排序方式： 共有17条查询结果，搜索用时 15 毫秒
1.
图像分类中基于核映射的光谱匹配度量方法 总被引：1，自引：0，他引：1
针对多光谱遥感数据特点利用SSV匹配技术改进高斯核函数得到新的KSSV函数,然后在由KSSV核函数映射得到的高维空间中利用SAM匹配技术代替基于欧氏距离的相似性度量。如此可以充分挖掘多光谱影像中的波谱特征信息并有效利用,提高模式识别方法应用的有效性。将此方法分别应用于非监督分类(k均值)与监督分类(最小距离、SVM)的试验表明,改进度量的分类方法可显著提高地类间的可区分度并有效降低类内的不一致性,更有效针对多光谱遥感影像中的地物类型,获得较好的精度改进。 相似文献
2.
目的 在遥感影像湖泊提取结果进行矢量化之后,需要对多景影像的湖泊提取矢量数据进行拼接并形成湖泊信息专题图,不同的拼接策略直接决定区域湖泊数据拼接的效率。结合湖泊提取结果的矢量数据拼接与专题图制作问题,在分析矢量数据拼接原理与过程的基础上,首先分析了两景矢量数据的拼接方法与最佳策略,重点研究了面向大区域多景矢量数据的拼接策略,提出了两种实用的高效矢量数据拼接方法,即基于任务队列与基于间隔选择的策略,分析了不同策略的特点与适用情况。实际应用中,可以根据实际情况进行选择,较大程度地提高矢量数据拼接的效率。 相似文献
3.
针对贫困区生态环境与资源的地表覆盖精细化调查需求,本文利用高分辨率遥感影像开展了土地覆盖信息提取的方法和应用研究.重点分析了高分辨率影像均值漂移分割,多特征提取与分析,对象级样本采集以及监督分类等技术,并综合实现了流程化的对象级土地覆盖分类.结果表明,本文串联的高分辨率影像分类技术能生成较精细的土地覆盖专题图,可及时为贫困区生态资源环境评价,碳核算等应用提供较可靠的地表覆盖数据. 相似文献
4.
遥感图谱认知理论与计算 总被引：1，自引：0，他引：1
近年来,随着对地观测技术的迅猛发展,卫星遥感领域逐渐进入了大数据时代。针对当前遥感应用的需求和特点,开展与视觉认知相结合的高分辨率遥感认知理论与方法研究是可行且必要的。在此背景下,受地学信息图谱思想启发,本文对遥感认知领域的图谱问题进行了研究,系统地提出了遥感图谱认知理论与计算方法论,旨在规范高分辨率遥感信息提取流程,构建精细化、定量化、智能化、综合化相结合的遥感信息解译模型。整套方法体系由横向“自底向上的分层抽象”和纵向“自顶向下的知识迁移”2个方向上的认知计算组成,分别对应了“由谱聚图”、“图谱协同”和“认图知谱”3大图谱转化过程。论文对涉及的概念、基本思想、关键技术及难点问题进行了重点分析,强调综合利用大数据、逐步融入知识来实现不同层次的遥感认知,以期为数据源极大丰富条件下的遥感信息解译提供新的视角。 相似文献
5.
通过对自动化样本选择方法进行研究,实现了局部区域内面向对象的土地覆被自动分类。首先通过模糊聚类获得影像中的候选对象样本,分别提取影像特征和先验知识中的地类特征,通过预设阈值完成样本初步筛选,然后根据先验知识进行半监督距离度量学习,完成样本的自动选择,并为最终的监督分类提供度量依据。应用舟曲泥石流灾区影像进行了实验,结果表明,本文方法与基于人工选择样本的分类结果精度非常接近,同时在多次实验中表现出较高的稳定性,相对人工方法更加客观,适合批量自动化处理。 相似文献
6.
