排序方式: 共有87条查询结果,搜索用时 15 毫秒
2.
基于MODIS积雪产品的高亚洲融雪末期雪线高度遥感监测 总被引:4,自引:0,他引:4
以2001—2016年逐日MODIS积雪产品为主要数据源,在高亚洲区域发展了大尺度融雪末期雪线高度的遥感提取方法,并对其2001—2016年的时空变化特征进行了分析。提取方法首先对逐日的MODIS积雪覆盖率产品进行去云处理,获得积雪覆盖日数(SCD)数据集;并用冰川年物质平衡观测数据、融雪末期Landsat数据对提取终年积雪的MODIS SCD阈值进行率定;最后以MODIS SCD提取的终年积雪面积结合地形“面积—高程”曲线实现大尺度融雪末期雪线高度信息的提取。结果表明:① 高亚洲融雪末期雪线高度的空间异质性较强,总体上呈南高北低的纬度地带性分布规律;并因受山体效应的影响,雪线高度由高海拔地区向四周呈环形逐渐降低的特点。② 高亚洲2001—2016年融雪末期雪线高度总体上表现为明显的增加趋势。在744个30 km的监测格网中,24.2%的格网雪线高度呈显著增加,而仅0.9%的格网呈显著下降。除兴都库什、西喜马拉雅外,其他地区雪线高度均表现为升高趋势,显著上升的地区主要分布在天山、喜马拉雅中东部和念青唐古拉山等,其中以东喜马拉雅升高最为显著(8.52 m yr -1)。③ 夏季气温是影响高亚洲融雪末期雪线高度变化的主要因素,两者具有显著的正相关关系(R = 0.64,P < 0.01)。 相似文献
3.
多尺度邻域特征下的机载LiDAR点云电力线分类 总被引:1,自引:0,他引:1
利用机载激光雷达技术三维测量精度高且获取快速的优点进行电力线自动分类提取已成为点云数据处理与电力应用的重要领域。针对电力线分类模型的自动化和高精度需求,本文提出了基于三维多尺度邻域特征的机载LiDAR点云电力线分类提取模型框架,主要包括4个步骤:电力线候选点滤波、多尺度邻域类型选取、形状结构特征提取和支持向量机分类。通过对2个复杂城市区域的试验数据集和8种不同邻域类型的详细结果对比分析,发现基于多尺度圆球邻域形状结构特征的分类模型结果准确率、召回率和质量分别达到97%、94%和93%,同时整体处理时间在2个试验数据中分别从366、256 s减少到274、160 s。试验结果表明,该方法在多种复杂城市场景中能够实现机载LiDAR数据的电力线较高精度分类提取。 相似文献
4.
5.
6.
Tikhonov正则化法是大地测量中应用最为广泛的病态问题解算方法之一。影响正则化法解算效果的重要因素是正则化参数,然而,最优正则化参数的确定一直是正则化解算的难题,如L曲线法确定的正则化参数具有稳定性好、可靠性高的优点,但存在过度平滑问题,导致正则化法对模型参数估值精度改善较小。本文从均方误差角度分析了正则化参数对模型参数估计质量的影响。基于奇异值分解技术,提出了由模型参数投影值分块计算均方误差的方法,避免了均方误差迭代计算,并基于均方误差最小准则给出了正则化参数优化方法,实现了对L曲线正则化参数的优化。数值模拟试验与PolInSAR植被高反演试验结果表明,正则化参数优化方法有效改善了正则化法解算效果,提高了模型参数估计精度。 相似文献
7.
针对增量式SFM算法过渡依赖初始图像的选择,重建时误差累积导致场景漂移且计算效率低的问题,设计了一种改进的加速KAZE特征提取的全局式SFM三维重建算法.首先通过增强特征接受阈值并构造非线性尺度空间来提取图像的特征,使用改进局部差分二进制MLDB描述符对特征进行描述;然后利用全局式SFM算法对整个场景的相机位姿进行估计,从而减小误差并减少光束法平差BA的使用次数,降低了算法的复杂度,大大提高计算效率;最后利用基于面元的多视立体匹配PMVS算法得到稠密重建结果.实验结果表明,同等条件下该方法能够得到更多的有效点对,计算效率约为增量式SFM算法的2倍,且特征匹配准确率提高5%,稠密重建的点云精度高,信息丰富且纹理清晰,是一种有效的三维重建方法. 相似文献
8.
