共查询到20条相似文献，搜索用时 250 毫秒
1.
为快速、准确监测小麦成熟度，合理制订收割时间，本研究以不同品种小麦为研究对象，在灌浆中后期获取试验区无人机RGB影像和多光谱影像。对RGB图像进行Lab空间转换，提取a分量值，分析小麦籽粒形成期、乳熟期、蜡熟末期、籽粒形成期倒伏和乳熟期倒伏不同状态下小麦a值的变化特征，对小麦从籽粒形成期到乳熟期的a值进行归一化处理，构建成熟度监测指标MCI。通过多光谱影像分析不同成熟度小麦的光谱特征变化规律，基于优选波段特征，选用比值植被指数(RVI)和归一化植被指数(NDVI)分别作为反演MCI的自变量，构建小麦成熟度监测模型。结果表明，基于NDVI构建的小麦成熟度监测模型的决定系数为0.718 7,拟合效果良好。研究采用2021年和2022年RGB影像和多光谱影像对小麦成熟度监测模型进行了验证，MCI预测值和参考值的均方根误差(RMSE)2021年为0.029 8,2022年为0.040 5,验证结果表明通过构建的小麦成熟度监测模型反演小麦成熟度空间分布是可行的。研究结果可为高空遥感大范围监测小麦成熟度，确定小麦适收顺序提供依据。 相似文献
2.
本研究在整体小波变换融合方法基础上，提出了基于对比度的局部特征选择加权小波变换影像融合方法，并以多光谱TM和高空间分辨率IRS-1C全色波段图像为例，与色彩空间变换HIS融合方法进行图像融合效果的比较分析试验。试验表明基于对比度的局部特征选择加权小波变换影像融合方法能在最大限度保持多光谱影像光谱信息的同时，增强了影像的纹理信息。 相似文献
3.
ETM+遥感影像融合方法的土地覆盖分类精度的研究 总被引：1，自引：1，他引：0
采用小波变换、小波和PCA相结合、小波和HIS相结合等遥感影像融合方法对Landsat7 ETM+多光谱与全色影像进行融合和土地覆盖分类研究,并结合影像的光谱统计参数和融合影像分类精度对这些方法进行评价,结果发现这3种融合方法均能不同程度地提高影像的分类精度。其中,第3种方法所得融合影像与原多光谱影像的相关系数最大,均方差、相关系数和信息熵最大,影像所含信息量最多,光谱特性保持较好;清晰度较高,在空间细节信息的表现能力上较优,所以融合影像的分类精度最高。因此,小波和HIS相结合的融合方法更适合ETM+融合影像的土地覆盖分类研究。 相似文献
4.
在南方水稻遥感监测中,单一传感器影像数据已不能满足监测精度的要求,需要将高空间分辨率全色影像与中高空间分辨率多光谱影像进行融合,得到新的高空间分辨率多光谱影像,有利于改善影像识别与分类精度.该文利用江苏省金湖地区HJ-1A卫星30m分辨率多波段影像与ALOS卫星2.5m分辨率全色影像进行水稻监测,采用4种融合方法(Brovey变换、IHS变换、高通滤波和小波变换)对2种影像进行融合处理.随后对各种融合影像结果进行了目视定性和融合评价指标定量说明与评价,结果表明小波变换在空间与光谱信息上具有最佳的融合效果.进一步利用小波变换的融合影像进行水稻识别与面积提取,统计表明融合影像相比HJ-1A多光谱影像,水稻面积估测精度从79.26%提高到91.65%.因此,利用多源遥感数据融合的方法对南方水稻面积进行监测,可显著提高其监测精度. 相似文献
5.
基于ERDAS IMAGINE软件的快鸟影像融合研究 总被引：2，自引：0，他引：2
该文采用PCA变换与IHS变换对快鸟的多光谱、全色影像进行融合处理.图像的处理全过程均在ERDASIMAGINE 8.5中完成.影像的统计特征评价均值、标准差在ERDAS IMAGINE 8.5中完成,熵、联合熵的计算应用Matlab编程完成.经计算两种变换后影像的联合熵均大于原图像,其中以PCA融合处理后的联合熵(15.865)最大.各波段的均值、标准差也与原多光谱影像相近,因此该试验中PCA变换最佳,不但保留了多光谱的特性,还融进了全色波段的高分辨率特征. 相似文献
6.