图谱迭代反馈的自适应水体信息提取方法 总被引：1，自引：0，他引：1
提出图谱迭代反馈模型,结合空间聚合图特征和非线性谱映射结果的优点,设计图谱迭代反馈机制,并通过自适应信息计算方法自动地调整提取参数,逐步地计算逼近正确的专题区域边界。结合水体提取案例,在分析当前较为有效的水体提取方法基础上,选取ETM影像作为数据源,提出图谱迭代反馈的自适应水体信息提取（WERSTP）理论与方法。试验比较表明,该方法能充分结合基于指数和基于光谱分类提取方法的优势并成功融入水体空间分布特征,获得较好的提取效果。 相似文献
7.
面向对象的遥感影像多层次迭代分类方法研究 总被引：3，自引：0，他引：3
在分析应用对象化分析方法改进高空间分辨率遥感影像分类技术的基础上,提出了应用多层次的迭代模型改进分类流程,在自适应的迭代过程中有效地结合主导类别选择、高级对象特征计算、基于互信息的特征选择等技术提高对象化方法中丰富的影像特征的利用效率,同时,有机结合像素级特征信息弥补对象化特征。通过对SPOT5影像与航空影像两种数据源... 相似文献
8.
遥感数据的海量堆积与应用信息的匮乏日益凸显信息认知提取的重要性,在地学信息图谱方法论的指导下,同时参考视觉认知流程,提出了遥感信息图谱认知方法用于遥感数据的自动解译。在地理信息系统的统一框架下逐步挖掘多源遥感数据的"图"、"谱"特征并进行图谱耦合分析,通过多尺度分割、特征分析、监督学习等关键步骤完成"察觉—分辨—确认"的地学认知流程,初步满足自动化和智能化应用需求。在土地覆盖信息自动解译应用中建立了基于"图谱"先验知识的管理与运用机制以实现自动化,采用机器学习算法提升智能化程度,并以自适应迭代控制模型使结果精度向最优逼近。选取了珠江三角洲的试验区域进行了基于ALOS多光谱影像的土地覆盖自动分类,结果符合预期,说明了本文方法的可行性。 相似文献
9.
面向遥感大范围应用的目标,自动化程度仍是遥感影像分类面临的重要问题,样本的人工选择难以适应当前土地覆盖信息自动化提取的实际应用需求。为了构建一套基于先验知识的遥感影像全自动分类流程,本文将空间信息挖掘技术引入到遥感信息提取过程中,提出了一种面向遥感影像对象级分类的样本自动选择方法。该方法通过变化检测将不变地物标示在新的目标影像上,并将过去解译的地物类别知识迁移至新的影像上,建立新的特征与地物关系,从而完成历史专题数据辅助下目标影像的自动化的对象级分类。实验结果表明,在已有历史专题层的图斑知识指导下,该方法能有效地自动选择适用于新影像分类的可靠样本,获得较好的信息提取效果,提高了对象级分类的效率。 相似文献
10.
在遥感图像分类过程中,进行合理的特征优选操作,将有助于提高分类器的分类效率及精度。本文以淮南地区资源三号卫星多光谱遥感影像数据为例,采用二值离散化、直方图法及F统计法3种计算方法实现mRMR（minimal-Redundancy-Maximal-Relevance）算法特征优选过程。根据3种方法所得到的特征优选结果及全部特征信息,分别采用C5.0决策树和K近邻2种分类器进行图像分类实验,并利用目视解译方法对不同方法组合的影像分类结果进行精度验证。实验结果表明,利用3种计算方法实现mRMR特征优选算法对不同分类器的影响程度不同：在分类效率方面,C5.0决策树分类器可提高36.84%,而K近邻分类器可提高72.05%;在分类精度方面,C5.0决策树分类器能保证分类精度大致不变,总体分类精度可提高0.60%,Kappa系数可提高0.80%,而K近邻分类器总体分类精度可提高4.34%,Kappa系数可提高7.90%。 相似文献