共查询到20条相似文献，搜索用时 187 毫秒
1.
2.
科学快速地掌握林地资源信息是进行林地管理与保护的基础。针对现有研究中林地提取方法精度不足的问题,提出一种顾及多尺度上下文信息的高分影像林地提取方法,首先,在编码阶段利用残差网络提取遥感影像中林地的深层次特征;其次,考虑到林地明显的同物异谱及同谱异物特征,建立一种顾及上下文信息的特征融合算法,有效提高网络对于目标区域的关注度;最后,构建一种深度多尺度信息聚合结构以适用于遥感影像中林地的较大尺度差异性特征。为证明方法的有效性,建立了一个遥感影像林地提取数据集进行试验,并与现有优秀的方法进行对比,结果显示,本研究方法F1值提高了4.28～11.83,IOU值提高了2.49～15.32百分点,本研究方法对于林地信息提取具有更高的精度。 相似文献
3.
4.
5.
通过对高分辨率遥感影像线状地物特征分析,提出了一种基于矩形模板匹配的高分辨率遥感影像线状地物提取方法.该方法由用户选取矩形种子区域,自动定义匹配区域,进行种子区域与匹配区域的最小二乘匹配,从而实现线状地物的半自动提取.与剖面匹配法和角度纹理法的对比实验研究结果表明,矩形模板匹配法能够快速、准确地提取出高分辨率遥感影像中的线状地物,节省了时间和人力. 相似文献
6.
准确高效地识别和测算村庄建设用地的类型及数量,可以为村镇规划、村庄整治等提供依据。为研究应用高分二号遥感影像提取村庄建设用地的技术方法,选取吉林省长春市和松原市的两个村庄作为典型研究区,针对遥感影像的不同时相特征,分别采用直接提取法和间接提取法进行村庄建设用地提取试验。结果表明,高分二号遥感影像可以应用于村庄建设用地的精确识别。直接提取法以支持向量机的监督分类法效果最优,可作为精确提取地类的方法;基于植被指数并辅以归一化蓝色屋顶指数的间接提取法,适合村庄建设用地的快速估算。 相似文献
7.
快速、准确获取耕地数量及其分布信息是研究耕地时空格局和生态效应的基础,也是及时制定应对粮食问题对策的迫切需求。近年来,随着卫星遥感技术的迅猛发展,遥感以其宏观性、实时性以及经济性为耕地信息快速获取提供了可能性。本文归纳了遥感技术应用于识别耕地信息的研究进展,总结了国内外耕地信息提取研究中常用的数据源、分类算法、时相选择、分类对象,讨论了上述四大类在提取耕地信息过程中的优缺点。随着传感器数量不断增加,遥感影像时间分辨率、空间分辨率及光谱分辨率不断提高,分类算法的不断涌现,基于多源遥感数据,集成智能分类算法识别耕地将成为必然的发展趋势。 相似文献
8.
9.
10.
11.
概率神经网络的水稻种植面积遥感信息提取研究 总被引：1，自引：0，他引：1
为了提高水稻种植面积遥感信息提取精度,将根据水稻生长期所选择的多时相遥感影像经过大气校正和几何校正后,实施单波段统计、主成份变换和比值变换,选出最佳组合波段,通过分析概率神经网络(probabilistic neural network,PNN)的学习算法和基本结构,对最佳组合波段影像实现PNN模型分类,并将其分类结果与反向传播(back propagation,BP)神经网络模型和最小距离法的分类结果进行比较.结果表明:PNN模型比最小距离法的分类精度高出近6个百分点;PNN模型比BP模型的分类精度高出近13个百分点;对于水稻种植面积提取精度,PNN模型比最小距离法的结果高出15个百分点.从本次试验可知,PNN模型是一种有效的遥感影像分类方法,在作物种植面积提取方面将具有独到的功效. 相似文献
12.
高分辨率无人机遥感影像单木树冠参数信息提取方法是森林资源精准监测和生态功能评估的重要基础,而自然光照条件下粘连和遮挡单木树冠的准确分割是直接决定单木树冠信息提取精度的关键。针对自然光照条件下山地森林无人机遥感影像中单木树冠相互粘连、遮挡难以分割,以及传统算法泛化能力弱等问题。本研究结合深度学习和标记控制分水岭算法的优点,提出了一种基于U-Net和标记控制分水岭（marker-controlled watershed,MCW）算法（简称U-Net+MCW算法）的山地森林单木树冠提取方法。以新疆山地森林优势树种天山云杉(Picea schrenkiana var.tianschanica)为研究对象,在南山实习林场采集积雪背景下无人机遥感影像作为试验数据,构建了基于深度神经网络U-Net和标记控制分水岭算法的单木树冠提取模型。首先,从无人机遥感影像中选取1 000张训练样本,128张测试样本,并对样本进行标注,通过数据增强将1 000张训练样本扩增为16 000张,按照4∶1分为训练集和验证集,对U-Net模型进行训练,在训练过程中赋予2个或多个树冠间的相邻边界像素较大权重。然后,利用训练好的U-Net模型对测试集样本进行单木树冠提取。最后,在深度神经网络U-Net单木树冠提取的基础上,采用MCW算法对提取结果进行优化,并对单木树冠提取效果进行精度评估。结果表明,U-Net+MCW算法对于单木尺度的F测度为74.04%,比单一使用U-Net模型提高了28.52%,以该方法提取遥感影像中的天山云杉树冠信息为基础,计算其单木树冠面积和冠幅的精度分别为81.05%和89.94%。因此,U-Net+MCW算法能够有效解决自然光照条件下,由于原始图像背景复杂且树冠内部亮度变化不均匀和树冠间粘连、遮挡等因素,导致的单个树冠内、树冠聚集处或连接重叠区域出现的树冠错分割、过分割、合并等问题,是一种低成本、高效率的单木树冠提取方法,能够满足中小尺度山地森林资源调查和监测要求。 相似文献
13.
