共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
小波变换在遥感图像处理中的应用综述 总被引:3,自引:0,他引:3
给出了小波变换的基本性质;综述了小波变换在遥感图像处理中的主要应用,特别是在图像数据压缩、纹理和边缘分析、图像插值处理和多卫星数据融合等方面的作用。从而认为小波理论在遥感图像处理领域有着广泛的应用前景。 相似文献
3.
4.
5.
6.
针对遥感图像的特点,将分形理论应用于遥感图像分类中,可以根据不同的类型引入不同的分维数,在一定程度上符合了地物实际分布的特征,从而可以应用到遥感图像分类中。 相似文献
7.
基于神经网络的遥感图像分类 总被引:17,自引:0,他引:17
针对传统的遥感图像分类方法分类精度低的缺点,提出了一种基于神经网络的分类方法。实验结果表明,这种基于神经网络的分类器经过训练后,可应用于遥感图像的分类,其分类精度明显高于传统的最大似然分类法。 相似文献
8.
在核函数的基础上采用向量扩展的方法改进传统的LMBP算法,将输入向量由低维转换到高维,充分利用误差函数的一二阶导数信息,同时结合传统LMBP算法的优点提高网络训练的收敛速度。仿真实验结果表明,改进方法网络训练的迭代次数更少,分类精度更高,对遥感图像分类更有效。 相似文献
9.
针对高光谱遥感图像数据量大、维数高、数据之间冗余量大的特点,提出一种基于决策边界特征提取(Decision Bounda-ry Feature Extraction,DBFE)的SVM高光谱遥感图像分类算法。首先采用DBFE对高光谱遥感图像进行特征提取,消除特征之间相关性,并降低特征维数,然后采用GA对SVM参数进行优化,找到最优分类模型参数,最后采用最优分类模型对待分类的高光谱遥感图像进行分类。仿真结果表明,高光谱遥感图像分类算法提高了高光谱遥感图像分类的效率和分类正确率,说明分类方法是有效、可行的。 相似文献
10.
人工智能技术在遥感图像分类中的应用 总被引:1,自引:0,他引:1
研究遥感图像分类精度问题,遥感图像分类根据图像特征进行分类,然而其特征维数相当高且信息冗余严重,分类器不能降低特征维数,导致分类器计算量大,图像分类效率和正确率低。利用主成分分析(PCA)降维特征维数的优点,提出一种基于PCA-SVM的遥感图像分类方法。PCA-SVM算法首先采用LBP算子提取遥感图像特征,然后采用PCA对遥感图像特征进行降维处理,减少特征维数并消除特征冗余信息,获得对分类结果贡献大的特征,最后采用SVM进行遥感图像分类。仿真结果表明,PCA-SVM提高了遥感图像分类效率和正确率。 相似文献
11.
扈乐华 《数码设计:surface》2021,(5)
利用数字图像处理技术高效地处理遥感图像是提高我国农业信息处理、无人机、自然地理测绘等领域水平的重要手段。本文首先简述了数字图像处理技术的概念,进而按照场景分类介绍数字图像处理技术在遥感图像分类中的应用。 相似文献
12.
本文把数学形态学的流域分割算法引入到处理遥感影像图上,实现了大数据量遥感影像水系图的流域分割。本文提供的流域分割方法与传统分割方法不同,该方法是根据数学形态学的知识,通过选取极低点,以极低点为中心膨胀得到分割区域来实现的。在膨胀时本文采用了八邻域膨胀的方法,提高了效率,缩短了运行时间,使分割得到了较好的效果。这种方法对于数据量很大的影像图尤其适用。 相似文献
13.
遥感图像处理技术目前已经广泛的应用于军事以及农业等众多领域。遥感图像中的目标物如果进行分割,那么就可以得到更多的目标物信息,并且可以为进一步的处理奠定良好基础,比如说对于目标物的跟踪、分析以及识别等。本文对图像分割的标准进行了介绍,并且对基于图论的交互式遥感图像分割法进行了详细的分析。 相似文献
14.
15.
16.
17.
一个基于扫描转换的图像格网处理通用算法 总被引:2,自引:0,他引:2
利用多边形格网上的拓扑关系,可以将对单个多边形的扫描转换扩展到多边形格网上,使扫描过程同时对格网中的多个多边形进行,减少了转换过程中的求交和扫描线转换次数。基于上述思想,文中对多边形格网上的图像分块处理提出了一种通用的快速算法,分析了该算法与逐多边形扫描转换在效率上的差异。最后,介绍了该算法在高精度图像纠正中的一个应用实例。 相似文献
18.
19.
独立分量分析在多光谱遥感图像分类中的应用 总被引:6,自引:0,他引:6
多光谱遥感图像反映了不同地物的光谱特征,其分类是遥感应用的基础。但是在多光谱遥感波段图像中存在不同地物对应着相同的灰度,即异物同谱的问题。独立分量分析算法对未知的源信号的混合信号进行估计,可以获得相互独立的源信号的近似。独立分量分析算法利用了信号的高阶统计信息,对于多光谱遥感图像而言,算法去除了波段图像之间的相关性,获得的波段图像是相互独立的。但是独立分量分析算法有一个缺点,即计算量太大,影响了在多光谱遥感图像分类上的应用。文章对独立分量分析的一种快速算法FastICA进行改进,减少了计算量,提高了算法的有效性。在性能相当的情况下,改进FastICA算法能有效地减少算法的计算量。由于FastICA算法是线性ICA算法,对于非线性混合的光谱信号的估计存在一定误差,因此应用BP神经网络的非线性特性对其进行自动分类。在同原始遥感图像的BP神经网络分类结果进行比较,结果表明独立分量分析算法能提高多光谱遥感图像的分类的正确率。 相似文献
20.