共查询到20条相似文献，搜索用时 93 毫秒
1.
基于面向对象技术的农田分类方法 总被引：1，自引：0，他引：1
《地理空间信息》2016,(10)
采用面向对象的分类方法,以富锦地区为研究对象,将纹理和拓扑信息加入中等分辨率遥感影像中,快速准确地提取耕地信息。研究结果表明,利用面向对象技术对遥感影像进行多尺度分割,并结合影像的光谱、形状和纹理特征对水田和旱地进行提取,提取后的成果总体分类精度达到了92%,Kappa系数为0.91,说明采用面向对象技术对中等分辨率遥感影像进行耕地提取的成果可靠,可为大面积土地分类提供技术支持。 相似文献
2.
余志飞 《测绘与空间地理信息》2016,(8)
针对MODIS遥感数据采用多波段谱间关系模型提取水体容易与阴影混淆,产生提取不精确的问题,作者改进了模型中的水体提取算法,然后对鄱阳湖的MODIS遥感数据进行水体提取实验。最终,实验结果表明,改进后的水体提取算法能够有效地提升水体提取精度。该方法现已运用到一些采用MODIS数据进行水体监测与提取的实践作业中。 相似文献
3.
对8个不同地区对应的同一时间的ETM+数据和MODIS数据,利用谱间关系法得到30 m和250 m分辨率具有不同景观格局分布的水体专题图,研究分辨率对不同景观格局分布的水体提取的影响。通过比较发现,区域内水体边缘密度很小时,ETM+和MODIS提取结果的误差很小;当区域内水体边缘密度很大时,ETM+和MODIS提取结果的误差相应就变大。通过引入景观格局指数与两种分辨率的提取结果进行回归分析发现,对于不破碎区域的水体,MODIS和ETM+可以得到相近的精度;而对于中度破碎的水体,引入景观格局指数信息能显著地提高中度破碎水体的精度;但对于高度破碎的水体,通过引入景观格局指数信息的多元回归几乎不能提高精度。 相似文献
4.
基于多源遥感数据的水体信息提取研究 总被引：1，自引：0，他引：1
卫星遥感技术已被广泛应用到水体信息提取中,但目前基于遥感技术的水体信息提取多采用单一的遥感数据源,而没有充分利用多源数据的信息复合优势,因此,提取结果经常受天气气候或空间分辨率限制。本文研究了不同尺度、不同平台的多种遥感数据源的水体信息提取方法。首先,基于波谱间关系决策树分类算法对Landsat ETM+图像进行水体提取,利用其分辨率优势较准确地提取出水体范围;其次,在Radarsat SAR图像上利用阈值法粗提取水体信息后,结合DEM剔除阴影得到水体信息;最后,利用灾前Landsat ETM+图像水体信息提取结果和灾中Radarsat SAR图像水体信息提取结果,进行差值处理,得到洪水淹没范围。研究结果可以为洪水灾害监测与评估提供信息依据。 相似文献
5.
多结构元素组合型MODIS影像水体边缘检测 总被引：1，自引：0，他引：1
受空间分辨率的约束,MODIS遥感影像中存在很多混合像元,不利于水体边缘信息的提取,为提高水体边缘混合像元的检测精度,本文提出了多结构元素组合型边缘检测算法。方法选取了适合于遥感影像水体边缘检测的膨胀型和腐蚀型算子,同时针对遥感影像自身的特点,构建了多尺寸多方位的结构元素,设计了不同的方向权重和尺寸权重系数,再将基于不同检测算子的边缘检测结果组合得到最终结果。实验结果表明与传统算法相比,多结构元素组合型边缘检测算法边缘提取效果良好,提高了水体边缘的检测精度。 相似文献
6.
7.
8.
在对太湖、巢湖等大型湖泊进行业务化蓝藻水华遥感监测工作中,常以250 m空间分辨率的MODIS数据为主,但其像元多为水体和水华的混合像元,若用常规方法进行水华面积提取,势必会严重影响水华监测的精度和实际应用效果。针对上述问题,基于混合像元分解原理,通过混合像元分解得到水华组分在混合像元中的丰度(百分比),实现亚像元级的水华面积提取。该方法可直接根据图像的DN值进行水华面积提取,无需对数据进行辐射校正和大气校正等预处理。与常规水华提取法相比,该方法的水华面积提取精度提高了近30%。 相似文献
9.
