排序方式： 共有12条查询结果，搜索用时 62 毫秒
11.
在运用混合高斯密度模型对差分影像建模的基础上,分别采用顾及上下文信息的概率松弛迭代法和马尔可夫随机场模型法进行影像的变化检测.首先,提出一种运用遗传K均值算法与EM算法联合解算高斯混合密度模型参数的方法,该方法可以自动地解算出模型的统计参数,结果与手工选择样本的解算结果完全一致.然后,比较概率松弛迭代法以及马尔可夫随机场模型法的影像变化检测效果,得出基于模拟退火法的马尔可夫随机场法效果较好的结论.最后,对传统的基于模拟退火法的马尔可夫随机场方法进行改进,提出了一种变权马尔可夫随机场方法,检测结果能更好地保持影像的结构性,并有效去除了孤立噪声. 相似文献
12.
结合归一化火灾差异指数NDBR(normalized difference burn ratio)和MODIS多波段影像梯度边缘分析手段检测火线, 应用B样条函数拟合火线并确定火势蔓延方向。为对比验证, 基于火线的Kriging插值实现火灾外推预测, 与30min后的火灾参考数据目视对比与统计：火线的预测变化与参考影像基本保持一致, 火灾外推影像的均值和熵约为参考影像的86%和81%, 火迹地检测的Kappa系数达80.2%。试验表明, 提出的森林火线特征自动检测方法在动态火灾监测中是可行、有效的。 相似文献