排序方式： 共有11条查询结果，搜索用时 203 毫秒
1.
提出了一种基于高分辨率卫星遥感图像检测汽车的新方法——背景迭代搜索(Background Iterative Search,BIS)算法。该算法首先利用背景与目标的局部差异,用距离作为判别准则逐步迭代搜索并去除背景,根据汽车的物质特性初步检测汽车;然后采用动态双峰阈值分割方法,利用全局信息把道路和非道路分开,并根据形状特征粗略提取道路;最后利用道路信息约束初步检测的汽车,得到最终的汽车检测结果。通过使用IKONOS和QuickBird卫星遥感数据进行实验,验证了BIS算法的有效性。 相似文献
2.
3.
针对当前滤波算法在处理地形不连续区域或存在复杂建筑物区域时容易过分＂腐蚀＂地形并难以去除一些低矮植被的不足,提出了一种基于分割的机载LiDAR点云滤波算法。首先,对原始点云基于地表连续性进行分割;然后,在移除点数目较小的粗差点集之后采用对分割点集建立缓冲区的方法,区分地面和非地面点集;在较大地物经过迭代分割基本移除之后,使用约束平面的方法移除高度较小的地表附着物以实现滤波。实验结果表明,与经典滤波算法相比,该算法提高了地面点的分类精度,在滤除地物信息的同时能有效地保留地形特征。 相似文献
4.
5.
利用空间连续性进行高分辨率遥感影像道路提取 总被引：2，自引：0，他引：2
常规道路提取方法需要初始信息,对窄道路提取效果不佳。针对这一问题,提出了基于空间连续性提取道路的算法模型（RESC）。该方法根据遥感影像道路连续分布的特点,利用邻近像元空间自相关的先验信息提取道路,不要求预先提供种子点,自动化程度较高。实验分析和比较证明,该方法对于高分辨率遥感多光谱影像和全色影像,都达到了较好的效果。 相似文献
6.
遥感影像中云及云影不同程度地影响着地物信息的有效获取。随着多源遥感数据的日益丰富,交叉应用多源、多时相遥感影像复原云及云影区的影像,以有效地获取地类演变过程是遥感大数据应用研究的重要内容。高精度的云及云影检测是遥感影像云及云影区修复的前提和保障。复杂多变的光谱特征以及难以有效表达的空间形态特征,使云及云影一直存在检测过程复杂、适用性差和精度不高的问题,难以形成稳定有效的检测方法。在对厚云、薄云、冰雪及其他地类多光谱特性分析的基础上,本文提出了一种云及云影的多特征协同检测方法。首先,对冰雪、云及其他地物类型可分性较好的红、短波红外、热红外波段,利用SAM方法匹配云光谱特征曲线,并进一步结合短波红外波段像元绝对值区分云与冰雪,以及热红外波段像元绝对值区分云及其他地物类型;其次,通过组合云影定向移动模型与近红外波段亮度阈值检测出云影像元。对具备这些光谱波段的Landsat-8进行实验,结果表明多光谱曲线、“诊断性”波段及空间关系多特征耦合能有效地检测出影像中的薄云、厚云及云影,整体精度优于95%。 相似文献
7.
阴影辅助下的面向对象城市建筑物提取 总被引：1，自引：0，他引：1
分析高分辨率遥感影像城市建筑物提取的难点,探讨建筑物阴影与建筑物之间的关系,提出一种阴影辅助的建筑物提取方法:首先在高分辨率影像中提取出建筑物阴影对象,通过建筑物与其阴影的空间关系特征分离相互连接的建筑物对象并确认漏提取的建筑物对象,从而提高了建筑物的提取精度;将该方法运用于Quick Bird影像的建筑物提取实验中,取得理想的实验效果. 相似文献
8.
滇西兰坪金顶超大型铅锌多金属矿床是我国最重要的铅锌矿产集中开发区之一。始于20世纪80年代的矿业开发活动逐渐增强,导致该区土壤重金属污染问题不断加重。本文系统开展了兰坪矿区土壤样本的Zn、Pb、As、Cd共4种重金属含量与光谱响应测试实验,详细分析了土壤样本中4种重金属的敏感波段位置及其与土壤中粘土矿物、铁氧化物及碳酸盐矿物之间的赋存关系,构建了4种重金属含量与土壤实测光谱之间的多元线性回归模型。结果表明:(1)区内4种重金属元素含量均超标,且具显著的相关性;(2)重金属含量与土壤光谱反射率、反射率的一阶微分及连续统去除变量具有较高的相关性;(3)用实测光谱的逐步回归方法预测土壤重金属含量的反演模型具有较高的精度,R2均高于0.816。本结果可为大尺度土壤重金属含量监测及其它污染信息提取提供借鉴。 相似文献
9.
基于MODIS数据的Landsat-7 SLC-off影像修复方法研究 总被引：2，自引：0，他引：2
研究如何修复由于扫描行校正器SLC故障而造成的数据坏行,成为国际遥感研究的热点.文章在总结现有的修复方法基础上提出用相同时相的MODIS09数据修复SLC-off数据的方法.该方法采用时空自适应反射率融合模型(STARFM)算法实现MODIS09数据和TM/ETM+数据的融合,获得与SLC-off数据相同时相和空间分辨率的融合数据,然后采用局部线性直方图匹配完成对SLC-off数据填充.实验证明该方法修复效果明显好于传统方法,解决了传统修复方法中存在的一些问题,一定程度上提高了ETM+SLC-off数据的利用率. 相似文献
10.
传统的水体信息提取主要利用水体反射与吸收光谱特征构建各种光谱指数模型,进行全局像元级的提取。然而,不同水体类型的光谱、空间形态与空间分布特征均有显著差异。对于山区图像而言,山体阴影、冰雪、裸岩等地物的干扰使全局性水体光谱指数模型难以取得很好的提取精度。面向对象的图像分析方法通过对遥感图像进行分割,从全域—局部上耦合分析水体的光谱、空间形态、空间分布与空间关系等特征,构建了通用性强的湖泊信息提取规则集,最终实现湖泊水体信息的自动化提取。通过eCognition软件对Landsat TM图像的实验结果表明,该方法可以完全避免像元级阈值水体信息提取中出现的一些错误的"零星水体",自动且高效地提取出了山区湖泊水体信息,在无云情况下提取精度达95%以上。 相似文献