共查询到18条相似文献，搜索用时 109 毫秒
1.
2.
基于混合像元分解的MODIS积雪面积信息提取及其精度评价——以天山中段为例 总被引：6，自引：1，他引：5
MODIS(Moderate Resolution Imaging Spectroradiometer)是现阶段积雪遥感监测及积雪水文学研究中积
雪面积信息获取的重要平台,但其空间分辨率相对较低,影像中混合像元现象普遍存在。本文以MOD02 HKM数
据为基础,通过线性光谱混合模型(LSMM,Linear Spectral Mixing Model)对研究区MODIS影像进行像元分解,从中
提取积雪面积信息,并进行精度评价。将线性光谱混合模型得到的积雪面积信息与美国国家冰雪数据中心提供的
MOD10A1日积雪覆盖数据影像进行对比分析。结果表明：利用线性光谱混合模型可以较好的分解出像元中积雪
面积信息,其分类精度达0.88;相同位置上MOD10A1的积雪分类精度为0.80。说明,对MODIS影像上积雪信息提
取来说,线性光谱混合模型的分类精度较高,具有较强的适用性。 相似文献
3.
《科技通报》2017,(2)
目的:利用PCA和SVM对新疆哈萨克族食管癌X射线图像进行特征提取、特征选择及分类研究。方法:利用基于灰度共生矩阵的纹理特征和小波变换的频域特征提取法,提出将ROC曲线面积选择法和主成分分析法相结合的两步式特征选择法,利用Bayes和SVM分类器对图像进行分类以验证所提取特征的分类能力。结果:AUC0.7的特征经主成分分析后输入到SVM分类器和Bayes分类器中得到的分类准确率和AUC值最高,分别为91%和85%、0.945和0.915。结论:SVM具有较好的分类性能,两步式特征选择法能有效地消除特征之间的共线性,极大提高了特征的分类能力,本研究有望提高新疆哈萨克族食管癌CAD系统的整体性能。 相似文献
4.
《科技通报》2016,(3)
目的:利用SVM对新疆高发病哈萨克族食管癌X线医学图像进行分类研究。方法:随机选取正常食管和缩窄型食管癌X线医学图像各120张,运用灰度直方图法和灰度共生矩阵法提取图像的特征,采用Lib-SVM工具箱,在SVM类型设置上选择C-SVC,选择4种核函数,通过调整核函数的参数与C-SVC分类器的参数进行实验。结果:利用灰度直方图法提取的特征量进行分类时,线性核函数和RBF核函数的分类准确率较高,均可达92.5%;利用灰度共生矩阵法提取的特征量进行分类时,线性核函数、RBF核函数、Sigmoid核函数的分类准确率较高,均可达87.5%;利用灰度直方图特征和灰度共生矩阵特征组成的综合特征进行分类时,多项式核函数和RBF核函数的准确率较高,均可达97.5%。结论:灰度直方图特征的分类能力优于灰度共生矩阵特征;综合特征的分类能力优于单一特征的分类能力;RBF核函数的分类性能较其他核函数突出。SVM对食管癌X线医学图像具有较高的分类识别率,为新疆高发病哈萨克族食管癌的计算机辅助诊断系统的研究奠定了基础。 相似文献
5.
《资源科学》2017,(3)
为实现高分辨率遥感影像低层特征的有效组织与优化,提高特征的可判别性,重点研究了基于稀疏编码的中层特征学习、基于支持向量机(Support Vector Machine,SVM)的分类技术,提出了基于软概率级联中层特征学习模型实现土地利用/土地覆盖(Land Use and Land Cover,LULC)分类。首先,提取影像的灰度共生矩阵(Graylevel Co-occurrence Matrix,GLCM)、光谱特征、密集尺度不变特征转换(Dense Scale Invariant Feature Transform,DSIFT)作为低层特征;然后由稀疏编码分别对GLCM、DSIFT和光谱特征进行稀疏编码,并结合最大平滑方法对稀疏系数进行优化,获得影像的中层特征,并通过SVM分类器分别计算LULC类别软概率,对其级联获得影像的特征表达;最后,利用SVM分类器再次分类获得LULC分类结果。选用武汉市远城区农村居民点作为实验样区,对该方法进行了验证,实验结果表明,该方法总体精度达到88%左右;相较于提取单一低层特征的分类方法,本文算法可有效提高LULC分类精度。 相似文献
6.
