排序方式: 共有5条查询结果,搜索用时 93 毫秒
1
1.
MODIS影像因其共享性和时间序列的完整性而成为大区域积雪监测研究广泛使用的数据源,进行MODIS影像波段间融合,能够为积雪研究提供较高分辨率的影像数据源。为了充分利用MODIS影像250 m分辨率波段的空间和光谱信息,提取亚像元级的积雪面积,使用两种具有高光谱保真度的影像融合方法:基于SFIM变换和基于小波变换的融合方法,采取不同的波段组合策略,对MODIS影像bands 1~2和bands 3~7进行融合,并以Landsat TM影像的积雪分类图作为“真值”,对融合后影像进行混合像元分解得到的积雪丰度图的精度进行评价。结果表明:利用基于SFIM变换和小波变换方法融合后影像提取的积雪分类图精度较高,数量精度为75%,比未融合影像积雪分类图的精度提高了6%,表明MODIS影像波段融合是一种提取高精度积雪信息的有效方法。 相似文献
2.
3.
利用最新发布的中分辨率成像光谱仪MODIS全球积雪8天合成数据MOD10C2和月合成数据MOD10CM,计算积雪面积及季累积积雪周数,分析北半球2001年~2011年积雪面积变化及时空分布特征。结果表明:北半球21世纪最初11年的积雪保持了20世纪的变化趋势,即积雪面积在秋夏两季减少而冬季增加,但在局部地区表现出新的变化特征,即积雪面积变化的异常区与1988年~1998年的有所差异:北美中西部和蒙古高原在两个时间段均是变化异常区,而青藏高原和欧洲阿尔卑斯山脉积雪在2001年~2011年变化不明显,哈萨克斯坦南部的图兰平原和里海北海岸地区是21世纪一个新的积雪变化异常区。 相似文献
4.
SIFT是目前广泛应用于目标识别和图像匹配领域的算法,但其在使用过程中存在描述子维数过大、耗时时间长的缺点.针对这个问题,常用的解决办法是利用PCA算法对描述子进行降维,由于PCA是一种线性降维算法,因此它的使用具有局限性.对此,利用模糊K均值算法对其进行改进(称为FKPCA),并用改进的RANSAC算法消除误匹配点.实验结果表明,PCA-SIFT算法和FKPCA-SIFT都很好地保持了SIFT算法原有的优点,具有很高的匹配正确率.但相对于PCA-SIFT算法,FKPCA-SIFT不仅适用于线性降维也适用于非线性降维,具有更好的匹配精度,拓展了PCA-SIFT算法的适用范围. 相似文献
5.
1