排序方式： 共有16条查询结果，搜索用时 31 毫秒
1.
高分三号SAR影像双阈值变化检测 总被引：1，自引：1，他引：0
双阈值合成孔径雷达SAR(Synthetic Aperture Radar)变化检测算法具有在发现变化区域的同时还能确定地表发生后向散射变化类型的优点。针对广义高斯双阈值最小误差法D-GKIT(Dual Generalized Kittler and Illingworth Thresholding)在进行阈值选取时直方图中不同类别像素灰度级重叠严重时,分割结果容易在尖峰单侧选取出双阈值而导致无法正确分割差异图的问题,本文提出一种结合归一化最大类间方差和广义高斯最小误差法GKIT(Generalized Kittler and Illingworth Thresholding)的双阈值SAR变化检测方法。首先,提出以归一化最大类间方差值作为灰度级重叠程度的判别参数,确定阈值的选取顺序及两个候选区间;然后,利用GKIT在候选区间内进行分割,获取单侧阈值及非变化类拟合函数;最后,提出利用非变化类拟合函数更新后的直方图作为另一侧阈值选取基础进行分割,得到对应分割阈值。以宁波地区高分三号(GF-3)SAR卫星影像作为试验研究数据,结果表明:本文方法能较好地解决灰度级重叠时D-GKIT无法进行正确分割的问题,具有良好的变化检测效果和更强的鲁棒性且达到了利用研究区数据验证利用GF-3号SAR卫星影像进行变化检测研究可行性的目的。 相似文献
2.
TerraSAR-X影像直接地理定位方法研究 总被引：2，自引：0，他引：2
开展高精度直接定位算法研究对促进SAR影像的广泛应用具有重要意义。针对新型高分辨率雷达卫星TerraSAR-X影像,在无任何地面控制支持下采用距离多普勒构像模型及地球物理模型,通过线性化及最小二乘平差原理迭代求解目标点的位置矢量,并利用影像元数据文件中提供的影像四个角点和中心点的地理坐标作为控制点,消除定位结果中存在的系统误差。在利用陕西宝鸡地区的TerraSAR-X影像试验中,将其定位结果与当地1∶1万地形图上选取的控制点进行比较,获得的平均平面定位精度约±63m左右,表明该算法合理可行,具有一定的实用性。 相似文献
3.
针对地下水的过度开采容易导致地面沉降问题,为了更好地管理地下水开采,防控地面沉降,该文结合使用了InSAR时序数据和ICA方法,将衡水市部分地区2017—2020年地面沉降分解为3个模式,并结合地下水等数据对独立成分的时空特征进行分析。通过IC时间序列与地面沉降序列较高的相关系数(0.98、0.74和0.84以上),验证了独立成分时间序列与地面沉降的一致性;通过各分量的贡献占比,可知地面沉降的主导成分;IC3与地下水的相关系数(0.9以上)表明IC3受到地下水变化的控制。实验结果表明,研究区地面沉降有长期沉降、城市生活和工业用水引发的沉降以及季节性沉降3种沉降模式,其中长期沉降为地面沉降的主导成分,季节性沉降与冬小麦-夏玉米的耕作制度有关。 相似文献
4.
5.
正我国领海广阔,海洋资源丰富,SAR影像海面船只目标检测技术对监视海运交通、非法捕鱼、监测船只非法倾倒油污、维护海洋权益及提高海防预警能力等方面具有重要意义。单极化SAR影像仅包含强度/幅度信息,而极化SAR通过不同的收发极化组合可测量获得描述观测目标的极化散射矩阵,能完全表征观测目标的极化散射特性,具有比单极化SAR信息含量高的特点。因 相似文献
6.
由于SAR斜距成像几何方式及地形起伏的影响,原始SAR影像存在透视收缩、叠掩、阴影等严重的几何畸变和辐射畸变。其中,叠掩区具有强烈的后向散射回波,在极化SAR影像的分类研究中容易造成林地与居民地等地物混分,降低分类的精度。针对该问题,本文研究一种地形辐射校正方法,引入投影角计算后向散射系数γ0,有效地解决了地形起伏造成的辐射畸变问题。选取一景全极化Radarsat-2影像进行实验验证,分别对地形辐射校正前后的极化SAR影像进行了复Wishart监督分类。通过对分类结果的比较,表明经本文地形辐射校正方法处理后,极化SAR影像的分类精度得到了改善。 相似文献
7.
为了降低合成孔径雷达(SAR)影像中相干斑对变化检测的影响、减少标注样本的人工成本,该文发展了一种联合分层模糊C均值聚类(FCM)与卷积神经网络的非监督SAR变化检测方法。首先,利用邻域均值比算子计算前后时相的差异图,并利用分层FCM将差异图非监督地初始分割为变化类、非变化类及待确定类别像素;然后,为解决非监督选取样本时出现的样本不均衡问题,提出一种频率不变降采样的数据抽样方法,选取高置信度的变化与非变化样本用于网络训练;最后,利用训练完成的神经网络对待确定类别像素进行分类,得到最终变化结果。采用真实SAR影像数据进行实验。结果表明,该文方法方便有效,具有较高的检测精度。 相似文献
8.
地表沉降不仅影响社会经济的可持续发展,还威胁人类的生命安全.高精度的地表沉降预测对人类预防地质灾害具有重要意义.现有的预测方法因模型参数难以获取或相关数据的缺乏而难以得到可靠的预测结果,针对此问题,本文提出一种基于深度学习的地表沉降预测方法.首先采用多主影像相干目标小基线干涉技术MCTSB-InSAR获取大区域高精度地表形变时序反演结果;其次利用循环神经网络作为网络架构,用长短期记忆(LSTM)模型进行地表沉降特征学习;最后采用网格搜索的方法调整模型参数,进而获取最优的模型参数组合方案.实际观测结果显示,相较于现有地表沉降预测方法,本文提出的预测模型平均绝对误差(0.3 mm)至少降低了27.3％,差分沉降量平均预测精度至少提高了8.9％.空间格局分析的结果表明,LSTM模型对于大区域时序形变的短期预测是有效的. 相似文献
9.
10.
SAR影像变化检测的差异图分析法存在的两个问题:①连通区域内的部分变化区域易被误判为未变化区域;②中心先验假设并不适用于检测位于SAR影像边界的变化区域。本文针对以上两个问题设计了一种超像素分割和前景特征流行排序(manifold ranking,MR)的SAR影像变化检测方法(MRSFCD)。首先,通过单像素和邻域对数比算子进行加权融合构造差异图,可以保持变化区域内部的一致性并抑制噪声干扰。其次,对差异图进行超像素分割。然后,改进超像素的无向图连接方式,不对边界四周的超像素进行连接,利用超像素分割结果和灰度信息进行三次邻接。最后,将基于前景特征流行排序后得到的显著性图与单像素对数差异图进行点乘,对其进行阈值分割得到最终的二值变化图。本文通过采用3组双时相影像进行试验。结果表明,相较于其他变化检测算法,本文方法有效地提高了变化检测的精度。 相似文献