱信息进行分类的误差较大。为提高图像分类精度,提出一种融合像元形状和光谱特征信息的高分多光谱遥感图像分类新方法。首先利用像元及其邻域的关系来描述其空间结构,计算并提取像元同质区域(pixel homogeneous regions,PHR);然后以所提取的同质区域为基础,分别计算中心像元的长/宽比(length-width ratio,LW)和面积/周长比(area-perimeter ratio,PAI)这2个像元形状特征;最后将归一化后的像元形状特征和光谱特征融合,并利用支持向量机分类方法进行分类。以2个区域的Quick Bird高分遥感图像对该算法进行验证,将实验结果与仅利用光谱信息分类和仅使用像元形状指数(pixel shape index,PSI)分类的结果进行比较。结果表明,所提出的方法得到的分类精度最高,该方法能有效地提高高分遥感图像的分类精度。 相似文献
6.
7.
《国土资源遥感》2017,(2)
在遥感图像分割中,植被是重要的一类对象,植被细分割一般有3个目标,按尺度分为乔木、灌木和草与苔藓。针对单一层次多分类方法不能充分利用植被目标不同纹理尺度实现精确的多分类问题,提出了一种基于谱直方图的遥感图像分层次、多尺度植被分割方法。首先用归一化植被指数(normalized difference vegetation index,NDVI)提取出遥感图像中的植被区域,然后再对该区域分层实现多个二分类算法、完成多分类操作。在每个分类层次,利用目标的先验知识和纹理尺度选择纹理滤波参数,对滤波结果提取各子块图像的谱直方图用以表达纹理特征,从而实现1个层次的分割。实验结果表明,该方法较好地利用了植被各层次目标的先验知识和纹理尺度,使得对纹理滤波器的增强处理更具针对性;谱直方图的特征区分度更大,使得植被细分割精度明显提高。 相似文献
8.
9.
像元形状指数是一种基于像元的空间特征算子,采用像元形状指数(PSI)来描述像元点邻近区域的形状特征,通过中心像元及其邻域相似性描述了中心像元的上下文形状分布,有效地提取了影像中的光谱信息,并取代了原有的光谱特性,弥补了原有光谱特性的不足。像元形状指数对原有图像处理后,利用支持向量机光谱与形状特征融合的算法对处理过的影像进行分类处理。研究结果表明,经像元形状指数变换后的光谱特性更加适合图像分类,且形状和光谱特征的融合可以有效地提高分类的准确性。 相似文献
10.
从高分辨率遥感影像中提取道路信息具有重要的现实意义。针对现有影像分类方法无法直接获取高精度道路网信息及自动化程度低的问题,本文提出了一种基于OSM(OpenStreetMap)矢量路网辅助的道路提取方法,实现了对高分辨率遥感影像道路快速精确的自动提取。首先,采用灰度形态学的腐蚀、膨胀及开闭操作对遥感影像进行预处理;然后通过OSM路网提供的先验信息,对模糊C均值算法进行改进,并将输入的遥感影像粗分为3类;接着以粗分类结果作为分类特征,通过OSM矢量路网自动获取道路样本,使用支持向量机进行精分类,并采用粒子群优化算法选取最优分类参数;最后对分类结果进行形态学后处理,得到精确的道路网信息。利用两组Google Earth影像进行试验,结果表明,本文算法在道路网提取精度上要优于对比算法。 相似文献