7.
以2006年泉州市部分QuickBird多光谱影像与全色影像为实验区数据基础，在遥感软件ERDASIMAGINE9．2平台支持下，应用小波融合算法及融合规则实现QuickBird融合处理，在此基础上进行归一化植被指数（NDVI）运算，通过人机交互式提取得到实验区5种主要的绿地类型：公园绿地、生产绿地、防护绿地、附属绿地及其他绿地．结果表明：1）QuickBird多光谱影像、全色影像的信息熵分别为3．975，4．162，而QuickBird融合影像的信息熵为7．251，明显高于前两者，融合后空间信息更丰富；2）QuickBird融合影像的平均梯度是3．328，多光谱影像、全色影像分别是1．552，2．965，融合影像纹理特征更明显；3）QuickBird融合影像与多光谱影像的偏差是0．0359，全色影像的偏差为0．0562，均接近于0，小波融合影像较好地保持了源图像的光谱特性；4）绿地信息分类提取的精度为89．6％，趋近90％． 相似文献
8.
以洪雅县柳江镇为试验区,选用SPOT-5全色影像和多光谱影像为材料,采用PCA、Brovey以及IHS变换融合方法,对SPOT-5全色与多光谱图像进行融合处理,为退耕还林工程面积监测奠定基础。通过对各融合结果图像进行主观和客观的综合评价,得到评价结果:Brovey变换融合方法得到的结果图像在其空间质量和光谱质量综合表现的最好,适宜于低山丘陵区的遥感监测使用。 相似文献
9.
基于Quickbird影像的土地利用调查研究 总被引：1，自引：0，他引：1
以广西天峨县龙滩电站淹没区及周边区域为研究对象,应用IHS变换、主成分变换和Brovey变换等3种影像融合方法对Quickbird多光谱和全色遥感影像进行融合,并利用目视评价和偏差指数等指标对融合效果进行定量评价;利用融合后的高分辨率影像对研究对象的遥感调查进行了处理和研究.结果表明:主成分变换法的融合效果最佳;用材林、经济林和水田分别占被淹没土地总面积的40.53%、18.35%和18.50%,是主要土地类型. 相似文献
10.
为了提高多云雾地区光学遥感影像利用率、探索不同云量的光学影像和SAR影像的最佳融合尺度,选取重庆市渝中地区为研究区,基于Sentinel-1A极化合成孔径雷达(SAR)影像与不同云量的Sen鄄tinel-2A(云量分别为0、10%、20%、30%)光学影像,进行小波变换融合、乘积变换融合、高通滤波融合,再利用图像评价方法评价影像融合以后的效果,最后利用面向对象的方法对融合前后的影像进行分类,利用混淆矩阵比较最终的分类精度。结果显示,无云情况下,小波变换融合效果最好,最大限度地保留了原多光谱影像的亮度、反差,有效防止了影像信息的丢失,对植被的解译能力有了明显改善,而融合后的影像保真度较差,其余两种融合效果相对次之,因此,在多云雾地区进行多源遥感数据融合时,尤其是异质数据融合时,优先推荐小波融合算法;当云量为10%以上时,3种融合算法虽然信息熵略有增加,但平均梯度、标准差减少了,造成解译困难,导致最终分类精度均略低于Sentinel-2A影像,远低于Sentinel-1A影像,基本不能满足使用要求,因此,在进行地表覆被解译时,推荐用SAR影像替代光学影像。 相似文献
11.
针对目前林业部门人工调查树种存在效率低、成本高等问题,采用无人机遥感技术进行树种分类识别,提高树种调查效率,辅助林业管理部门进行林木种植结构分析、病虫害防治等工作。利用无人机获取矮冬青、三球悬铃木、马尾松和紫叶李的冠层红绿蓝（red-green-blue,RGB）可见光影像,进行数字表面模型（digital surface model,DSM）特征图像提取,通过色彩空间转换提高树种间颜色差异;应用最优尺度分割,以纹理特征、颜色特征及几何特征为分类特征参数,优选最佳分类特征集,以期实现无人机可见光影像的树种分类。结果表明,DSM与RGB特征融合图像提取树种的精度较高,可见光影像分类总精度为91.58%,Kappa系数为0.89;特征融合图像分类总精度为98.27%,Kappa系数为0.98。研究提出的特征融合图像结合面向对象分类方法实现了可见光影像的树种分类,为实现树种计数、统计、分类提供数据参考。 相似文献
12.
