排序方式： 共有17条查询结果，搜索用时 15 毫秒
1.
2.
我国遥感对地观测等项目顺利实施,获取了大量时效性强、覆盖范围广、信息量丰富的遥感数据.但遥感影像智能化自动处理技术发展仍相对滞后,无法满足区域/全球大范围地物信息快速提取的需求.近年来,人们利用深度学习技术显著提高了影像特征提取成效,但由于所使用的深度学习样本数量和类型有限,对于多源遥感影像的自动解译能力仍然不足.本文面向大范围多源遥感影像地物信息智能解译需求,在分析现有样本集现状及问题的基础上,研究提出遥感影像智能解译样本库设计方案,并在此基础上设计了基于互联网的样本协同采集与共享服务框架.本文将为多源遥感影像样本库建设提供参考,为大范围遥感影像智能解译提供支持. 相似文献
3.
基于物方空间几何约束最小二乘匹配的建筑物半自动提取方法 总被引：8，自引：0，他引：8
提出了一种从数字航空立体像对半自动提取建筑物的方法。操作员通过人机界面选择房屋的种类并输入初始位置，然后经过边缘检测、直线段提取和据此房屋几何模型的线段自动编组等处理得到各房屋角点的初始位置，最后，为了获得房屋的精确定位和符合物方严格几何约束的结果，基于物方空间几何约束的最小二乘匹配平差模型用于求取房屋直线边缘和物方几何模型的最优匹配，试验表明，该方法能提高建筑物的提取精度并可为半自动建筑物提取提供一个灵活的框架。 相似文献
4.
5.
云的存在会对遥感影像的处理及目标识别等产生影响,因此,自动提取云对高分辨率卫星影像的应用具有重要意义。高分影像上更加复杂的云的细节形态及似云目标的干扰,使得高分影像的自动云提取难以达到实用水平。本文以雪地为例,选取形状、纹理和边缘3个差异化特征作为云与似云目标区分的关键,提出了一种区分高分辨率遥感影像中云和似云目标的云检测算法。首先利用Wallis滤波对输入影像进行预处理,增强影像中不同尺度的影像纹理模式;然后对影像进行快速稳定的均值漂移分割,利用灰度和纹理特征构成支持向量机的第一层分类器,将分割后的区域对象分成"云"和普通地物,再利用边缘、形状、纹理等特征结合灰度特征构成支持向量机的第二层分类器,将"云"区分为云区和似云目标;最后使用Grab-cut对云检测结果进行边缘迭代精化。本文算法取得了优良的试验结果,证明了算法在似云目标干扰下对高分辨率遥感影像进行精确云检测的能力。 相似文献
6.
近年来,随着遥感技术的快速发展,遥感对地观测数据获取量与日俱增。在对海量遥感数据的特征提取与表征上,基于深度学习的智能遥感影像解译技术展现出了显著优势。然而,遥感影像智能处理框架和信息服务能力还相对滞后,开源的深度学习框架与模型尚不能满足遥感智能处理的需求。在分析现有深度学习框架和模型的基础上,针对遥感影像幅面大、尺度变化大、数据通道多等问题,本文设计了嵌入遥感特性的专用深度学习框架,并重点讨论了其构建方法,以及地物分类任务的初步试验结果等。本文提出的智能遥感解译框架架构将为构建具备多维时空谱遥感特性的深度学习框架与模型提供有力支撑。 相似文献
7.
8.
9.
快速城镇化是造成城市内涝加剧的重要原因之一。城市不透水面面积的显著增长是快速城镇化的直接表现。为了实时提供准确的城市不透水面区域情况,开展多源数据融合不透水面的提取研究,结合多光谱影像和高空间分辨率卫星影像丰富的光谱和空间信息、机载激光点云数据的高程和强度信息等优势,将基于图论的最优分割方法引入不透水面提取中,将不透水面的提取转换为不同数据源下的最优标记问题,通过多源特征融合获得更精确的提取结果。以广州市为例的研究结果表明,与传统遥感方法及单一数据提取法相比,这一方法的精度得到了明显提高,并且大大减少了提取过程中的人工干预,使算法具有更高的适应性和稳定性。 相似文献
10.
变分法遥感影像人工地物自动检测 总被引：1，自引：1，他引：0
人工地物（建筑物、道路、桥梁等）检测是目标识别的一个重要组成部分。本文将人工地物检测转换为能量泛函数最优化问题。首先对遥感影像进行超像素分割,综合图像的颜色、纹理、梯度等信息,以超像素为单元计算图像的显著度信息,然后构建一个包含显著性约束、面积和边界约束、纹理约束及灰度方差约束的能量泛函数,通过变分法迭代求解能量泛函最小值,获取目标前景部分即为人工地物区域。本文以重庆和广东某地的遥感影像数据为例对算法进行验证,将其与常见的人工地物目标提取算法,如C-V模型、MRF模型,以及当下研究较为热门的深度学习算法进行对比。试验结果表明,该算法能有效地检测出遥感影像中的人工地物区域,并保证较低的误检率及漏检率。论文对该方法与深度学习方法进行了一定的分析对比。 相似文献