排序方式： 共有17条查询结果，搜索用时 15 毫秒
11.
集成夜间灯光数据与Landsat TM影像的不透水面自动提取方法研究 总被引：1，自引：0，他引：1
利用多源遥感数据提取不透水面信息是一个重要的研究方向。针对以往研究中多需要人工选取不透水面样本进行模型训练的问题,本文通过整合夜间灯光遥感与Landsat TM影像中的空间和光谱信息实现了不透水面覆盖范围（Impervious Surface Area,ISA）的自动提取。首先根据夜间灯光的分布来定位ISA聚集的城市区域的位置,分别在城市区域内部和外部自动提取可靠性高的ISA及非ISA样本,然后通过迭代分类提取城市区域的ISA,再以此为样本对城市区域外部进行分类,最后将分类结果整合完成整幅影像的ISA提取流程。应用本方法对美国雪城地区的DMSP/OLS夜间灯光影像上提取了84个城市区域,提取精度大于95%。从中分别选择高ISA密度和低ISA密度的2个城市区域作为ISA提取的测试区,本文方法在城市区域内的ISA提取总体精度与kappa系数分别为88.23%和0.63;在城市区域外部为78.6%和0.54,均优于人工样本选取方法的提取精度,表明该方法能够实现精度稳定且高效的ISA自动提取。 相似文献
12.
高分遥感驱动的精准土地利用与土地覆盖变化信息智能计算模型与方法研究 总被引：1，自引：0，他引：1
通过对地观测可在影像空间上全面反映地表地理现象、格局及演化过程,基于遥感数据提取的土地利用与覆盖变化（LUCC）产品为分析地理要素空间分布规律及其变化机制提供全覆盖、定量化和快速更新的本底信息。本文以高分辨率遥感视觉特征（图）与多源多模态观测机理特征（谱）相互耦合的图谱认知理论研究为基础,提出了精细地理图斑空间结构（精）上融合定量指标反演模型（准）的精准LUCC简称P-LUCC（Precision LUCC）的概念,并依据“五土合一”的地理学思想构建了分层感知、时空协同与多粒度决策于一体的P-LUCC遥感信息智能提取与综合地理应用方法,提出并解析了其中视觉感知的深度学习、外部知识逐步融入的迁移学习以及增量式的自组织强化学习等3类机器学习模型的协同计算机制。基于此,进一步设计了“分区控制—分层提取—分级迁移—功能重组”为途径的高分辨率遥感P-LUCC信息产品生产线系统,并以苏州市高新区为应用区域针对土地利用（LU）图斑的形态、类型以及土地覆盖变化（LCC）的指标等内容开展了P-LUCC产品精度、生产效率的综合分析,展望了基于P-LUCC信息产品开展专题应用研究的新思路。 相似文献
13.
在进行北美阿拉斯加地区多期影像湖泊变化分析过程中,由于该区域长期被冰雪及湖泊覆盖,几乎没有较明显的地面标志点可作为影像配准控制点,给影像的配准工作带来困难。在分析长时相区域湖泊形状变化的基础上,认为湖泊中最稳定的点为湖泊的中心点,该点位置随湖泊面积的变化不大,可以作为影像配准的控制点。与多边形质心相比,多边形的最大内圆圆心始终位于多边形的内部,且以该点为圆心的内圆半径最大(对应的内圆即为最大内圆),其计算方法可以应用矢量多边形的Voronoi图来求得。本文在分析简单多边形Voronoi图性质及其计算方法的基础上,提出了一种面向复杂多边形的最大内圆圆心点查找方法,给出了其算法实现流程与算法的复杂度分析。通过北美阿拉斯加地区湖泊最大内圆圆心查找的测试实例,表明本文提出的方法能够较好地计算出各种复杂矢量多边形的最大内圆圆心点,并达到较高的计算效率,且以多边形最大内圆圆心点作为配准点实现的影像间配准效果也较好。 相似文献
14.