别开红 《测绘与空间地理信息》2013,36(7):146-148
随着空间技术的发展,遥感图像的分辨率越来越高。其重要性日渐显露。遥感图像处理的发展目标之一就是实现自动的识别及目标信息的自动提取。利用高分辨率的卫星(如快鸟卫星)影像识别地面目标是急需的,本文仅以遥感影像的水体提取为例。 相似文献
10.
随着遥感影像分辨率的不断提高,基于高分辨率遥感影像的目标自动提取逐步成为研究热点。本文采用面向对象的图像分析方法,基于Ecognition遥感图像处理平台,对IKONOS影像进行道路提取实验,重点对图像分割方案、道路提取规则、后处理方法等进行探讨。 相似文献
11.
基于GF2号卫星影像的农业信息提取方法对比分析 总被引：1，自引：0，他引：1
以GF2卫星0.8 m全色/3.2 m多光谱分辨率遥感影像为基础数据源,对基于GF2号卫星影像的农业信息提取流程和方法进行了研究与对比分析。首先对GF2号卫星影像进行波谱分析;其次对GF2号影像进行融合,并对多种融合方法进行质量评价;最后选择阈值法、波谱间关系法、非监督分类法和面向对象法分别对GF2号影像数据进行农业信息提取试验,并对信息提取结果进行精度验证和结果分析。试验表明,面向农业信息提取的GF2号卫星影像融合方法中,Pansharp融合算法融合影像色彩正常,无虚影,清晰度高,地类对比度正常,纹理清晰,熵值及与原始多光谱影像的相关系数高。阈值法和谱间关系法适用于提取单要素农业信息,非监督分类法能够初步获取研究区土地利用情况,面向对象法提取研究区全要素信息精度高。总体来说,不同信息提取方法具有各自的优势,在具体实际应用中,可以根据目标地类的波谱特性,选择适宜的遥感影像处理和信息提取方法。 相似文献
12.
13.
传统测量水中悬浮物质如泥沙、叶绿素等的方法是通过大面积、大范围的逐点采样,存在着速度慢、周期长、成本较高等不足,不利于进行区域的科学研究。而利用水体光谱分析能够克服以上诸多缺点。本文分析了含沙水体、含叶绿素水体及污染水体等水体的光谱特征,阐述了利用水体光谱的分析来测定水中泥沙、叶绿素含量的方法和原理,从而说明水体光谱分... 相似文献
14.
15.
Landsat7 ETM＋影像的融合和自动分类研究 总被引：25，自引：0，他引：25
利用SFIM、MLT、HPF和修改的Brovey(MB)等遥感影像融合算法对Landsat 7 ETM 影像进行融合和自动分类研究，并就融合影像的光谱保真度、高频空间信息融人度和分类精度对这些方法进行评价。结果表明SFIM变换几乎完全保持了原始影像的光谱特点，并具有最高的平均分类精度；MB变换具有最高的高频空间信息融人度；MLT变换也具有较高的分类精度；只有HPF变换的各项指标都不突出。所有4种融合影像的分类精度都较原始影像的分类精度有明显的提高。这表明，源于同一传感器系统的不同分辨率影像的融合可以避免异源传感器融合影像所常见的各种参数、时相和配准误差，所以能够明显地提高影像的自动分类精度。 相似文献
16.
17.