目的:探讨BP神经网络算法在新疆高发病哈萨克族食管癌X射线图像纹理特征和形状特征分型中的应用。方法:选取哈萨克族正常食管图像、溃疡型食管癌图像和髓质型食管癌图像各100张,利用灰度共生矩阵算法和形状不变距算法分别提取图像的纹理和形状特征。然后,使用BP神经网络算法构造一个分类器,对正常食管和两种中晚期食管癌图像进行分类研究。结果:共提取了14维哈萨克族食管癌X射线图像纹理和形状特征向量,应用BP神经网络算法进行哈萨克族食管癌X射线图像分类实验,基于灰度共生矩阵算法的纹理特征分类准确率为85.333%,基于Hu不变距算法的形状特征分类准确率为65.333%,而纹理和形状综合特征的分类准确率达到了97.667%。结论:本研究提取基于灰度共生矩阵算法和Hu不变距算法的食管癌图像纹理和形状特征,通过构造BP神经网络分类器对食管癌医学图像进行分型研究。结果表明BP神经网络对综合特征的分类准确率较高,为临床医生诊断食管癌提供了参考,也为后期研发食管癌医学图像计算机辅助诊断系统奠定了基础。 相似文献
7.
8.
9.
计算建筑物、农田、裸地、道路、林地五类常见地物的灰度共生矩阵并统计纹理特征值,以建立影像纹理样本库。使用与建立样本库相同的方法处理待测影像,通过计算样本库与待测影像纹理特征值的最小欧氏距离实现影像分类。实验结果显示,待测图像正确识别率为92%,说明利用灰度共生矩阵提取影像纹理特征是一种有效性的图像分类辅助方法。 相似文献
10.
纹理特征是图像分析的重要线索,灰度共生矩阵法提取的纹理特征具有很好的鉴别和分类能力。本文运用灰度共生矩阵分析新疆地方性肝包虫CT图像并进行特征提取,对图像进行尺寸归一、去噪和增强的预处理,计算0°,45°,90°和135°方向的能量、熵、对比度、相关性和逆差矩的均值,构成特征向量,并进行统计分析,用最大类间距法获取图像分类的主要特征,同时使用判别分析法对特征的分类能力进行评价。实验结果表明,灰度共生矩阵法提取的特征在统计分析中存在差异,最大类间距计算获得的特征能提高图像分类的准确率,一定程度上有助于对肝包虫病CT图像进行分类和检索。 相似文献
11.
森林类型识别是森林资源遥感监测的基础工作,低分辨率遥感影像缺少纹理细节信息,高分辨率遥感影像不仅具有光谱信息,而且提供丰富的空间、纹理特征信息,因此基于高分辨率遥感影像的纹理特征进行森林内部信息的提取成为近年研究的热点及难点,传统基于单个象元纯光谱及面向对象建立规则集的方法难以有效区分天然林与人工林植被覆盖信息.本文利用面向对象多尺度分割算法、Sobel算子边缘检测及骨架线提取等方法,提取天然林与人工林的纹理线特征,构建了一种新的特征指数——纹理线条密度指数(TLDI).研究表明:与常用的NDVI、SAVI、EVI等植被特征及VAR、HOMO、CON等GLCM纹理特征指数相比,TLDI指数的离散度更好、分类效果更佳;当TLDI＞0.1时,为天然林植被覆盖区;当0＜TLDI＜0.1时,为人工林植被覆盖区.典型区域的实验表明,除极少数稀疏天然林对象斑块错分人工林,总体分类精度较高,人工林错分率小于0.83％,面向对象的TLDI指数可以有效地提取森林内部天然林与人工林植被覆盖信息. 相似文献
12.
