排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
针对高空间分辨率遥感影像中的地物具有多尺度特性,以及各个尺度的对象特征对地物分类精度的影响具有较强的尺度效性,并结合面向对象影像分析方法和多尺度联合稀疏表示方法在高空间分辨率遥感影像分类中的各自优点,提出了一种面向对象的多尺度加权稀疏表示的高空间分辨率遥感影像分类算法。首先,采用多尺度分割算法获得多尺度分割结果并提取对象的多尺度特征;然后,根据影像对象的多尺度分割质量测度计算各尺度的对象权重,构建面向对象的多尺度加权联合稀疏表示模型;最后,采用2个国产GF-2高空间分辨率遥感数据集和1个高光谱-高空间分辨率航空遥感数据集(WashingtonD.C.数据)验证该算法的有效性。试验结果表明,与SVM、像素级稀疏表示、单尺度和多尺度对象级稀疏表示和深度学习等算法相比较,本文算法获得了较高的OA和Kappa分类精度,提高了各个尺度地物的分类精度,有效抑止了地物分类结果中的椒盐噪声现象,同时保持大尺度地物的区域性和小尺度地物的细节信息。 相似文献
4.
5.
随着气候变化研究的进一步深入,中国已经积累和发布了越来越多气候变化方面的数据,为深入系统的科学研究和科技创新提供了宝贵的数据资源。相关数据存量越来越大,存储类型越来越丰富,促使我们进入一个前所未有的大数据时代。大数据时代需要对海量数据进行挖掘和应用,必然离不开数据的开放和共享。本文首先对气候变化驱动因素科学数据、气候变化事实科学数据、气候变化影响与适应科学数据、气候变化未来预估科学数据、气候变化相关经济社会数据五大类别数据共享服务的现状进行了全面总结,并对数据质量及数据应用的特色进行了系统分析。在此基础上,对大数据背景下气候变化科学数据共享服务未来的发展趋势如服务管理、市场化运营、商业服务、公众服务、数据出版、区块链技术、人工智能、数据挖掘、机器学习、基于模型计算的动态数据共享等进行了展望。最后,总结了气候变化科学数据共享服务在大数据时代所面临的挑战。 相似文献
6.
1