共查询到20条相似文献，搜索用时 156 毫秒
1.
受城市快速发展及气候变化等因素影响,耕地面积和产量逐年波动,准确、快速提取耕地信息,对精确预测作物产量、提高作物管理、优化作物种植结构有重要意义。采用非监督分类、监督分类以及面向对象分类的方法提取Landsat8 OLI影像数据,其中非监督分类运用ISODATA算法,监督分类选择最大似然法,面向对象分类则采用基于样本的面向对象分类方法和基于规则的面向对象分类方法。经实验分析,基于样本的面向对象的提取方法避免了“椒盐现象”且精度最高,总体精度达93.0175%,在进行耕地信息提取时能得到较好的结果。 相似文献
2.
目的:从亚像元、像元和对象的角度对不同类型水体信息进行识别提取,探讨Landsat 8 OLI数据对水体面积提取方法的有效性.方法:采用监督分类-神经网络法、面向对象法、MNDWIOSTU阈值法和线性混合像元分解法,分别对合肥市水体信息进行提取分析.结果:采用的4种方法均适用于合肥境内的水体研究,其中线性混合像元分解法提取精度最高且具有较强的鲁棒性,总体精度和Kappa系数的平均值高达97.05％ 和0.97.结论:针对中等分辨率的Landsat 8 OLI数据,基于亚像元的线性混合像元分解方法对水体识别具有较好的精度,可为更精细或更大尺度的水体信息提取提供技术参考. 相似文献
3.
常宁市水口山矿区是我国著名的金属矿山,已有上百年的开采历史。随着矿产开采的持续,矿区土地利用结构发生了很大变化。以水口山矿区主要分布区域松柏镇为研究单元,以1990年、1999年、2013年的三景遥感影像为数据源,利用面向对象的监督分类法、决策树分类法等对三个时期的矿区土地利用情况进行提取,得到分类精度kappa系数分别为86.04%,83.50%,85.67%。研究结果表明:矿区二十年来土地利用变化明显,林地、耕地显著减少,耕地面积减少374.76hm2;草地、建设用地、矿产用地增加较多;特别是矿产用地和建设用地显著增加,增幅分别达到73.34%和50.40%;水域面积总体保持平衡。 相似文献
4.
土地利用的分类精度对土地资源开发有很大影响。选取雄安新区2017年5月12日的高分一号影像作为试验数据,分别运用监督分类方法中的最大似然分类器和面向对象的分类方法对影像进行土地利用分类,得到研究区域的土地利用分类情况。面向对象分类方法的Kappa系数和总体分类精度都高于最大似然分类器的分类结果,分别达到了0.968 8和97.500 0%。实验结果表明：针对高分一号影像,对比最大似然分类器,使用面向对象的分类能提高研究区域的土地利用分类精度。面向对象分类结果可以为雄安新区的土地利用分类提供参考。 相似文献
5.
6.
城市建成区空间分布对城市规划和资源管理起着至关重要的作用。面向对象影像分析法能有效提取城市建成区图像。以Landsat8为源数据,对深圳市建成区范围进行研究,结合光谱特征结果和NDBI指数派生出NDBIi指数。根据空间特征建立面向对象规则集,运用二次分割方法与分类规则,高效获取城市建成区数据,对2015年与2017年深圳市城市空间扩张情况进行分析,将多种分类方法与面向对象规则集方法进行结果对比。结果表明,2015年与2017年总体精度分别为93.02%和90.45%,面向对象规则集方法可以精确获取建成区具体范围,有效监测不同时相城市扩张情况。 相似文献
7.
基于QuickBird影像耕地信息提取方法研究——以绵阳市游仙区为例 总被引：1，自引：0，他引：1
面对耕地资源日益紧张的形势,快速准确地提取耕地信息已成为耕地动态监测的基础。该文以绵阳市游仙区QuickBird遥感影像为基础图件,借助于RS和GIS技术,分析影像本身特点与耕地光谱特征,通过非监督分类法、监督分类法、基于光谱知识的光谱阈值法分别提取耕地信息。试验结果表明非监督分类提取精度为88．4％,监督分类提取精度为91．53％,光谱阈值法提取精度为94．65％。光谱阈值法的提取效果最好。 相似文献
8.
比较最大似然法与“结合分层技术和SVM监督分类”方法,从神木县OLI图像上识别7种主要植被类型的精度。将神木县7种主要植被类型划入5个专题图层,对图像进行LBV变换后,通过阈值分割获取目标植被类型的概貌图像,以波段L、V、B作为有效特征进行面向对象分割和SVM监督分类,并在分类后执行开、闭运算操作,获得目标植被类型的精确提取结果,将该提取结果作为掩膜区域从原图上去除,重复上述过程依次处理5个专题图层,将各专题层提取结果叠加形成分类图,与最大似然法分类结果进行比较。结果表明,“结合分层技术和SVM监督分类”的方法能够有效降低OLI图像分类后的“椒盐效应”,准确识别神木县7种植被类型,总体分类精度和Kappa系数分别为85.32 %、0.796,较最大似然法分类结果分别提高了16.46%和17.93%。 相似文献
9.