Hyperspectral image (HSI) and multispectral image (MSI) are two types of images widely used in the field of remote sensing. These images are useful in certain applications, such as environmental monitoring, target detection, and mineral exploration. HSI contains a large amount of spectral information. Photons are typically collected in a larger spatial area on the sensor to ensure a sufficiently high signal-to-noise ratio (SNR). Accordingly, the HSI spatial resolution is much lower compared with MSI. This low spatial resolution greatly affects the practicality of HSI. Accordingly, fusing a low-spatial resolution HSI (LR-HSI) with a high-spatial resolution MSI (HR-MSI) in the same scene to obtain a high-resolution HSI (HR-HSI) is a method for solving such problems, which resolves the contradiction that the spatial resolution and the spectral resolution cannot simultaneously maintain a high level. From the analysis of fusion effect, the spatial and spectral reconstruction errors of the existing algorithms are mainly reflected in the edge and detail areas. The method proposed in this work was a fusion algorithm for dictionary construction and image reconstruction based on detail attention. In terms of maintaining spectral characteristics, the spectral distribution in the detail area is complex and diverse because of the proximity effect of the image. This work proposes to perform dictionary learning on the image and detail layers. The detail perception error terms and a constraint of edge adaptive directional total variation are proposed for spatial characteristic enhancement, which is combined with a local low rank constraint in the same fusion framework to estimate the sparse coefficient. Experiments were conducted on two datasets, namely, Pavia University and Indian Pine, to verify the effectiveness of the proposed method. The quantitative evaluation metrics contain peak SNR, relative dimensionless global error in synthesis, spectral angle map, and universal image quality index. Based on the experimental comparison, the fusion result of the algorithm proposed in this work is significantly improved compared with those of the other algorithms in terms of spatial and spectral characteristics. This work uses dictionary learning to propose a fusion algorithm for dictionary construction and image reconstruction with attention to details through the analysis of the existing hyperspectral and multispectral image fusion algorithms. A hierarchical dictionary learning algorithm is proposed to address the problem of large reconstruction error in the detail part of the existing algorithms. The detail perception error term and the direction adaptive full variational regularization term are used to improve the spectral dictionary solution and coefficient estimation, respectively. The result of the fusion is the error in the spectral characteristics and spatial texture of the detail, which achieves an accurate representation of the edge detail. © 2022 National Remote Sensing Bulletin. All rights reserved. 相似文献
18.
Image segmentation is one of key steps in object based image analysis of very high resolution images. Selecting the appropriate scale parameter becomes a particularly important task in image segmentation. In this study, an unsupervised multi-band approach is proposed for scale parameter selection in the multi-scale image segmentation process, which uses spectral angle to measure the spectral homogeneity of segments. With the increasing scale parameter, spectral homogeneity of segments decreases until they match the objects in the real world. The index of spectral homogeneity is thus used to determine multiple appropriate scale parameters. The performance of the proposed method is compared to a single-band based method through qualitative visual interpretation and quantitative discrepancy measures. Both methods are applied for segmenting two images: a QuickBird scene of an urban area within Beijing, China and a Woldview-2 scene of a suburban area in Kashiwa, Japan. The proposed multi-band based segmentation scale parameter selection method outperforms the single-band based method with the better recognition for diverse land cover objects in different urban landscapes. 相似文献
19.
YE Zetian GU Xingfa LIU Xianlin WANG Zhimin 《地球空间信息科学学报》2000,3(2):35-40
1 ＩｎｔｒｏｄｕｃｔｉｏｎＩｎｍａｎｙｒｅｍｏｔｅｓｅｎｓｉｎｇａｐｐｌｉｃａｔｉｏｎｓ,ｔｈｅａｎａｌｙｓｉｓｏｆｔｈｅｍｕｌｔｉ＿ｓｅｎｓｏｒｓｄａｔａｆｒｏｍｄｉｆｆｅｒｅｎｔｔｉｍｅａｎｄｄｉｆｆｅｒｅｎｔｓｅｎｓｏｒｓｉｓｏｆｔｅｎｕｓｅｄｔｏｉｍｐｒｏｖｅｔｈｅｐｒｅｃｉ ｓｉｏｎｏｆｄａｔａｐｒｏｃｅｓｓｉｎｇ .Ｅｓｐｅｃｉａｌｌｙ ,ｉｎｔｈｅｄｙｎａｍｉｃｃｈａｎｇｅ＿ｍｏｎｉｔｏｒｉｎｇｏｆｅｎｖｉｒｏｎｍｅｎｔａｎｄａｇｒｉｃｕｌｔｕｒｅｒｅｍｏｔｅｓｅｎｓｉｎｇ ,ｐｅｏｐｌ… 相似文献