排序方式： 共有2条查询结果，搜索用时 31 毫秒
1
1.
变化检测一直是遥感研究领域的热点,随着遥感技术的不断发展,新型数据源不断涌现,使传统遥感变化检测方法面临新的挑战。本文以Landsat-8影像为主要数据源,使用影像分割算法,设计2期遥感影像的文档-单词映射,将影像中所有的像元作为视觉单词,利用LDA模型将影像文档从单词空间转换到主题空间进行表达。在此基础上,结合实地调查对变化区域进行检测和验证,形成一套面向对象的LDA模型变化检测方法。研究表明：基于图斑的分析可有效消除以像元尺度进行变化检测产生的椒盐现象;利用LDA模型构建的变化检测方法能较好地实现影像文档特征的统一表达,有效去除2期影像相同地物因光谱差异导致的变化误检验;与差值法和波谱角等常规遥感变化检测方法相比,该方法能有效地减少错漏判,提高遥感影像变化检测的正确率,为中高分辨率遥感影像的变化检测提供新思路。 相似文献
2.
基于随机森林模型的太湖水生植被遥感信息提取 总被引：3，自引：1，他引：2
水生植被作为太湖湿地的重要组分,其数量和范围变化影响着湖泊生态系统的平衡,故利用遥感技术对水生植被的空间分布开展研究有助于太湖湿地生态系统的保护.以Landsat 8多光谱遥感影像为主要数据源,利用光谱指数和图像变换方法构建多个特征变量,结合随机森林(RF)模型,提取太湖水生植被的空间分布.结果表明:(1)通过对比分析训练样本特征值的平均值、标准差和变异系数,NDVI、NDWIF、SR等指数更易于区分开敞水域和沉水植被、浮叶植被和挺水植被;(2)当设置1000棵分类树和4个分割节点的随机变量时,RF分类模型的袋外误分率小于6%,误分主要受SR、MNDWI和NDVI等特征变量影响;(3)通过验证分析,基于RF模型获得的2014年7月太湖水生植被覆盖面积约为306.0km2,分类精度为88.56%(Kappa系数为0.88),主要分布在湖体的东部和南部,以沉水和浮叶植被为主,两者占水生植被覆盖总面积的84.9%. 相似文献
1