排序方式: 共有118条查询结果,搜索用时 375 毫秒
1.
非负特征值约束的优势在于它可以判定一个极化矩阵能否对目标的散射机制进行表征。若一个矩阵不能满足非负特征值约束条件,则不能表征目标的散射机制,也就没有地物目标散射的极化信息。在非负特征值约束理论之前的极化分解中忽略了这个条件,导致分解的极化特征没有意义。根据满足非负特征值约束的非负特征值分解方法,提取出平面散射、偶次散射、体散射分量,结合支持向量机分类器,提出了一种SAR图像分类方法,并以AIRSAR_SanFrancisco数据进行分类实验,且将分类结果与H/A/α-Wishart分类结果进行对比分析。结果表明,基于非负特征值分解和支持向量机分类器结合的分类方法可行有效,且具有很好的分类精度。 相似文献
2.
极化干涉合成孔径雷达(PolInSAR)估测森林结构参数中,数据受基线长度、信噪比、环境地形以及雷达波长的影响,尤其在复杂森林环境条件下,会导致观测到的复相干存在误差,从而影响最终的反演结果。为解决此问题,首先探讨了体相干选择对RVoG三阶段森林冠层高度反演的影响,以地相位为参考逐像素选择距离地相位最远的相干性作为体相干。其次改进了地相位估计方法,采用戴明回归(DMR)和正交回归(OGR)2种相干直线拟合方法来改进地相位的估计,并在DMR拟合方法中设置了不同的误差比(0.3和0.6)来比较地相位估计方法对RVoG三阶段森林冠层高度反演的影响。研究结果表明:以地相位为参考逐像素选择体相干的反演结果相较于直接使用HV极化通道的复相干γHV为体相干的反演精度有明显提升,决定系数(R2)由0.349增加到0.383,均方误差由7.097 m2降低到5.755 m2。在体相干优化选择的基础上,采用了戴明回归和正交回归对地相位估计方法进行了改进。表明基于最小二乘回归(LSR)地相位估计的RVoG三阶段反演精度最... 相似文献
3.
基于机载LiDAR数据,分析哑变量对林分蓄积量估测精度的影响。以广西高峰林场为研究对象,借助机载激光雷达点云数据和96个样地数据,将样地数据按7∶3的比例随机划分为建模样本和测试样本,采用随机森林模型(RFR)和支持向量机模型(SVR)对建模样本与对应的点云特征回归建模,将树种组(针叶林和阔叶林)和龄组分别作为哑变量引入到回归模型。利用测试样本的估测精度评价模型的估测精度,引入树种组哑变量,随机森林模型决定系数R2从0.59提高到0.64,支持向量机模型决定系数R2从0.49提高到0.50。引入龄组哑变量,随机森林模型决定系数R2从0.59提高到0.65,支持向量机模型决定系数R2从0.45提高到0.55。根据模型的建模精度和验证精度结果得出,引入哑变量对蓄积量估测模型的精度提升是相对有效的。龄组哑变量对模型精度提升效果优于树种组哑变量。 相似文献
4.
5.
准确提取单木树冠边界是获取森林数量参数的重要基础,是高分辨率遥感图像林业应用的技术难题。基于DOM航空影像数据源,采用面向对象的方法对研究区内的2个树种的林分进行了单木树冠边界提取研究。首先利用桉树和杉木的空间分布矢量数据对DOM航空影像进行掩膜处理,在掩膜区域内进行多层次多尺度图像分割得到初步树冠分割结果,并剔除非树冠信息;再以树冠信息种子对象为基础,使用区域增长算法对树冠信息种子对象增长得到单木树冠范围;最后使用形态学滤波的方法优化单木树冠边界,完成林区内桉树和杉木两类树种的单木树冠边界提取。结果表明,由于不同树种的树冠存在尺度和形态差异,进行单木树冠分割时需要设置不同的参数才能到达较好的分割效果。本研究中桉树和杉木的单木树冠提取总体精度分别为86.75%与89.21%,可满足林业部门获取森林单木树冠的精度需求。 相似文献
6.
集成的3“S”应用技术系统由于其具有快速,实时的空间信息获取与分析能力,在全球变化研究,资源与环境动态监测,灾害监测与防治等国际关注的热点问题研究中越来越受到重视,为此,介绍了3“S”集成技术在我国的发展情况及存在的问题,并对今后3“S”技术在林业上的应用前景作了初步分析。 相似文献
7.
图像的边缘检测是图像特征提取和图像分析理解的基础.运用Roberts,Sobel,Prewitt,Laplacian 4种经典边缘检测算子对TM遥感影像进行水体边缘检测研究,然后对各种算子获得的结果进行比较.结果认为:采用Roberts算子获得的水体边缘不清晰,而且边缘不连续,边缘检测效果比较差;采用Sobel算子获得的水体边缘局部效果不佳,边缘定位精度不高;采用Laplacian算子获得的水体边缘不具有方向性,定位精度高,检测出了绝大部分的边缘;采用Prewitt算子方法二获得的水体边缘明显,效果最佳.因此,Prewitt算子方法二是最佳的基于TM遥感影像提取水体边缘的方法. 相似文献
8.
9.
为探明大湄公河次区域植被净初级生产力(NPP)时空变化特征,基于Google Earth Engine(GEE)云计算平台,利用MOD17A3HGF NPP时序数据,采用线性趋势分析方法,分析了2001—2019年大湄公河次区域植被NPP的时空变化特征。结果显示:(1)2001—2019年间大湄公河次区域植被NPP总体较高,植被NPP年均值整体上变化趋势不显著,变化波动较大,且与年均温度有显著的负相关性;(2)大湄公河次区域植被NPP年均值具有较明显的空间分异性规律,大体呈中部高,南、西南部略低的状态,与其主要河流流域有着重要的联系;(3)植被NPP变化趋势呈现基本不变、轻微改善的特征,改善区域主要位于中国云南省与广西,轻微退化区域主要位于老挝中部和缅甸北部;(4)GEE云平台解决了本地平台数据下载与存储不便等问题,整个大湄公河次区域植被NPP时空变化的数据处理在10 min内完成,GEE云平台在大范围、长时间尺度的研究中体现出了强大的优势。 相似文献
10.
基于EnMAP-Box的遥感图像分类研究 总被引:2,自引:0,他引:2
采用2007年6月云南省勐腊县TM遥感数据,利用EnMAP-box进行了支持向量机的图像分类研究,以网格搜索法寻找最优参数,在设定的范围内,求得了最优C和g参数,用此参数进行支持向量机的遥感图像土地覆盖分类。结果表明:SVM方法较最大似然分类方法具有较高的分类精度,特别是阔叶林和橡胶林的精度明显优于最大似然分类方法;对于面积较小的次要类型,2种分类方法的精度基本保持一致;SVM的总体精度相对于最大似然分类提高了11.9%。 相似文献