图像融合技术的研究目的就是综合不同类型的传感器所获取的图像信息,通过对多幅图像间冗余数据的处理提高图像的可靠性和可观察性,通过对多幅图像间互补信息的处理提高图像的效果。提出了一种基于小波的融合算法,该算法基于小波图像的能量集中在低频子带、细节体现在高频子带的特点,在低频部分对小波系数采用基于局部能量的加权融合方法处理,高频部分采用基于边缘信息的加权算法进行融合。结果表明:所采用的方法避免了图像融合过程中因平均化而出现的模糊现象,融合后的图像内容更加清晰,更容易识别。实践证明,基于小波变换的图像融合可以取得良好的结果和较快的处理速度。 相似文献
13.
Because of cloudy and rainy weather in south China, optical remote sens-ing images often can＇t be obtained easily. With the regional trial results in Baoying, Jiangsu province, this paper explored the fusion model and effect of ENVISAT/SAR and HJ-1A satel ite multispectral remote sensing images. Based on the ARSIS strat-egy, using the wavelet transform and the Interaction between the Band Structure Model （IBSM）, the research progressed the ENVISAT satel ite SAR and the HJ-1A satel ite CCD images wavelet decomposition, and low/high frequency coefficient re-construction, and obtained the fusion images through the inverse wavelet transform. In the light of low and high-frequency images have different characteristics in differ-ent areas, different fusion rules which can enhance the integration process of self-adaptive were taken, with comparisons with the PCA transformation, IHS transfor-mation and other traditional methods by subjective and the corresponding quantita-tive evaluation. Furthermore, the research extracted the bands and NDVI values around the fusion with GPS samples, analyzed and explained the fusion effect. The results showed that the spectral distortion of wavelet fusion, IHS transform, PCA transform images was 0.101 6, 0.326 1 and 1.277 2, respectively and entropy was 14.701 5, 11.899 3 and 13.229 3, respectively, the wavelet fusion is the highest. The method of wavelet maintained good spectral capability, and visual effects while improved the spatial resolution, the information interpretation effect was much better than other two methods. 相似文献
14.
根据遥感真彩色融合的物理机制,推导出RGB彩色模型中的约束方程,引入YVC彩色模型,提出不同分辨率遥感图像彩色融合必须满足的独立彩色约束方程,应用一次和二次多项式展开导出相应的近似解。通过进行计算机模拟和遥感实际试验,结果表明,二次多项式近似解可明显改善对道路地物的融合效果。 相似文献
15.
16.
Tu Shuqin Pang Jing Liu Haofeng Zhuang Nan Chen Yong Zheng Chan Wan Hua Xue Yueju 《Precision Agriculture》2020,21(5):1072-1091
The accurate and reliable fruit detection in orchards is one of the most crucial tasks for supporting higher level agriculture tasks such as yield mapping and robotic harvesting. However, detecting and counting small fruit is a very challenging task under variable lighting conditions, low-resolutions and heavy occlusion by neighboring fruits or foliage. To robustly detect small fruits, an improved method is proposed based on multiple scale faster region-based convolutional neural networks (MS-FRCNN) approach using the color and depth images acquired with an RGB-D camera. The architecture of MS-FRCNN is improved to detect lower-level features by incorporating feature maps from shallower convolution feature maps for regions of interest (ROI) pooling. The detection framework consists of three phases. Firstly, multiple scale feature extractors are used to extract low and high features from RGB and depth images respectively. Then, RGB-detector and depth-detector are trained separately using MS-FRCNN. Finally, late fusion methods are explored for combining the RGB and depth detector. The detection framework was demonstrated and evaluated on two datasets that include passion fruit images under variable illumination conditions and occlusion. Compared with the faster R-CNN detector of RGB-D images, the recall, the precision and F1-score of MS-FRCNN method increased from 0.922 to 0.962, 0.850 to 0.931 and 0.885 to 0.946, respectively. Furthermore, the MS-FRCNN method effectively improves small passion fruit detection by achieving 0.909 of the F1 score. It is concluded that the detector based on MS-FRCNN can be applied practically in the actual orchard environment.
