排序方式： 共有7条查询结果，搜索用时 171 毫秒
1
1.
准确地估测植被覆盖度对于生态环境、自然资源评估有着重要的意义.本文通过无人机获取多光谱影像结合DEM,对拍摄区域植被面积进行估测;利用无人机遥感平台搭载的Sequoia多光谱相机获取影像数据,研究了常见的4种植被指数(归一化差值植被指数(NDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)、绿度归一化植被指数(GNDVI))在植被面积估测中的适用性.实验结果表明,无人机多光谱影像结合DEM,在植被面积估测中具有可行性.其中,归一化差值植被指数(NDVI)可使植被从土壤、水体、阴影等复杂背景因素中分离出来,能较为准确地统计植被覆盖面积.通过无人机多光谱影像估测绿植覆盖面积,可为精细化作物管理、农业估产提供决策依据. 相似文献
2.
针对高分辨率遥感影像场景复杂,现有的目标识别算法检测率较低且速度较慢的问题,提出了一种改进的RFB Net模型。算法在RFB Net模型的基础上构建特征金字塔网络,融合高层语义信息和低层特征信息,提高了网络识别能力。为验证该算法性能,以遥感影像中飞机目标为例进行了实验验证。以油罐和立交桥目标为例,对该算法的推广性进行了实验验证。结果表明,改进的RFB Net模型在遥感影像目标识别中精度较高、速度较快,且具有较好的推广性。 相似文献
3.
为准确快速识别高分辨率遥感影像中的飞机目标，提出了一种结合显著图和深度置信网络（DBN）的飞机目标识别算法。本文首先使用HC （直方图对比度）算法提取遥感影像中的显著目标；然后通过定位连通区域确定候选目标的位置；随后提取候选目标的颜色矩、Hu不变矩、灰度共生矩阵、Tamura纹理特征和边缘方向直方图；最后将归一化后的多特征融合数据应用到深度置信网络进行目标识别。试验结果表明，本文算法的检测率为98.46%，虚警率为5.20%。算法从多种底层图像特征出发，有效克服了单一特征描述能力不足的问题，提高了飞机目标识别能力及抗干扰能力。 相似文献
4.
5.
在拒止环境下无人机视觉定位问题中,ORB(Oriented FAST and Rotated BRIEF)具有高效、快速、稳定的特点,因而可以作为无人机实时影像与基准图匹配算法。本文针对传统ORB算法不具备尺度不变性,且在特征提取过程中存在特征点分布不均匀的问题,提出一种结合飞控传感器的无人机影像匹配方法。利用气压计与加速计经扩展卡尔曼滤波计算后的高度,通过双性线插值法定量改善无人机实时影像尺度,减少了ORB算法中构建影像金字塔所造成的系统开销,通过四叉树算法对提取的特征点均匀化,最后采用网格运动统计(Grid-based Motion Statistics, GMS)算法进行初次误匹配点剔除,再用随机抽样一致算法(RANSAC)筛选精确匹配点。实验结果表明,本文方法能够有效地减少无人机实时影像与基准图匹配时间,同时可以获得均匀的匹配点对,保持较高的匹配正确率。 相似文献
6.
应用型高光谱影像卷积神经网络分类方法 总被引：1，自引：0，他引：1
针对生产任务中常用的卫星高光谱数据空间分辨率不高、地物复杂的特点,提出一种实用性和灵活性较强、效率较高、不依赖空间信息的分类方法.对高光谱遥感影像数据进行分析,依据其光谱信息丰富,但在复杂地物中空间特征不足的实际情况,采用离散采样的方法,充分利用质量较好的样本点进行特征提取.对传统卷积神经网络进行改进,通过卷积层与池化层的重组等措施,使其更充分地利用地物的光谱特性.该方法在珠海一号高光谱影像上实现了对地物的有效分类. 相似文献
7.
为充分利用遥感影像的多尺度特征，解决遥感影像尺度差异、类间相似和类内差异等现象给高精度场景分类造成的困难，本文提出了一种注意力引导特征融合和联合学习的遥感影像场景分类方法。首先，利用深层卷积神经网络提取影像不同层次的特征图；然后，利用设计的残差注意力机制增强不同层次特征图的语义信息、抑制冗余噪声信息；最后，使用全局均值池化获取不同层次特征图的全局信息以构建特征向量，并将不同层次的特征向量融合，3个不同层次的特征向量及融合后的特征向量分别采用独立的全连接层进行分类。利用联合损失训练网络参数，采取多分类器决策级融合的方式提高预测的稳健性。在UC Merced、AID和NWPU-RESISC45数据集上的试验结果表明，本文方法显著改善了对相似场景及类内差异显著场景的辨识能力，与使用多尺度特征的同类型场景分类方法相比，总体分类精度分别提高0.84%、4.04%和4.43%。 相似文献
1