《实验室研究与探索》2020,(7)
提出了一种融合多层特征SENet和多尺度宽残差的高光谱图像地物分类的方法。实验选取Indian Pines和Pavia University为研究对象,结果表明,SEInception-Resnet-MSWideResnet (SEIR-MSWR)网络结构的总体分类精度为99.33%、99.52%,Kappa系数为0.98时,分类效果最优,相较于支持向量机(Support Vector Machine,SVM)、K最近邻法(K-NearestNeighbor,KNN),宽残差网络(Wide Resnet Network,WRN)以及InceptionV2-Resnet,总体分类精度分别提高了20.86%、20.09%、5.48%、3.39%、23.1%、16.89%、6.66%、2.58%,Kappa系数分别提高了0.18、0.17、0.06、0.04、0.22、0.17、0.07、0.03,均表现出良好的性能。该方法更好地提取了高光谱图像的本质特征,进而提高了高光谱图像地物的分类精度。 相似文献
10.
本文分析了面向对象（OOP）编程思想的不足,提出了一种新型编程思想——面向方面（AOP）,通过对AOP技术的研究和应用,验证了面向方面编程思想在软件开发中的先进性和可行性。 相似文献
11.
12.
13.
高分辨率遥感影像的出现，给林业遥感带来前所未有的机遇,但是高分辨率遥感影像在林业领域中的应用面临诸多问题,如数据源的价格偏高、图像阴影无法去除、树种识别困难和森林蓄积量估测精度不高等,提出了建立主要树种的波谱数据库，采用基于多特征的面向对象的分类技术，提高高分辨率影像在林业中的应用水平等建议。 相似文献
14.
15.
融合小波多尺度分析方法及分形纹理提取方法在遥感影像信息提取方面的优势,提出高分辨率遥感影像小波域分形纹理特征计算方法,以获取地物多尺度分形纹理属性,为遥感影像地类识别提供更好的标识。首先对遥感影像进行小波多尺度分解,进而基于DBC、多重分形纹理计算方法在各个分解层上提取地物纹理特征,通过比较分析,从中选取更为有效的小波域分形纹理特征。基于该方法,利用福州市高空间分辨率QuickBird遥感影像进行试验,并对QuickBird影像进行三级小波分解及纹理提取,结果表明：小波第一、第二分解层粗影像（CA1、 CA2）及三方向平均细节影像（L1、 L2）的DBC空隙特征及多重分形分维数结果作为最终甄选的小波域分形纹理特征更为合适。 相似文献
16.
以南京南部高淳县为研究区,采用2010年ETM＋多光谱遥感影像作为遥感信息源,选择影像的地形因素、植被指数（NDVI）作为辅助分类特征,基于改进CRUISE算法构建决策树,实现了研究区的地物分类,并与其他分类方法的结果相比较。实验结果表明,与普通的决策树分类相比,基于改进CRUISE算法的分类可以有效地提高土地分类结果精度,具有良好的适用性。 相似文献
17.
将高分辨率遥感图像进行像素级海陆分割是遥感应用领域的一项基础性工作,对海岸线提取和海洋近岸目标检测具有重要意义,但传统阈值方法往往由于高分辨率遥感图像覆盖范围广、地物纹理复杂等特点而难以取得预期效果。为了提升高分辨率遥感影像海陆分割精度,改善传统阈值方法的不足,基于深度神经网络模型利用编码器—解码器架构,并在编码层中引入残差块,以更好地对特征图进行高级语义信息提取,通过解码层将编码层生成的特征图还原成与输入尺寸相同的特征图,最后通过Sigmoid层对图像进行像素级海陆分割。在高分辨率遥感图像数据集上的实验结果表明,该网络模型取得良好了分割效果,准确率和Kappa系数分别达到了94.3%和93.7%。与传统方法相比,海陆分割精确度得到了有效提升。 相似文献
18.
在进行图像处理时,图像配准是一个必不可缺的步骤,而且图像配准也在很多领域有着广泛的应用,比如图像镶嵌、环境检测、多光谱分类等。对一般的遥感图像配准流程进行简要介绍,然后对遥感图像配准领域出现的最新技术进行总结,从原理和性能上对常用的三类算法进行了对比分析,并指出了各算法在图像配准中的优势及存在的问题。最后总结并指出了图像配准技术存在的主要问题,并展望了其未来的发展方向。 相似文献
19.
一种小波域K-Means遥感图像分类标注算法 总被引：1，自引：0，他引：1
由于合成孔径雷达图像（遥感）的相干斑噪声数据丰富,导致传统的遥感图像分割方法分割效果不佳,采用学习理论和神经网络改善图像处理性能。根据图像统计特征,采取神经网络语义提出一种高效的图像纹理特征分割方法。首先,利用K-means聚类提取遥感图像的纹理特征,然后根据遥感图像在小波域中的分布特征对其进行滤波,最后利用语义对滤波后的遥感图像纹理特征和灰度组成的矢量进行分割归类,在遥感图像分割中快速标注分类以便于视觉分析。利用区域一致性分割分类,由聚类样本特征匹配进行图像分类标注,对变化检测进行统计分析,过分割或欠分割误差聚类样本不做标注,选取最佳样本聚类k值标注分类结果。 相似文献