遥感影像的获取受卫星、传感器设计、大气条件等限制,往往难以兼顾时间和空间分辨率,导致由单一来源数据提取遥感信息难度较大,难以满足各种应用对信息时空分辨率越来越的需求。由此出发考虑多源数据的不同优势及其随着周期运行不断积累的多时相数据,设计了基于地块协同多种分辨率甚至多源数据的分类方法。以高空间分辨率影像为地理基准构建稳定地块分布图,这些地块在一定时间内边界与基本属性相对稳定,由此可以协同利用高时相分辨率数据反映地块在不同时间点的光谱表现,分别计算形成地块的时相变化特征,根据地类各自特点选择不同方法与数据特征完成解译,总体上以地块级监督分类完成具体类别解译。在2014年夏季青海玛多的米级土地利用分类实验中,整个植被生长季的中分数据以及冬季无云高分数据被收集用于协同分类,在解决多数据匹配、合成的基础上充分利用各数据的优势,对建设用地、水体、植被等关键类别区别对待,整体上取得了较高的解译精度,不但有效克服传统视角下数据源不足、信息缺失等问题完成了全县解译,而且保证了土地信息的时空分辨率,为生态调查与保护提供了最新最全数据支持。 相似文献
15.
自动提取城市建筑物对城市规划、防灾避险等行业应用具有重要意义,当前利用高空间分辨率遥感影像进行建筑物提取的卷积神经网络在网络结构和损失函数上都存在提升的空间。本研究提出一种卷积神经网络SE-Unet,以U-Net网络结构为基础,在编码器内使用特征压缩激活模块增加网络特征学习能力,在解码器中复用编码器中相应尺度的特征实现空间信息的恢复;并使用dice和交叉熵函数复合的损失函数进行训练,减轻了建筑物提取任务中的样本不平衡问题。实验采用了Massachusetts建筑物数据集,和SegNet、LinkNet、U-Net等模型进行对比,实验中SE-Unet在准确度、召回率、F1分数和总体精度 4项精度指标中表现最优,分别达到0.8704、0.8496、0.8599、0.9472,在测试影像中对大小各异和形状不规则的建筑物具有更好的识别效果。 相似文献
16.
由于地域、天气等原因造成的云影问题,导致了水体时序分析困难。本文以资源三号（ZY-3）影像作为辅助数据,以环境与灾害监测预报小卫星影像（HJ-1）作为研究数据,通过提取一个时间段内多景时相相近HJ-1数据中有效水体信息,迭代补充成完整的水体提取结果,将不同时间段内影像水体提取的完整结果形成时序监测数据,以达到对某地区水体时序变化监测的目的。通过对淮河流域安徽段研究区水体分布监测表明,该方法能充分利用每个时间段内质量不理想的源数据,对相近时相数据迭代补充,完整提取该时间段内的水体信息。多个时间段迭代补充形成的时序数据可有效支持时序监测。本文在研究区共选取了8295个查找点,结果表明：2013年该研究区洪季（7、8月）水体信息比旱季（3、4月）更丰富,特别是东南部在洪季形成了许多零散水体;相较于旱季,洪季研究区水域面积增长了22.1%。 相似文献
17.
土地执法监察是国土资源管理业务体系的重要内容之一。当前土地执法监察工作多以传统手工作业为主,工作效率需要提升。随着高空间分辨率遥感技术的发展,借助高分辨率遥感影像实施准确、快速的土地执法监察成为可能。本文在分析实际应用需求和最新技术发展的基础上,以国产高分辨率影像提取违法建设用地为出发点,选取浙江省台州市黄岩区为研究区,开展县区级土地执法监察应用研究。借助面向对象变化检测与建设用地提取等技术获取了疑似的违法新增建设用地,取得了较好的应用效果,为挖掘国产高分辨率卫星影像在土地执法监察应用方面的潜力提供了参考。 相似文献