排序方式： 共有5条查询结果，搜索用时 8 毫秒
1
1.
基于Freeman_Durden分解的全极化SAR影像分类方法能够较好地保持地物极化散射特性,但在分类的过程中,不能改变初始散射机制,导致分解结果对分类精度影响很大。在Freeman_Durden分解中,排列方向相对雷达飞行方向不平行的建筑物（简称为倾斜建筑物）常被分为体散射类型,使得该类建筑物往往被误分为植被。本文通过分析建筑物在SAR影像中的后向散射特性,利用建筑物具有较高相干性的特点,引入最优极化相干系数,在目标分解的基础上通过阈值分割将两者区分开来,进而提高反射非对称性人工目标的分类效果。通过使用E-SAR系统在德国DLR附近Oberpfaffenhofen地区获取的L波段PolInSAR影像和国内X-SAR系统在海南陵水地区获取的X波段PolInSAR影像进行实验,证明本文提出的方法能够有效地将与雷达飞行方向不平行的建筑物与森林区分开。 相似文献
2.
提出一种基于抽取和处理感兴趣区域,在区域层面上决策生成变化检测结果的技术。该技术包含两个关键点。一个是借用平稳小波变换(stationary wavelet transform,SWT),结合模糊C-均值(fuzzy C-means,FCM)聚类算法和尺度间融合策略获取抽取感兴趣区域的标签。另一个是依据标签搜索感兴趣区域内所有的连通区域,并把每个连通区域看做为一个数据点,以使变化检测结果在区域层面上生成。借助于这两点,本文方法结果的主观效果和客观性能都优于其他相关技术。对真实SAR图像数据集的变化检测结果证实本文方法的有效性。 相似文献
3.
在现有的变化检测方法中,针对差分图像的方法得到了广泛的应用,但现有该框架下的技术都在在像素层面上决策产生的变化检测结果,这易使结果中存在诸如有噪声般散落的杂点、连通区域内有孔洞及边缘不平滑等缺陷。为此,本文给出一种在区域层面上决策生成变化检测结果的技术,其核心为抽取并处理感兴趣区域,而关键在于获取合适的抽取感兴趣区域的标签和如何在区域层面上生成变化检测结果。为使抽取的感兴趣区域包含几乎所有的变化类信息,我们用平稳小波变换和模糊C-均值(Fuzzy C-Means, FCM)算法分两步获取抽取感兴趣区域的标签;为在区域层面上生成变化检测结果,我们依据标签搜索感兴趣区域内所有的连通区域,并把每个连通区域看作为一个数据点,再由阈值技术处理这些数据点生成最终的变化检测结果。对真实SAR图像数据集的变化检测结果表明,其主观效果和客观性能都优于其他相关技术的。 相似文献
4.
5.
自适应空间邻域分析和瑞利-高斯分布的多时相遥感影像变化检测 总被引：1，自引：0，他引：1
提出了一种基于自适应空间邻域分析和瑞利-高斯模型(Rayleigh-Gauss models, RGM)分布的多时相遥感影像自动变化检测方法。该方法把自适应空间邻域信息和改进的差值影像与比值影像乘积变换融合 法(improved multiplying transform fusion, IMTF)结合构造差异影像, 可以有效地抑制噪声和消除多时相影像之间配准误差的影响, 具有更强的鲁棒性。在对差异影像的分割处理中, 运用瑞利和高斯模型分别模拟变化类像元和非变化类像元的分布情况, 然后估计出两类像元的概率 相似文献
1