基于像素工厂处理不同影像数据源制作DOM的研究     

祝明  徐娜 《测绘与空间地理信息》2017,(6):186-190

简要介绍了像素工厂影像处理系统,通过卫星影像、ADS80影像、DMC框幅式影像3种数据源的处理,分析3种数据源处理过程中生产DOM(数字正射影像)各个环节的流程,以及在处理过程中与Arc GIS和Terrasolid等软件的配合使用。  相似文献   

矿泉水常识问答     

葛文彬  杨敏 《四川地质学报》2008,28(2):160-163

矿泉水中的饮用天然矿泉水在地下深循环条件下形成,化学成分稳定,水源卫生,细菌学指标安全。有一定含量的矿物盐、微量元素或二氧化碳气体,作为一种天然饮料,是其他饮用水无法比拟的,无须医生指导,长期饮用也不会对人体产生危害。  相似文献   

基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较   总被引：1，自引：1，他引：0  

吴剑  程朋根  何挺  王静 《测绘科学》2008,33(1):137-140

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。  相似文献   

论第二次土地调查与土地详查的主要区别     

张盈  高秋华 《测绘科学》2008,(Z1)

本文针对第二次全国土地调查任务与特点,阐述了土地详查与第二次土地调查在调查技术手段,土地分类标准,面积量算与检查方式等方面存在的主要差异,以利于更好的理解与掌握第二次土地调查中的相关技术要点,提高土地调查的效率与成果质量。  相似文献   

浅谈ADS100与ADS80航摄数据制作DOM的区别     

徐娜 《测绘与空间地理信息》2016,(9)

随着摄影测量技术的发展,航摄影像的应用越来越广泛。本文针对目前应用较广泛的ADS80、ADS100相机在硬件组成、技术参数、利用像素工厂制作数字正射影像的区别进行了对比与分析,并探讨总结了生产正射影像过程中需要注意的问题,为今后的生产过程提供参考。  相似文献   

利用端元光谱内插的青海植被覆盖度估算研究     

杜英坤  燕琴  童李霞  王晓波 《测绘科学》2016,41(9):87-90,169

针对利用像元二分模型估算植被覆盖度的精度不高的问题,该文基于OSAVI,提出了选定模型参数(OSAVIs和OSAVIv)的方法,并将该方法应用于青海省植被覆盖度估算。该方法通过高分辨率影像在研究区内选取纯裸地和纯植被样点,并将纯裸地样点的OSAVI作为纯裸地样点像元的OSAVIs,将纯植被样点的OSAVI作为纯植被样点像元的OSAVIv,利用样点像元的OSAVIs和OSAVIv值,通过普通克里金内插法,求得研究区每个像元对应的OSAVIs和OSAVIv。经精度验证结果表明:此方法较常规的参数选取方法,RMSE由0.170降至0.156,MAE由0.137降至0.124。经进一步分析表明,此方法对边缘验证点和非边缘验证点的估算精度都有所提高,由于配准误差和周围地表漫反射的影响,边缘验证点的估算精度低于对非边缘验证点的估算精度。  相似文献   

结合像元分解和STARFM模型的遥感数据融合   总被引：4，自引：2，他引：2  

谢登峰  张锦水  孙佩军  潘耀忠  云雅  袁周米琪 《遥感学报》2016,20(1):62-72

高空间、时间分辨率遥感数据在监测地表快速变化方面具有重要的作用。然而,对于特定传感器获取的遥感影像在空间分辨率和时间分辨率上存在不可调和的矛盾,遥感数据时空融合技术是解决这一矛盾的有效方法。本文利用像元分解降尺方法(Downscaling mixed pixel)和STARFM模型(Spatial and Temporal Adaptive Reflectance Fusion Model)相结合的CDSTARFM算法(Combination of Downscaling Mixed Pixel Algorithm and Spatial and Temporal Adaptive Reflectance Fusion Model)进行遥感数据融合。首先,利用像元分解降尺度方法对参与融合的MODIS数据进行分解降尺度处理;其次,利用分解降尺度的MODIS数据替代STARFM模型中直接重采样的MODIS数据进行数据融合;最后以Landsat 8和MODIS遥感影像数据对该方法进行了实验。结果表明:(1)CDSTARFM算法比STARFM和像元分解降尺度算法具有更高的融合精度;(2)CDSTARFM能够在较小的窗口下获得更高的融合精度,在相同的窗口下其融合精度也高于STARFM;(3)CDSTARFM融合的影像更接近真实影像,消除了像元分解降尺度影像中的"图斑"和STARFM模型融合影像中的"MODIS像元边界"。  相似文献   

点云中混合像元的探测与剔除算法     

王春林  郑德华  孟敏  许烨璋 《测绘与空间地理信息》2016,(1):102-105

针对地面三维激光扫描仪扫描过程中产生混合像元的问题,通过对混合像元产生原理和相关特性的分析,提出了一种用于探测和剔除混合像元的算法,并且编制相应的计算机程序予以实现。同时以球体作为实验扫描对象,用混合像元剔除算法对扫描过程中产生的混合像元予以剔除,并比较了混合像元剔除前后点云拟合模型与实际物体在尺寸上及拟合精度的差异,从而验证了该算法的有效性和实用性。混合像元探测与剔除算法可以为后期进行的点云配准、特征提取和曲面建模等工作提供更精确的点云。  相似文献   

结合地物空间特性的高光谱图像分类方法研究     

韩玲  张若岚  谢秋昌 《测绘科学》2011,36(3):150-151

以往的高光谱或多光谱图像分类与识别,往往只关注像元光谱维上的特性,其一切特征统计也只在光谱及波段维上展开。但是自然界的复杂性、混合像元问题的存在,仅靠像元的光谱特性是不够的,常会出现"麻点"现象。针对这一问题,本文提出一种结合地物空间特性的高光谱图像分类方法,其分类过程可以分为两个阶段,第一阶段是基于像元光谱特性的图像分类,获得影像分类图;第二阶段是针对第一阶段的分类结果,结合地物空间特性进行空间后分类处理。试验研究结果表明,该方法能够保持地块的连续性和均一性,同时克服了"麻点"现象,大大提高分类的精度。  相似文献   

AVHRR 1B定位数据经验插值模型的误差分析     

马海建  秦其明  金川 《地理与地理信息科学》2007,23(5):19-21

确定像元地理坐标是几何纠正及卫星数据应用的基础。经验插值方法常用于计算高分辨率辐射计AVHRR1B定位数据,研究插值模型的定位误差具有重要意义。该文分析了AVHRR像元空间位置和像元大小,利用AVHRR扫描线的圆心角θ表示像元的位置,建立了像元位置θ和像元大小Δθ的表达模型;根据分段线性插值模型,计算插值后的像元位置θafter和像元大小Δθafter,获得分段线性插值模型的像元位置和大小的误差模型。  相似文献