排序方式： 共有13条查询结果，搜索用时 15 毫秒
1.
2.
鉴于现有超分辨率重建方法难以突显重建影像细节信息的问题,提出多尺度细节增强的遥感影像超分辨率重建模型框架。首先,通过最小二乘滤波方法将序列影像分解成包含大尺度边缘的平滑信息和包含中小型尺度的细节信息;其次,利用插值方法得到相应的高分辨率细节信息和平滑信息,构造纹理细节增强函数,提升中小型细节的增强幅度;最终,融合细节信息和平滑信息,得到初始的超分辨率重建结果,并利用局部优化模型进一步改善重建影像质量。选取同时相和多时相遥感影像作为试验数据。试验结果表明,本文重建结果与插值方法、TV方法和MAP方法相比,在客观评价指标上均有显著提高,明显改善了重建影像的纹理细节。论文提出的多尺度细节增强的超分辨率重建方法,可以使重建影像提供更多高频细节信息,具有较好鲁棒性和普适性。 相似文献
3.
针对灰度直方图在影像分类时需要考虑阈值和K-最近邻分类算法分类效率低等问题,提出了一种基于灰度直方图与KNN相结合的影像分割算法:首先对待分割的影像进行灰度直方图统计;其次利用灰度直方图对影像进行硬阈值的划分,得到已知类别样本和未标记样本;然后选择一定数量已知类别的样本对KNN分类器进行训练;最后利用KNN分类器对未标记样本进行类别划分,得到最终分割图像。实验结果表明,该算法结合了灰度直方图高效性和KNN高精度的优势,避免了直方图分割最佳阈值的选取;与传统的KNN算法相比,本文算法大大提高了分类效率,且精度相当,满足实际生产应用的需求。 相似文献
4.
水系自动提取是保证基础地理数据现势性的关键,而获得最佳集水面积阈值是提高水系提取精度的前提条件。集水面积阈值一般依靠定性分析的方法获取,采用均值变点分析法定量确定水系的集水面积阈值,可以满足基础地理数据精确性的要求。以云南省龙川江流域为研究区域,基于资源三号测绘卫星ZY-3 DSM和SRTM DEM两种数据,利用GIS工具分别提取该流域水系,再由均值变点分析法确定最佳集水面积阈值,并比较分析这两种水系的提取精度。研究结果表明:1随着集水面积阈值的增加,提取的水系密度减小且趋缓。ZY-3 DSM和SRTM DEM的最佳集水面积阈值分别是6.0 km~2和2.75 km~2;2在最佳集水面积阈值下,ZY-3 DSM提取的河流数比SRTM DEM多20.6倍,河流等级多2级,各级支流数为SRTM DEM的4.7~9.5倍不等,水系密度达到SRTM DEM的4.5倍;3与1:250 000水系数据相比,ZY-3 DSM和SRTM提取的河流点位平均相差395.23 m,RMSE为391.83 m。由此可见,利用均值变点分析法基于ZY-3 DSM提取的水系精度更高,完全满足测绘地理数据更新的现势性、准确性要求。 相似文献
5.
6.
利用相对全变分模型的方法,通过捕捉主结构和纹理这两种类型在视觉形式上的本质差异,将图像的纹理细节部分去除,达到将主结构从复杂的纹理图像中提取出来的目的。本文通过对样本图像进行模拟实验,对该模型在主结构提取方面的有效性进行验证,同时,在验证模型有效性的过程中,在实验原图加入高斯噪声,验证了该模型在抑制噪声方面也有很好的表现。 相似文献
7.
8.
9.
在无控制点的卫星影像正射校正中,大多采用DSM/DEM数据作为辅助数据来消除或限制因地形起伏引起的形变,然而经不同格网密度的DSM/DEM正射校正后的影像对后续处理会产生不同程度的影响,如对地物分类精度产生影响。针对这一问题,本文分别采用不同的DSM/DEM数据(China DSM 15 m、ASTER GDEM 30 m和SRTM 90 m)对资源三号影像进行正射校正,然后对正射校正后影像利用支持向量机进行分类,比较正射校正后影像结果的分类精度。结果表明:在相同重采样方法下,影像经China DSM 15 m DSM正射校正后结果的分类精度优于ASTER GDEM 30 m DEM和SRTM 90 m DEM。 相似文献
10.