排序方式： 共有10条查询结果，搜索用时 78 毫秒
1
1.
遥感影像变化检测一直是国际遥感领域研究的热点和难点,尽管各国学者对变化检测问题进行了大量深入的研究,但是目前尚未出现一种普适性强、适用于所有情况的通用方法。随着遥感对地观测技术的快速发展和应用,变化检测技术体系也在不断地发展和演化。回顾了多时相遥感影像变化检测技术的发展历程,对多时相遥感影像变化检测方法的分类体系进行了归纳总结,从变化检测预处理、变化检测方法、精度评价3个方面详细总结了变化检测研究的最新进展,并指出了变化检测面临的核心困难及可能的应对措施,以期推动遥感影像变化检测研究更加深入的发展。 相似文献
2.
基于机器学习分类器的极化合成孔径雷达（synthetic aperture radar, SAR）影像水体提取方法具有较高的可靠性,但其通常依赖于大量的训练样本,利用该方法进行多时相极化SAR影像的水体提取时,在每一景影像上都人工标注足够数量的训练样本是十分困难且耗时的。同时,SAR影像上固有的相干斑点噪声会进一步加剧样本标注的难度。对此,引入迁移学习方法,利用其知识迁移能力将已有的训练样本的类别标签信息迁移至未标注的样本,以降低获取新样本所需的人工代价,提高水体提取的时效性。使用6景极化SAR影像和4种迁移学习方法进行最佳源域影像选取、样本标签迁移和水体提取实验,实验结果表明,迁移学习方法可以准确地将源域影像上的训练样本的标签信息迁移至其他影像,有效减少其他影像进行水体提取需要的人工标注样本的数量,同时能够维持较高的水体提取精度,在洪涝灾害应急响应中具有一定的应用价值。 相似文献
3.
针对已分割出的建筑物立面,提出了以基尼系数作为损毁指数对倾斜航空影像中建筑物立面损毁检测的方法。该方法首先通过改进的k-means算法分割出建筑物立面的门窗和墙面,然后利用Canny算法对分割影像进行边缘检测提取统计特征,最后利用经济学中的基尼系数来判断建筑物立面是否损毁。实验结果表明,本文方法在没有先验信息的情况下仅利用单时相倾斜航空影像就能简单高效地判定建筑物立面损毁。 相似文献
4.
高分二号影像融合方法质量评价 总被引：9，自引：0，他引：9
针对实际应用中因融合方法选择不恰当而无法充分发挥高分二号数据优势的问题,对常用影像融合算法进行了分析评价,旨在寻找最适用于高分二号数据的影像融合方法。采用Brovey变换、改进IHS变换、PCA变换、GS、HPF、小波PCA、Ehlers、Subtractive、HCS、NND 10种影像融合方法对高分二号影像进行融合处理,并从定性和定量两方面对融合结果进行质量评价。结果表明,针对高分二号数据,综合考虑光谱保真度和空间细节表达以及目视效果,HCS和NND方法的融合效果最佳。 相似文献
5.
提出了一种对象级的保边缘影像平滑算法.该算法利用空间聚类对影像进行多尺度分割,在分割过程中,提取出不同尺度下的符合凸面模型(convexity model)的影像对象(image object);依据对象的统计参数对影像对象进行筛选,符合要求的影像对象内部进行平滑处理,其余对象不受影响.利用该方法可以有效地去除噪声和无用小目标,在不破坏指定目标边缘的同时,实现影像的平滑处理. 相似文献
6.
7.
基于应急条件下的计算机和网络资源,以实现无人机影像应急并行处理为目的,提出了一种简洁的负载均衡实现方法。采用了以进程为调度单元的主动式计算资源统计策略,辅以任务队列二级动态分配方法,实现了负载均衡。使用本方法在应急环境中建立简易的并行化集群处理系统,可以灵活、高效、鲁棒地利用可用的计算资源,大幅缩短无人机影像应急处理时间。为验证本文负载均衡方法的有效性,利用无人机机载定位定向系统记录的定位定向参数,结合已知数字高程数据,完成了无人机影像的初步正射纠正和拼图处理。实验结果表明,该方法实现简单、部署方便、扩展灵活、任务分配均衡,处理效率随着计算单元的增加而提高,可大幅提高应急条件下无人机应急影像图制作效率。 相似文献
8.
针对航空影像中已分割出的建筑物顶面,提出了一种利用视觉词袋模型检测建筑物顶面损毁区域的方法。该方法首先利用简单线性迭代聚类方法对建筑物顶面进行超像素分割,然后对超像素区域利用颜色和梯度方向直方图特征构建视觉词袋模型,最后使用支持向量机（support vector machine,SVM）对超像素区域中的损毁区域进行检测。实验结果表明,该方法能有效判定建筑物顶面损毁区域,对提高建筑物整体损毁检测精度具有重要意义。 相似文献
9.
联合像素级和对象级分析的遥感影像变化检测 总被引：1，自引：1，他引：0
为改善高空间分辨率遥感影像的变化检测精度,提出一种联合像素级和对象级分析的变化检测新框架。首先将多时相影像进行叠合,对叠加影像进行主成分分析,并利用基于熵率的方法对第一主成分影像进行分割,通过改变超像素数目来获取多层次不同尺寸大小的超像素区域。同时,对多时相影像进行光谱差异和纹理差异分析,采用自适应PCNN神经网络方法进行图像融合,利用水平集(CV)方法对融合后的影像进行分割获取像素级变化检测结果。最后,结合多尺度区域标记矩阵对检测结果进行变化强度等级量化和决策级融合,作为变化检测的后处理部分,以获取最终的对象级变化检测结果。采用SPOT-5多光谱影像进行试验。结果表明这种新框架可以有效集成基于像素和基于对象两种图像分析方法的优势,能够进一步提高变化检测过程的稳定性和适用性。 相似文献
10.
高分辨率遥感影像的随机森林变化检测方法 总被引：3，自引：0，他引：3
基于面向对象分析(OBIA)的遥感影像变化检测研究已取得显著的进展,代表了遥感影像变化检测的发展范式,未来是发展更加智能的解译分析方法。随机森林作为一种新的机器学习算法,其预测效果和性能稳定性要优于许多单预测器和集成预测方法。本文充分利用OBIA及随机森林机器学习算法的优势,提出了利用随机森林进行面向对象的遥感影像变化检测。首先基于熵率对影像进行超像素分割,通过最优超像素个数评价指数来获取最佳的影像分割结果,并提取每个超像素在前、后时相影像上的光谱特征和Gabor特征作为随机森林的特征输入数据,用于模型的训练。在初始像素级检测结果之上,自动进行分类样本选择并构建分类器模型,用训练好的模型来提取最终的变化区域。利用Quickbird、IKONOS、SPOT-5等3组多光谱影像进行试验,结果表明,本文方法在变化检测精度上要优于对比方法。 相似文献
1