首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   6篇
  免费   1篇
  国内免费   1篇
测绘学   5篇
地质学   2篇
综合类   1篇
  2021年   1篇
  2015年   1篇
  2014年   2篇
  2012年   1篇
  2011年   1篇
  2010年   2篇
排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
OMIS-Ⅱ图像大气校正之FLAASH法与经验线性法的比较   总被引:1,自引:0,他引:1  
对FLAASH法和经验线性法的大气校正效果进行评价.结果表明,FLAASH法和经验线性法均能很好地消除大部分大气的影响,满足试验要求.如果单从精度方面考虑,FLAASH法要略好于经验线性法.但FLAASH法的校正精度依赖于输入的大气参数和仪器定标精度,因而在实际应用中关键还要根据现有的数据情况选择合适的校正方法.  相似文献   
2.
OMIS-Ⅱ机载高光谱遥感成像由于受仪器、大气、地物反射非朗伯特性以及观测几何等的影响,图像上常存在扫描方向上的辐射亮度不均,无法直接利用图像进行基于地物光谱特征的定量或半定量应用。本研究尝试运用直方图匹配和矩匹配两种方法对OMIS-Ⅱ图像进行辐射校正,并从空间和光谱角度分析校正效果。研究表明:在空间维上,两种方法均能有效恢复图像边缘地物信息,校正效果没有显著差异;在光谱维上,矩匹配法更适合于机载高光谱OMIS-Ⅱ图像的边缘辐射校正。  相似文献   
3.
传统的高光谱分类通常仅考虑单一像元的光谱或纹理特征,分类后容易出现地物破碎的现象。鉴于此,本文提出了一种面向对象的混合分类方法,将面向对象的分割结果与传统的像元级分类结果进行有机融合,充分利用对象的光谱特征和空间结构特征。在此基础上,引入了2种具体的混合分类方法,即多尺度分割的SVM分类和多波段分水岭分割的SVM分类。前者将地物光谱的可变性进行弱化处理,转化为多尺度均质对象单元进行分类;后者融入了地物的空间信息和形态学特征,对分割得到的同质区域进行分类。将这2种分类方法应用于航空高光谱数据,实验结果表明:面向对象的混合分类方法的总体精度分别为92.63%和96.13%,与传统的像元级分类法相比,分别提高了10.14%和13.64%,有效地解决了分类后地物的破碎现象。  相似文献   
4.
面向对象规则和支持向量机的天宫一号高光谱影像分类   总被引:2,自引:2,他引:0  
传统的高光谱分类方法通常基于单一像元的光谱或纹理特征,很少考虑地物空间结构信息与空间相关特征.本文将面向对象规则与基于像元的分类进行融合,利用对象的空间结构特征和光谱特征进行混合分类,旨在克服像元层次分类的不足.本文尝试性的提出了两种混合分类方法:(1)基于分形网络演化的多尺度分割支持向量机分类(2)基于多层分水岭分割的SVM分类,并将这两种方法应用到天宫一号高光谱数据上.结果表明:基于面向对象规则的混合分类方法有效地提高了分类精度,不仅能够改善同谱异物现象,而且解决分类结果中地物破碎的问题.  相似文献   
5.
利用机载热红外成像光谱仪(TASI)获取的热红外图像,进行了温度与比辐射率分离,然后采用多标度分形模型进行阈值分割,建立了一种新的热红外影像目标探测方法。实验结果表明,温度的空间分布具有多标度分形特征,即对lgL(r)与lgr进行分段拟合。利用多标度分形模型提取的温度阈值进行城市热红外影像的精细目标识别,并成功提取了建筑物目标。  相似文献   
6.
构建近地表横波速度模型是煤田多分量地震资料处理的重要环节。相较于面波多道分析法,全波形反演在构建近地表横波模型中具有更高的分辨率。然而,在基于梯度的全波形反演中,由于地震记录频带有限、波场的非均匀覆盖以及双重散射等原因导致梯度算子不随深度的增加而缩放,模型深部参数得不到明显更新。目标函数的Hessian算子包含曲率信息,可清晰预测梯度算子中的焦散现象及双重散射产生的伪影,因此,逆Hessian算子则可作为反卷积算子实现对梯度的预处理,加强对模型深部的照明能力。然而Hessian算子具有巨大维度,对其显式计算十分困难。基于此,借鉴逆散射理论的思想,给出勒夫波全波形反演目标函数的拟Hessian算子的表达式,并提出一种梯度预处理的全波形反演方法。将该方法分别应用于断层模型、凹陷模型以及起伏界面模型的重构试验,反演结果表明:与传统的共轭梯度全波形反演方法相比,基于拟Hessian算子的预处理共轭梯度方法可加快收敛速度,提升成像质量。   相似文献   
7.
目前卫星高光谱数据幅宽小,难以进行大面积矿物填图应用.本文探讨了基于多光谱图像光谱分辨率增强方法(spectral resolution enhancement method,SREM)融合算法,将Hyperion窄幅高光谱和先进星载热发射和反射辐射仪(advanced spaceborne thermal emission and reflection radiometer,ASTER)宽幅多光谱数据进行融合,获得宽幅高光谱数据,从而进行矿物蚀变信息提取的方法和流程.结果表明:(1)原始ASTER数据仅能识别出Al-OH基团,Mg-OH基团和Fe3+离子基团3种矿物,SREM方法能够识别出高岭石、伊利石、绢云母、绿泥石和黄钾铁矾5种蚀变矿物;(2)融合图像矿物提取结果与原始ASTER和Hyperion图像的相对精度分别达到90.56%和92.85%;(3)其中绢云母、伊利石、高岭石与Al-OH基团,黄钾铁矾与Fe3+离子,绿泥石与Mg-OH基团出露区域基本一致.SREM融合数据具有幅宽大和光谱分辨率高的特点,提高了矿物蚀变信息解译精度,该方法对大面积矿物填图具有示范作用.  相似文献   
8.
TASI数据的温度与发射率分离算法   总被引:1,自引:0,他引:1  
建立了适合于TASI的热红外高光谱发射率的经验关系,以此修正了分离方法(TES)中的MMD模型,在对温度和发射率进行精度评价的基础上,将反演结果应用于城市地表温度的日较差分析。结果表明:(1)反演的温度与实测温度的平均绝对误差为1.8 K,平均相对误差为0.59%;(2)地面实测宽波段发射率与反演发射率的平均差值为0.036,差值的标准差为0.032;(3)同种地物的发射率曲线的反演结果与实验室测量发射率曲线的波形是一致的;(4)温度日较差分析结果是合理的。因此,本文的反演精度能满足研究需求,将该方法应用于TASI数据的温度与发射率的分离是可行的。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号