排序方式: 共有3条查询结果,搜索用时 93 毫秒
1
1.
高光谱图像经过辐射校正后,消除了探测元的响应差异,能更好地满足专题信息提取的数据要求.利用探测元的列均值、列标准差等统计信息对天宫一号高光谱短波红外数据进行辐射校正检验,并基于GPU CUDA计算模型对均值归一化、矩匹配、相邻列均衡等3种相对辐射校正算法进行了并行计算优化.通过辐射校正计算流程拆分,CPU控制流程逻辑,GPU执行数据级并行计算,并建立CUDA的计算单元与数据单元的映射关系,获得5—7倍的计算加速比,这些辐射校正算法依据图像自身统计信息,且易于进行并行计算优化,满足实时校正的处理时效要求,为未来高光谱数据在轨实时辐射校正提供了新思路. 相似文献
2.
3.
基于实测光谱数据的太湖水华和水生高等植物识别 总被引:5,自引:2,他引:3
水华和水生高等植物的识别对于内陆水质遥感监测至关重要,其分布状况既可以用于表征水牛植物的分布状况,从而间接反映水质分布状况,又可以进一步利用非水华和水草的水体遥感数据进行水质参数反演.然而,常用的多光谱遥感数据很难精确识别水华和水草,只有高光谱遥感数据才能够捕捉水华、水草和水体细致的光谱差异,从而对水华和水草进行精确识别.但是目前还缺乏基于高光谱遥感数据的水华和水草识别的系统性研究.以太湖为研究区,于2006年7月和10月开展了2次水面光谱测量实验,获取了水华、浮叶植物、沉水植物和水体的反射率光谱.在光谱分析的基础上,首先建它了4种光谱指数,进而利用这4种光谱指数建立了水华、浮叶植物、沉水植物和水体的判别公式,并利用2006年10月水面实验测量的光谱数据训练得到了判别公式中的阈值.通过2006年7月水面实验测量的光谱数据的检验,证明提出的判别公式能够很好的识别水华和水草,获得了较高的识别精度. 相似文献
1