基于可见光波段的无人机超低空遥感图像处理 总被引：3，自引：2，他引：3
【目的】探讨低成本的可见光超低空农业遥感平台提取与分析农情信息的可行性,为农用无人机精准施药与农情监测提供技术支持。【方法】以仅包含红光、蓝光和绿光的超低空可见光农田遥感图像为研究对象:首先利用张氏校正法获取相机的畸变矩阵,并校正图像;然后提取与分析图像的可见光植被指数;最后通过分析超低空可见光农田图像中植被与非植被的光谱特性,对可见光超低空遥感图像进行植被信息提取。【结果】获得的农田植被提取图像很好地区分了植被与非植被。【结论】基于可见光的超低空遥感农业信息获取系统应用具有可行性,可为构造低成本的可见光低空遥感监测系统提供参考。 相似文献
14.
一年一季农作物遥感分类的时效性分析 总被引：3，自引：1，他引：3
【目的】基于遥感影像的作物分类研究是提取作物种植面积和长势分析及产量估测的基础,也是推动现代化农业快速发展的动力。研究结果可为农业等相关部门掌握农情,进行宏观调控提供依据。目前,农业遥感研究主要集中于中低分辨率遥感影像,影响植被信息提取的精度,应用高分辨率多时相遥感影像和选择最优分类方法可以提高植被信息提取精度。明确农作物遥感分类的时效性与最优分类方法,为快速、准确地获取作物空间分布数据和农情定量遥感监测提供依据。【方法】基于黑龙江省虎林市2014年5—10月覆盖完整生长期的20幅遥感影像,构建16 m分辨率NDVI时间序列曲线,建立决策树分类模型,通过分类影像进行系列阈值分割,并结合辅助背景数据及专家知识,成功提取虎林市土地利用覆被信息;利用20幅影像依次波段合成的方式进行作物分类,明确最优时相;将提取的耕地范围作为作物分类规则,并与未提取耕地范围的作物分类结果进行比较;同时通过最大似然法、马氏距离法、神经网络法、最小距离法、支持向量机、波谱角分类法、主成分分析法多种分类方法进行作物分类;利用农业保险投保地块数据进行精度验证。【结果】(1)7月初、7月末到8月初、9月末是研究区一年一季作物遥感分类的3个关键时相;(2)决策树分类方法在提取土地利用覆被信息的结果中精度最高,总体精度90.24%,Kappa系数0.87;(3)6月初与7月初2幅影像结合采用最大似然法对作物进行分类的总体精度高达94.01%,Kappa系数为0.79,6月初与7月初的影像结合,可以解决作物分类的时效性;(4)结合9月21日的影像,总体精度进一步提高,大豆分类精度明显提高,最终确定最大似然法为最优作物分类方法。【结论】通过遥感数据能实现在7月上旬对作物进行精准分类,拓展了遥感数据在农业领域的应用价值,对一年一季地区作物快速分类与农情定量遥感监测有重要意义。 相似文献
15.
遥感影像分辨率的高低直接影响着森林植被监测的精度、成本和效率,故选择适合森林植被监测的影像最佳分辨率具有重要的应用价值。针对森林植被监测影像最佳分辨率选择方法及结果缺乏的问题,从林业实际应用出发,提出了基于1个步长的变异函数分析空间变异并综合考虑监测精度、成本和效率来确定森林植被监测影像最佳分辨率方法。基于最新的国产高分二号（GF-2）全色影像,利用1个步长的变异函数对湖南常宁洋泉镇林区3种典型分布类型森林植被进行拟合分析,初步确定适合森林植被监测的影像最低分辨率。然后对重采样形成的不同尺度多光谱影像分别进行监督分类,并对结果进行定量定性分析,结合影像成本和数据处理时间,找到适合不同类型森林植被监测的影像最佳分辨率。研究表明:不同分布类型的森林植被,适合遥感监测的影像最佳分辨率不同:①小冠幅森林植被3.2 m;②大冠幅森林植被16.0 m;③混合冠幅森林植被8.0 m。该森林植被遥感监测影像最佳分辨率确定方法和结果可为其他区域森林植被遥感监测影像最佳分辨率确定提供借鉴。 相似文献
16.