以黑龙江流域气象站数据作为"真值",检验了2002~2007年黑龙江流域MODIS积雪产品和AMSR-E数据识别积雪的精度,分析了云以及海拔高度对积雪识别的影响.结果表明,MOD10A2、MOD10C2、AMSR-E识别积雪的平均精度分别为75.4%、88.7%和88.9%,云仍然是影响积雪识别精度的主要原因,MOD10C2的积雪识别结果接近于气象站的真实值,AMSR-E高估积雪覆盖面积.此外通过软分类方法得出的MOD10A2和MOD10C2的积雪覆盖面积要低于硬分类得出的积雪覆盖面积,软分类法得到的结果更接近真实值. 相似文献
13.
MODIS以其时间分辨率、光谱分辨率的优势成为全球及区域土地覆盖研究的主要数据源。但如何快速准确的提取所需土地覆盖信息一直是科学界研究的焦点问题。对于NDVI时序数列分类方面的研究很多，其中影响分类精度的一个重要因素就是NDVI的数据质量问题。本文通过试验发现经过SavizkyGolay滤波处理的NDVI时序数列能够反映植被季相变化特征，与传统的滤波效果相比有明显改善，更符合实际情况。通过分析数据的波谱曲线，滤波后的时序数列能较好的区分植被与非植被、草本（一年生）与木本（多年生）覆盖类型。但研究区内一年一熟的农作物与高盖度草地、落叶针叶林与落叶阔叶林具有相似的物候特征，仅通过NDVI序列很难区分。为解决这一问题，本研究利用MODIS地表温度（land surface temperature,LST）产品对NDVI时序数列修正，利用前5个主成分进行分类。所得分类结果用363个野外调查样区进行验证，总分类精度达到了69.15％，kappa系数为0.6499。结果表明添加LST的时序数列比单纯的NDVI夸大了覆盖类型的差异，提高了分类结果的精度。为充分发挥MODIS高时间分辨率的优势，下一步应对多源数据进行定量分析，结合植被的物候关键期识别土地覆盖类型，必将进一步提高分类精度。 相似文献
14.
《Information processing & management》2023,60(3):103243
The detection and identification of traffic signs is a fundamental function of an intelligent transportation system. The extraction or identification of a road sign poses the same problems as object identification in natural contexts: conditions of illumination are variable and uncontrollable, and various objects frequently surround road signs. These difficulties make the extraction of features difficult. The fusion of time and space features of traffic signs is important for improving the performance of sign recognition. Deep learning-based algorithms are time-consuming to train based on a large amount of data. They are difficult to deploy on resource-constrained portable devices and conduct sign detection in real time. The accuracy of sign detection should be further improved, which is related to the safety of traffic participants. To improve the accuracy of feature extraction and classification of traffic signs, we propose MKL-SING, a hybrid approach based on multi-kernel support vector machine (MKL-SVM) for public transportation SIGN recognition. It contains three main components: a principal component analysis for image dimension reduction, a fused feature extractor, and a multi-kernel SVM-based classifier. The fused feature extractor extracts and fuses the time and space features of traffic signs. The multi-kernel SVM then classifies the traffic signs based on the fused features. Different kernel functions in the multi-kernel SVM are fused based on a feature weighting procedure. Compared with single-core SVM, multi-kernel SVM can better process massive data because it can project each kernel function into high-dimensional feature space to get global solutions. Finally, the performance of SVM-TSR is validated based on three traffic sign datasets. Experiment results show that SVM-TSR performs better than state-of-the-art methods in terms of dynamic traffic sign identification and recognition. 相似文献
15.
近10 年黑河流域上游积雪时空分布特征及变化趋势 总被引：2，自引：0，他引：2
基于黑河流域上游1960年-2011年降水、气温数据及2000年-2011年MODIS（Moderate-resolution ImagingSpectroradiometer）积雪产品,采用Mann-Kendall非参数检验和累积距平曲线,研究了降水、气温序列的变化趋势和突变点,分析了黑河流域上游积雪面积的年内分布过程和年际变化趋势,探讨了近10a来降水、气温变化对积雪覆盖面积的影响。结果表明：①黑河流域上游年平均气温呈显著的上升趋势,年降水量也呈微弱增加趋势;②黑河流域上游积雪面积年内分布呈双峰型,峰值分别出现在秋季和春季,夏季积雪面积最小;③2000年-2011年积雪面积呈微弱上升趋势,但各季变化不同。春、秋季积雪面积呈上升趋势,夏季为减少趋势,冬季没有明显的变化;④积雪频率有3个高值区,分布在黑河流域上游西岔札马什克水文站周围及以上区域。积雪频率与流域内高程存在显著的相关性;⑤各个季节积雪面积与气温呈负相关的关系;除秋季外,与降水呈正相关的关系。也即较大的降水在较低的气温条件下,有利于积雪的增加,温度的升高则使积雪面积减少。 相似文献
16.
