排序方式： 共有6条查询结果，搜索用时 10 毫秒
1
1.
Hyperion高光谱影像中的坏线将直接影响后续应用的准确性。针对Hyperion高光谱辐射率数据的特点,考虑影像中坏线像元与邻近像元在空间和光谱上的相似性,提出了一种局部空间-光谱相似性测度（local spectral-spatial similarity measure,LS3M）,以实现对Hyperion高光谱数据的描述和坏线修复。LS3M由空间和光谱两部分的相似性测度构成,前者为欧氏距离度量,后者组合了Canberra距离和光谱相关角（spectral correlation angle,SCA）。考虑到Hyperion高光谱不同波段的辐射率特性,引入信息熵对SCA进行约束。针对相似像元的邻近搜索问题,引入相似度均值与方差对光谱相似性阈值进行动态调整。为验证该方法的有效性,选取了沙漠、草原、森林、城郊、沿海城市和内陆城市6种典型场景的Hyperion高光谱数据进行模拟坏线的定量误差分析和真实坏线的定性评价;通过与邻域均值法及常规光谱相似性测度的对比,证实LS3M法坏线修复精度更高,稳定性更好。 相似文献
2.
快速、准确地判别滑坡灾害范围对灾情评估与救灾指挥至关重要。将高分辨率航空影像和机载LiDAR数据相结合,能充分利用滑坡体的光谱特征、几何形态与空间结构特征,提高滑坡识别的准确度。该文以海地地震诱发的滑坡识别为例,介绍了面向对象的滑坡识别思路及方法;针对海地滑坡灾害特点,选择了相应的灾害特征,并经反复试验设定了特征参数阈值;针对面向对象分类过程中特征组合与选择这一瓶颈问题,以河流沉积物和滑坡判别为例,通过特征组合试验与对比分析,发现基于NDVI与坡度特征组合的分类结果明显优于单一特征及其它组合模式的分类结果。与最大似然分类法相比,该方法的分类结果更为准确、精度更高。 相似文献
3.
4.
基于高分影像纹理分维变化的灾害自动识别方法 总被引：1，自引：0，他引：1
目前遥感变化检测主要是人机交互式目视解译,不能满足灾害自动识别尤其是卫星在轨变化检测自动化的新要求,亟须研究遥感影像变化自动检测算法,以实现灾害遥感自动识别。该文将高空间分辨率遥感影像的多尺度格网分割与纹理分维变化比较相结合,提出基于高分影像纹理分维单调变化(Texture Fractal MonotonousChange,TFMC)的灾害自动识别方法。通过计算和对比不同格网分割尺度下前后两期高分影像的纹理分维变化及其空间分布,并基于纹理分维变化单调性准则,可自动检测并识别灾区范围。以2011年3月11日日本地震海啸灾区的Worldview 0.5m全色影像为例,进行实验研究,表明MTFC方法无需人工干预即可根据纹理分形单调下降(当前减先前)可靠地识别出海水淹没区和密集房屋损毁区。经进一步优化,MTFC方法可望发展为高分遥感卫星在轨变化检测及灾害链聚焦监测的新技术。 相似文献
5.
基于无人机影像和飞控数据的灾场重建方法研究 总被引：1，自引：0，他引：1
低空无人机以其机动、快速、经济等优势,在灾害应急事件中逐渐发挥作用,而灾场三维重建也因其突破了常规无人机遥感无法快速提供三维空间信息的局限,在灾害测量中的地位日益凸显。该文面向灾害测量需求,探索一种基于低空影像和无人机自身飞控数据的灾场三维重建方法。在系统规划与平台设计的基础上,选取某滑坡区进行试验。依据计算机视觉原理,通过特征提取、影像匹配、运动与结构重建等实现了相机位置及姿态的恢复,并通过地理注册最终完成了灾场影像三维重建。通过布设地面标识点并与其GPS RTK测量坐标比对,证实灾场重建模型的相对误差低于4‰。 相似文献
6.
快速、准确的大场景影像三维重建技术可为灾害应急响应和灾情评估提供重要的决策依据。本文针对运动恢复结构(SfM)算法效率低的问题,提出了一种顾及影像拓扑关联关系的拓扑-运动恢复结构(TSfM)算法。TSfM算法利用低空无人机(UAV)自身的飞控记录构建影像拓扑关联关系,缩小了特征匹配时的影像搜索范围,与传统SfM算法相比,影像匹配的时间复杂度由O(n2)降低为O(n)。实验结果表明,TSfM算法实现了基于无人机影像序列的灾场快速三维重建,重建模型的相对精度与SfM算法的重建精度一致。将该方法用于四川芦山地震UAV影像三维重建,可检测出地震滑坡体及其形态信息。 相似文献
1