排序方式: 共有23条查询结果,搜索用时 113 毫秒
1.
遥感图像分类是提取图像有效信息过程中重要的一部分,为了探寻最优的分类方法,许多机器学习算法逐步应用于遥感分类中。极限学习机(extreme learning machine,ELM)以其高效、快速和良好的泛化性能在模式识别领域得到广泛应用。本文采用训练速度快、运算量小的极限学习机算法与支持向量机(support vector machines,SVM)算法和最大似然法进行分类对比,对高分辨率遥感图像进行分类,分析极限学习机算法对于遥感图像分类的准确度等性能。选取吉林省长春市部分区域的GF-2遥感数据,将融合后的影像设置为原始数据,利用3种方法进行分类。研究结果表明,极限学习机算法分类图像总体分类精度达到85%以上,kappa系数达到0.718,与其他分类方法相比分类准确度较高,且极限学习机运行时间比支持向量机运行时间约短2 480 s,约为支持向量机运行时间的1/8,因此具有良好的性能和实用价值。 相似文献
2.
为实现对吉林省治新村滑坡的有效监测,文章选取2017年27景Sentinel-1A数据,基于小基线雷达干涉测量技术(SBAS-InSAR)对治新村滑坡进行形变监测,分析了其时序演化态势。选用2016、2017年2景ALOS-2数据,采用差分雷达干涉测量技术(D-InSAR)监测了该滑坡形变体的特征。SBAS-InSAR对滑坡形变时序演化态势进行监测,而D-InSAR则主要对滑坡具体的形变体进行形变监测,且L波段的ALOS-2数据穿透性强于C波段的Sentinel-1A数据,可以获得更完整的干涉信息,两者监测结果可交叉验证,提高结果的可靠性。SBAS-InSAR监测结果表明:治新村滑坡汇水区滑坡后缘在监测期间发生了沉降,并且在2017年7月5—29日期间滑坡后缘地表沉降达12.47 mm,监测期间平均沉降速率为2.88 mm/a;位于山谷的受威胁居民区发生了抬升,至2017年12月8日平均累计抬升达19.59 mm,监测期间平均抬升速率19.99 mm/a。D-InSAR结果显示:治新村滑坡汇水区斜坡存在5处主要变形体,面积最大变形体17 973 m2,位于西侧斜坡... 相似文献
4.
在对影响几何校正精度的因素(校正模型、控制点分布、重采样方法等)进行分析的基础上,本文对吉林省洮南地区高分二号影像分别采用有理函数、多项式、RST、局部三角网4种模型进行校正并对比其精度。同时,基于有理函数模型,分别采用最邻近像元法、双线性内插法、三次卷积法进行重采样、比较不同重采样方法对几何校正精度的影响。 相似文献
5.
利用覆盖九寨沟地区的RadarSat—2数据与Sentinel—1A数据,采用精轨数据进行定轨,消除轨道误差,并结合合成孔径差分(D-InSAR)方法中的双轨差分技术,获取2017年8月8日Mw7. 0级地震的同震形变场。结果表明,视线方向(LOS)最大沉降量约为20 cm,隆起量达9 cm。基于弹性半空间形变模型反演该地震的断层滑动分布,得出该地震断层滑动以左旋走滑为主,走向为330°,倾角为32°,滑动角为-170°,同震滑动分布主要集中在4~12 km深度处,最大滑动量位于9 km处,约为6. 14 m,平均滑动量为0. 57 m。反演获得的地震标量矩为4. 06E+18N·m,震级Mw约为6. 4,深度为19. 5 km。 相似文献
6.
基于ArcSDE的空间基础数据库设计与实现 总被引:1,自引:0,他引:1
在阐述ArcSDE体系结构和原理的基础上,认为应用ArcSDE进行流域空间基础数据库的管理是实现数据共享的一种有效方法,并以第二松花江空间基础数据库的设计和建立为例,探讨了应用ArcSDE建立空间数据库的技术方法。 相似文献
7.
8.
网格环境下批量遥感图像处理 总被引:1,自引:1,他引:0
网格环境下遥感图像的并行处理, 按照任务分解模式的不同可分为单图像多进程及单图像单进程两种任务划分方案。在对两者对比分析的基础上, 针对批量遥感图像处理任务的特点, 采用单图像单进程任务划分方案, 在MPICH-G2模式下利用GridFTP模块解决海量遥感图像传输问题, 使用Intel 公司的OpenCV开源库编写繁杂图像处理代码, 并基于“嫦娥1号”卫星首幅遥感影像进行环状构造边缘检测实验, 以此对本文采用的批量遥感图像处理模式加以验证。 相似文献
9.
根据阔叶叶片模型(a model of leaf optical properties spectra,PROSPECT)叶片辐射传输模型机理,利用一次范数稳健估计估算叶片结构参数N和铜元素的吸收系数kCu。选取黑龙江呼玛地区作为研究区,利用美国ASD公司的FieldSpec 3 Hi-Res光谱仪野外测定白桦叶片的反射光谱,实验室测定相应叶片的铜含量,利用改进的PROSPECT-Cu模型进行白桦叶片铜元素含量反演。通过与野外样品测定值和反演值进行比较分析,决定系数为0.963。研究结果表明,反演结果得到的叶片Cu含量是准确的,反演方法是可行的。 相似文献
10.