相似文献17.
针对现实生活中彩色图像普遍存在不清晰和对比度差的情况,在RGB模型上提出了一种新的彩色图像增强算法,并且应用到了木材图像领域。将彩色木材图像分解为RGB3个通道,首先使用滤波器把3个通道分别分解成高低频子带;然后使用傅立叶变换和小波变换相融合的方式进行锯齿检测,同时进行阈值判断;之后对检测到的锯齿进行消除,低频子带使用方向自适应滤波器,高频子带使用小波收缩函数进行消除;再使用小波逆变换返回3个通道;最后将3个通道还原成彩色图像。结果表明,该方法和传统方法相比较,可以有效保持图像的边缘特征,达到增强效果。以樟子松微观横截面为例,峰值信噪比PSNR提高了5.05,信息熵提高了3.14。本研究同时采集了榆木微观横截面、杨木宏观横截面和云杉微观横截面,其图像均得到增强。 相似文献
18.
In this paper, a new method to fuse low resolution multispectral and high resolution RGB images is introduced, in order to detect Gramineae weed in rice fields with plants at 50 days after emergence (DAE).The images are taken from a fixed-wing unmanned aerial vehicle (UAV) at 60 and 70 m altitude. The proposed method combines the texture information given by a high resolution red–green–blue (RGB) image and the reflectance information given by a low resolution multispectral (MS) image, to obtain a fused RGB-MS image with better weed discrimination features. After analyzing the normalized difference vegetation index (NDVI) and normalized green red difference index (NGRDI) for weed detection, it was found that NGRDI presents better features. The fusion method consists of decomposing the RGB image using the intensity, hue and saturation (IHS) transformation, then, a second order Haar wavelet transformation is applied to the intensity layer (I) and the NGRDI image. From this transformation, the low–low (LL) coefficients of the NGRDI image are replaced by the LL coefficients of the I layer. Finally, the fused image is obtained by transforming the new wavelet coefficients to RGB space. To test the method, a one hectare experimental plot with rice plants at 50 DAE with Gramineae weeds was selected. Additionally, to compare the performance of the method, two indices were used, specifically, the M/MGT index which is the percentage of detected weed area, and the MP index which indicates the precision of weed detection. These indices were evaluated in four validation zones using three Neural Networks (NN) detection systems based on three types of images; namely, RGB, RGB + NGRDI, and fused RGB-NGRDI. The best weed detection performance was obtained by the NN with the fused image, with M/MGT index between 80 and 108% and MP between 70 and 85%. 相似文献
19.
探讨基于K-TH阶中心矩重建一系列基于多波段向量特征和均值向量差异图像的差异性K-TH阶中心矩中心方法。与多波段灰度图像、RGB融合图像、eCongnition软件处理后图像相比结果表明,重建图像信息量在低k值下得到显著增强,可应用于农业病虫害监测、森林火灾、环境污染、洪水治理方面,用于检测与周边环境变异较大区域;当k值增加时,重建图像信息量急剧降低,多波段向量特征和均值向量差异被放大,图像趋向于二值图像,可用于遥感分割、分类、微小差异性检测。 相似文献
20.
电力机房图像边缘提取是实现电力机房三维重建的重要辅助环节,机房图像边缘提取越精准,三维重建将会更准确.本文提出一种融合小波变换模极大值和多尺度多结构形态学的图像边缘检测算法对电力机房图像进行处理.首先,对原始电力机房图像进行小波分解得到高频图像和低频图像;然后,采用小波变化模极大值算法提取高频图像的边缘信息,多尺度多结构数学形态学算法提取低频图像的边缘信息;最后,通过叠加运算融合高频和低频的边缘信息,得到原始图像的边缘信息.通过仿真实验表明,本文提出的边缘检测算法在抗噪性能、边缘连续性、定位精度上综合实力最强. 相似文献