排序方式： 共有72条查询结果，搜索用时 93 毫秒
1.
基于机器学习分类器的极化合成孔径雷达（synthetic aperture radar, SAR）影像水体提取方法具有较高的可靠性,但其通常依赖于大量的训练样本,利用该方法进行多时相极化SAR影像的水体提取时,在每一景影像上都人工标注足够数量的训练样本是十分困难且耗时的。同时,SAR影像上固有的相干斑点噪声会进一步加剧样本标注的难度。对此,引入迁移学习方法,利用其知识迁移能力将已有的训练样本的类别标签信息迁移至未标注的样本,以降低获取新样本所需的人工代价,提高水体提取的时效性。使用6景极化SAR影像和4种迁移学习方法进行最佳源域影像选取、样本标签迁移和水体提取实验,实验结果表明,迁移学习方法可以准确地将源域影像上的训练样本的标签信息迁移至其他影像,有效减少其他影像进行水体提取需要的人工标注样本的数量,同时能够维持较高的水体提取精度,在洪涝灾害应急响应中具有一定的应用价值。 相似文献
2.
分别利用多通道Gabor滤波器和马尔可夫随机场模型对纹理图像进行分析，得到两组特征影像。将上述两组特征影像进行融合，最后利用融合后的数据实现图像的分类。实验证明，基于上述方法的纹理特征融合分类算法大大提高了图像的分类精度。 相似文献
3.
一种自适应正则MAP超分辨率重建方法 总被引：5，自引：0，他引：5
提出了一种简单、通用的基于自适应正则化技术的MAP超分辨率重建新方法，该方法可以自适应地选择正则化参数，并充分利用中间重建结果的信息，不断对其进行更新，通过迭代过程得到最终的重建影像。利用模拟序列影像和真实序列影像分别对本文方法进行了验证，结果表明，本文方法可以根据不同影像序列的特点，自适应确定相应的正则化参数，并能找到最优解，适用性较强。 相似文献
4.
基于支撑向量回归的高光谱混合像元非线性分解 总被引：10，自引：1，他引：10
提出了基于支撑向量回归的高光谱混合像元自动分解.首先利用投影迭代的方法自动寻找到影像的典型地物光谱,然后利用Hapke近似函数模拟出非线性的训练和测试数据.支撑向量回归的混合像元分解方法与基于基函数分解方法的不同点是不需要预先确定非线性的映射形式,它通过核函数,把像元矢量从低维空间映射到高维特征空间,使得在特征空间中构造的线性光谱组合对应着原始空间（像元空间）的非线性组合特性,从而揭示了典型地物光谱之间的高阶性质,提高了混合像元的分解精度.实验结果证明,这种方法具有很高的混合像元的分解精度.利用模拟数据作分解精度的评价,表明97%以上的像元分解绝对误差不大于10%,而各类总体平均平方根误差均小于3.5%. 相似文献
5.
基于支撑向量机概率输出的高光谱影像混合像元分解 总被引：5，自引：0，他引：5
提出利用支撑向量机（SVM）后验概率来分解高光谱影像的混合像元，通过支撑向量机的输出值转化为两两配对的后验概率，再由两两配对的概率值求得多类后验概率，并以像元所属类别的后验概率作为地物的组分信息。实验结果表明，该方法能较好地估计出混合像元的组分比。 相似文献
6.
基于小波的高分辨率遥感影像纹理分类方法研究 总被引：7，自引：0，他引：7
在基于小波的纹理分类算法的基础上，提出了逐点特征加权和活动窗口算法，使小波纹理分析能够用于高分辨率遥感影像的分类。逐点特征加权算法用样本的均值和方差构造偏离量，对纹理特征进行自适应加权。实验结果表明，本文提出的算法能够有效地提高分类精度．使地物的内部和边缘的分类效果都得到改善。 相似文献
7.
为了更好地解决亚像元的定位问题，基于超分辨率影像重建的技术，结合亚像元定位理论，提出了一种应用于亚像元定位的正则MAP估计模型，并且通过真实数据进行了检验。实验表明，该模型是一种简单、有效地解决亚像元定位问题的方法。 相似文献
8.
提出了一种基于地形区域分割的分类方法,在影像中利用地形特征数据预先划分出每种地物的分布区域,然后以区域为基本单位对影像进行分类,同时利用DEM数据对影像进行地形校正,减小了同种地物内部由于地形起伏造成的光谱离散的现象。利用湖北西部山区的TM影像和DEM数据的试验证明,利用地形特征数据进行分割的分类方法与仅考虑光谱特征的分类方法相比较,分类精度有了明显的提高。 相似文献
9.
10.