城中村作为一种特殊的城市聚落类型,对其进行精确有效的监控识别有助于实现城乡协调发展、优化城乡生态环境。现有面向对象的城中村识别方法通常需要大量样本数据,导致训练成本较高,数据更新效率偏低。针对以上问题,本文提出了顾及多分辨率特征的复合字典城中村识别方法。首先通过密集格网采样提取尺度不变特征转换(SIFT)全局特征,并与多分辨率颜色矢量角直方图特征融合,形成视觉词典;然后将影像表示为视觉词频率直方图;最后使用随机森林分类器进行分类,以实现场景尺度的城中村识别。以高分二号影像为测试数据对该方法进行验证,结果表明,其总体精度达90.08%,Kappa系数达80.16%,相较于加速稳健特征(SURF)、SIFT、VGG16、ResNet50,总体精度分别高出8.99%、3.51%、4.78%、2.28%。 相似文献
9.
正则化方法是大地测量解算病态问题的常用方法,而正则化参数是影响正则化方法解算结果的关键参数。以均方误差最小为准则选取正则化参数,具有较充分的理论依据,可有效实现模型参数估值精度的提升。但是,均方误差计算过程中需要未知参数的真值,在实际情形中只能通过参数估值替代真值估算均方误差,难以获得可靠准确的均方误差值,限制了正则化参数的有效性。鉴于此,本文分析了正则化参数变化引起的方差与偏差变化规律,提出了一种均方误差相对变化值确定方法。依据不同正则化参数下模型参数真值不变原则,计算不同正则化参数下的方差与偏差相对变化量,从而消除参数真值对均方误差估计的影响。本文首先利用不同正则化参数计算两相邻正则化参数间的方差与标准差相对变化量;然后计算两正则化参数间模型参数估值变化量,通过差分运算分析得到两相邻正则化参数下的偏差相对变化量;最后综合标准差变化与偏差变化关系,得到均方误差最大降幅的正则化参数。通过PolInSAR植被高测量试验对本文方法的可行性进行了验证。试验表明,本文方法可有效改善正则化法模型参数估计精度。两个PolInSAR测量试验模型参数反演精度均得到了提高,合理验证了本文方法的可行性与有效性。 相似文献
10.
不透水面作为反应城市表征变化和区域城镇化的重要技术指标,其位置、图斑大小、空间分布等信息在地表水热循环和能量平衡等领域被广泛需求。传统方法大都基于单一时相信息提取不透水面,而忽略多时相所蕴含的丰富信息。因此,本文提出多时相信息融合的不透水面级联提取方法,利用Landsat-8 OLI遥感影像分析归一化植被指数(Normalized Difference Vegetation Index, NDVI)、改进的归一化水体指数(Modified Normalized Difference Water Index, MNDWI)和归一化建筑指数(Normalized Difference Building Index, NDBI)年内时序变化特点和典型地物间多时相波谱曲线的协同特征,并归纳不透水面多时相变化规律;再根据先验知识所获取的有效地表信息,进行多时相分级提取不透水面信息。此外,基于实地考察数据和同期2 m GF-1遥感影像屏幕数字化生成30 m不透水面图斑,进行精度验证、分析和对比单时相、四季相及多时相3种时序情况下的提取精度。结果表明:单时相提取不透水面总精度最低,四季相提取精度优于单时相,而多时相提取精度最高(精度可达93.66%,Kappa系数为0.81)。本方法在偏远城镇不透水面的有效识别中显露潜在优势,可为不透水面提取方法融合时序波谱特征提供新思路。 相似文献