为了对舟曲特大山洪泥石流灾害进行监测评估,以遥感技术为主要手段获取多时相、多分辨率、多传感器的遥感影像。在综合分析获取的灾区遥感影像数据的基础上,结合舟曲特大山洪泥石流发生后的实际情况及灾后应急救灾、灾害评估及恢复重建的实际需要,在＂救灾响应＂前提下,按＂轻重缓急＂原则处理灾后多源遥感影像。在多源遥感影像处理过程中,采用遥感图像处理、摄影测量和地理信息系统技术处理遥感图像,提出了影像拼接、面向对象的灾情信息提取等遥感影像处理的关键技术和方法。根据研究区的实际情况,利用目视解译、遥感图像分类、面向对象的变化监测等信息提取技术,对灾区地质灾害等灾害信息进行了有效地提取,准确确定滑坡、泥石流、倒损房屋、受损道路与桥梁、土地资源、水利设施、市政基础设施等各种灾情信息。同时归纳了灾害信息提取的一般方法,具有良好的科学性和可操作性,适合于巨大灾害灾情遥感应急监测评估工作。该研究成果为全面准确地掌握灾情,科学地评估灾情,进而采取有效救灾防灾抢险等措施和灾后恢复重建提供科学依据,对有效指导防灾减灾具有重大理论和实践意义。 相似文献
17.
利用遥感影像提取裸地是监测裸地空间分布的一个重要手段。针对目前普遍存在的边界不清晰、空间信息丢失、小面积裸地漏提和与高反射率建筑不易区分等问题,设计了一种改进DenseNet的遥感裸地提取深度学习模型,主要采取密集连接块、坐标卷积和密集空洞空间金字塔3种方法,增强DenseNet模型在获取坐标信息、丰富裸地空间特征信息、对全局上下文信息感知等方面的能力,减少模型对于空间细节特征丢失环节,提高裸地遥感提取的精度。实验表明,该方法提取裸地的总精度为97.66％、交并比为68.69％、综合评价指标F1为81.44％、召回率为76.62%以及虚警率为25.68%,明显优于其他机器学习方法和深度学习方法。此外,该模型对于多源遥感影像上的裸地提取也具有良好的普适性,在高分一号、高分六号和哨兵二号等遥感数据集上测试的总精度分别为95.80％、93.00％和92.55％;交并比分别为75.18％、75.13％和50.47％;综合评价指标分别为85.83％、85.80％和67.08％。因此,改进的DenseNet模型方法较其他方法更适用于裸地的提取。 相似文献
18.
农业遥感图像增强有利于图像信息的提取与分析,萤火虫算法是近年来较为新颖的智能仿生算法,目前国内外关于其能否用于农业遥感图像增强的研究未见报道。文章首先利用非完全Beta函数建立农业遥感图像增强模型,结合人眼最小灰度分辨力函数进行图像细节增强,将每个输入区间的像素灰度值变换到适当的输出灰度级区间,最终生成对比度均衡的图像;然后通过萤火虫优化算法在其动态决策域半径进行伪差分操作更新;最后确定最佳参数的收敛条件,给出了算法流程。试验仿真结果表明,萤火虫算法的农业遥感图像检测在图像细节增强评价指标、相位一致性指标、通用质量评价指标等方面与直方图算法、Retinex算法、小波变换算法、模糊聚类算法等相比数据较优,能够用于农业遥感图像增强。 相似文献
19.
利用面向对象思想,综合应用光谱值、光滑度、紧凑度及长宽比等因子,分割道路对象,构建规则知识库,探讨一种基于多因子对象的高空间分辨率遥感影像道路提取方法,并以厦门市局部区域的QuickBird影像为例进行实证.结果表明：影像分割尺度为75时,道路对象被较完整分割;与传统基于单个像元光谱信息的监督分类法相比,该方法的提取精度较高. 相似文献
20.
基于Google Earth的ETM~+遥感图像自动分类方法 总被引：1，自引：0，他引：1
为了快速准确识别地物、设计野外路线并减少踏勘后对前期解译工作的修改,本文参考Google Earth软件提供的高分辨率遥感图像,利用ETM+解译生成训练样本,然后采用最大似然监督分类算法进行ETM+图像分类。结果表明:与非监督分类和非监督-监督混合分类方法相比,基于Google Earth高分辨率遥感图像的ETM最大似然监督分类方法效果好、精度高,是一种经济、高效的技术手段,可用于初步识别地物分布情况、设计野外路线和勘查点等工作,对野外工作具有一定的指导意义;不同融合方式、不同波段组合的图像分类结果明显不同,该区域ETM+图像R(5)G(4)B(3)波段组合、PCA融合图像的分类总精度最好。 相似文献