基于TM遥感影像的玉米地专题信息自动提取 总被引：1，自引：1，他引：1
TM遥感影像中专题信息的自动提取是目前遥感界的研究热点，也已成为遥感信息生产流程中的瓶颈环节。本文分析了耕地专题信息自动提取的研究现状，选取了吉林中部和辽宁省东北部作为研究区，采用监督分类的方法对研究区TM遥感影像进行分类，提取了玉米地专题信息，玉米地信息的提取精度为85.5%。根据遥感影像目视解译的原理，提出了基于多特征空间的遥感影像专题信息自动提取的研究方法，通过对多特征空间的数学描述和计算机处理实现
遥感专题信息的自动提取。采用多特征空间的方法将玉米地信息分为光谱特征空间、形状特征空间、区域地学特征空间和干扰特征空间，应用ERDAS8.5遥感图像处理软件中的knowledge engineer模块的开发功能，设计了基于多特征空间的玉米地专题信息自动提取的专家库，使用专家库对玉米地信息进行了自动提取，提取精度为92.9%。从基于多特征空间的分类结果与监督分类结果的比较发现，基于多特征空间的自动提取方法可以提高专题信息的提取效率，对未来实现遥感影像的智能解译是一种研究方法的探索。 相似文献
17.
开都河流域积雪特征变化及其与径流的关系 总被引：1，自引：0，他引：1
本文利用MOD10A2遥感影像提取开都河流域2000年-2010年积雪覆盖数据,结合水文气象站点数据分析了开都河流域积雪时空分布特征、及气象因子-积雪面积-径流之间的关系。结果表明：开都河流域积雪面积在时间上的分布特征体现在年内和年际的变化。年内积雪变化较大,冬季积雪面积达到最大,夏季面积最小。近11a来积雪面积年际变化呈微弱的下降趋势,其中夏季和冬季下降趋势较明显,春季和秋季的变化趋势不明显。通过研究区积雪面积与气候资料的相关性表明,冬春季气温与流域积雪面积相关性最大,夏季最小;而降水在冬季和积雪面积的相关性最大。对径流和基流的影响因素进行分析表明积雪面积对春季径流和基流影响最大,在夏季的影响最小。气温与径流和基流的相关性在春秋季最大,降水量在夏季与径流和基流最相关。由此可见,气温在影响流域积雪面积变化方面起着重要作用,而气温和积雪面积在春秋季对径流和基流的影响最大,夏季降水对径流和基流的影响最大。 相似文献
18.
针对提取水体信息时阈值设定模糊问题,提出一种具有稳定阈值的在反射率为0时水体与其他地物分离度最好的自动水体信息提取方法。利用不同时间段的艾比湖、博斯腾湖、鄱阳湖、阿拉湖的Landsat 8卫星影像为数据源,通过分析水体与不同地物的反射率及主分量特征,构建一种新型水体指数——温度植被水体指数（Temperature Vegetation Water Index, TVWI）,利用监督分类得到的水体面积为参考值,分别与传统水体提取方法进行对比验证。结果表明：①利用TVWI分别对2013年与2016年的艾比湖进行水体信息提取,总体精度分别为98.51%、97.33%,博斯腾湖为99.66%,鄱阳湖为98.06%,阿拉湖为99.72%,总体精度较高;②在TVWI指数中,水体与非水体区域区分度较高,在水体边界处的非水体区域出现极高的噪音值,而水体区域值大于0;③通过普适性分析得知,TVWI对湖泊适应性较好,对不同类型的湖泊水体提取精度均较高。因此,利用TVWI进行高精度无模糊阈值设定的水体信息提取是可行的。 相似文献