排序方式： 共有6条查询结果，搜索用时 31 毫秒
1
1.
改进支持向量机的高分遥感影像道路提取 总被引：2，自引：0，他引：2
针对支持向量机受分类数的限制在高分辨率遥感影像中无法直接获取高精度道路网信息的问题,该文提出一种新的混合的基于支持向量机的方法:首先,利用模糊C均值聚类方法将输入的遥感影像分为3类,以减少支持向量机的错分现象;其次,运用支持向量机将不同类别的像素分为道路类和非道路类;最后,应用马尔科夫随机场对分类结果进行噪声去除,并采用形态学进行后处理,进而得到精确道路网信息。实验结果表明:该算法不仅能够从高分辨率遥感影像中提取出道路网,而且精度优于直接使用支持向量机算法以及对比算法。 相似文献
2.
受到成像规律性差,背景纹理复杂及强烈噪声的影响,直线检测方法通常难以适应遥感影像处理的需求。有鉴于此,论文提出一种具有视觉显著性的遥感影像主特征线检测方法。论文首先论证了利用已提取直线为基元,基于格式塔法则构建主特征线的可行性;其次对直线在主特征线上的复杂投影情况进行了详细的剖析,并给出了主特征线的定义;接着建立了主特征线累计权重矩阵及直线统计矩阵,依据格式塔原则分析直线权重分布规律,以此构建了直线的权重模型,同时探讨不同直线在同一主特征线上权重分配规律;最后依据上述分析结果提出了具体的算法步骤。通过多幅含有强烈噪声的光学与SAR遥感卫星影像实验结果表明,相对于其他聚类算法,论文算法能够在杂乱无序的直线集中提取较为清晰的主特征线,并且实验效果基本符合人工视觉感知,便于机器对遥感影像的清晰理解。 相似文献
3.
水印技术作为一项新兴的信息安全技术,在保护矢量地图数据安全中能够发挥重要作用.本文通过分析矢量地图数据特点,研究矢量地图数据数字水印技术特性、常见攻击方式,提出了一种新的多级水印嵌入和检测的算法,嵌入水印时,利用经纬网对矢量地图数据进行划分,综合使用分块嵌入和叠加嵌入的方式,有效提高了水印嵌入级数;检测时,利用相关性原理检测水印信息.实验证明该算法有效可行. 相似文献
4.
现有的基于卷积神经网络的高光谱影像分类方法通常对影像的规则正方形区域进行卷积,无法普遍适应具有不同地物分布和几何外观的影像局部区域,因此在小样本情况下的分类性能较差,而图卷积网络能对图拓扑信息所代表的不规则影像区域进行卷积.为此,本文提出基于图卷积网络的高光谱影像分类方法.该方法在构建拓扑图的过程中考虑了影像的空间光谱信息,并利用图卷积网络聚合邻居节点的特征信息.在Pavia大学、Indian Pines和Salinas 3个数据集上的试验结果表明,该方法能在训练样本较少的情况下取得较高的分类精度. 相似文献
5.
基于浮标实测数据的WindSat海洋反演产品精度分析 总被引：1，自引：1，他引：0
To evaluate the ocean surface wind vector and the sea surface temperature obtained from Wind Sat, we compare these quantities over the time period from January 2004 to December 2013 with moored buoy measurements. The mean bias between the Wind Sat wind speed and the buoy wind speed is low for the low frequency wind speed product(WSPD_LF), ranging from –0.07 to 0.08 m/s in different selected areas. The overall RMS error is 0.98 m/s for WSPD_LF, ranging from 0.82 to 1.16 m/s in different selected regions. The wind speed retrieval result in the tropical Ocean is better than that of the coastal and offshore waters of the United States. In addition, the wind speed retrieval accuracy of WSPD_LF is better than that of the medium frequency wind speed product. The crosstalk analysis indicates that the Wind Sat wind speed retrieval contains some cross influences from the other geophysical parameters, such as sea surface temperature, water vapor and cloud liquid water. The mean bias between the Wind Sat wind direction and the buoy wind direction ranges from –0.46° to 1.19° in different selected regions. The overall RMS error is 19.59° when the wind speed is greater than 6 m/s. Measurements of the tropical ocean region have a better accuracy than those of the US west and east coasts. Very good agreement is obtained between sea surface temperatures of Wind Sat and buoy measurements in the tropical Pacific Ocean; the overall RMS error is only 0.36°C, and the retrieval accuracy of the low latitudes is better than that of the middle and high latitudes. 相似文献
6.
利用美国国家浮标数据中心NDBC和热带大气海洋计划TAO浮标的海表面温度数据,对WindSat 2004年-2013年近10年的海表面温度产品进行了验证。结果表明,在美国沿岸海域,WindSat反演得到的海表面温度的平均偏差为0.10℃,标准偏差为0.59℃;在近赤道太平洋海域,反演得到的海表面温度的平均偏差为-0.15℃,标准偏差为0.33℃。WindSat海表面温度在夏季相对浮标实测值有正偏差增大和负偏差缩小的趋势,在美国东海岸以及墨西哥湾区域部分站点反演得到的海表面温度的标准偏差较大,其标准偏差超过1℃。在5-10 m/s风速段,WindSat海表面温度反演效果比较理想,平均偏差和标准偏差相对恒定。当风速大于12 m/s时,WindSat海表面温度反演的不确定性明显增加。与AMSR-E月平均海表面温度产品对比发现,夏季,WindSat SST较AMSR-E偏低;冬季,WindSat SST较AMSR-E偏高。 相似文献
1