共查询到17条相似文献,搜索用时 140 毫秒
1.
自动形态学端元提取(AMEE)算法中的形态学算子在纯像元集中分布的区域无法得到正确的结果。现有膨胀操作在每个结构元素内只能提取一个候选端元,会造成重要像元丢失。为了解决这些问题,采用改进的形态学算子和结构元素对AMEE算法进行了改进。首先引入参考光谱向量的概念构建了改进的形态学算子,并给出了形态学离心率指数新的计算方法,然后利用偶数大小、改进的结构元素,从每个结构元素内选出4个候选端元,最后对改进的基于自动形态学的端元提取算法进行了分析和实验验证。结果表明,改进的方法能从纯像元集中分布的区域获得正确的候选端元,并在一定程度上避免膨胀过程中的信息遗失,从而能够有效地提升端元提取的精度和像元解混的效果。 相似文献
2.
3.
端元提取是高光谱遥感图像混合像元分解的关键步骤。传统线性端元提取方法忽略了像元内地物的非线性混合因素,制约了混合像元分解精度的提升。针对高光谱图像数据的非线性结构,提出一种基于测地线距离的正交投影端元提取算法,将测地线距离引入端元单体提取过程,利用正交投影方法逐个提取端元。为了降低测地线距离计算量,在端元提取前先利用自动目标生成方法和无约束最小二乘法对原始高光谱数据进行数据约减。模拟和真实高光谱图像实验表明,该方法能够表征光谱数据中非线性因素,端元提取结果优于传统自动目标生成端元提取方法。 相似文献
4.
5.
6.
针对传统单端元提取方法不能描述端元变异、限制混合像元分解精度的缺点,提出一种基于像元纯净指数的多端元提取算法(Multiple Endmember Extraction Algorithm Based on Pixel Purity Index,PPI-MEE)。首先将图像划分为不重叠的图像块,并分别利用改进的PPI算法提取候选端元集,然后利用候选端元的邻域像元光谱信息对候选端元进行优化和精选。最后,对优化精选后的端元集分类得到每类地物的多端元光谱集。仿真数据和真实高光谱数据的实验结果表明,提出的多端元提取策略具有表征遥感图像中端元光谱变异的能力,能够提高端元提取精度和混合像元分解精度。 相似文献
7.
8.
9.
由于多重反射和散射,高光谱图像中的混合像元实际上是非线性光谱混合。传统的端元提取算法是以线性光谱混合模型为基础,因此提取精度不高。针对高光谱图像的非线性结构,提出了基于图像欧氏距离非线性降维的高光谱遥感图像端元提取方法。该方法结合高光谱数据的物理特性,将图像欧氏距离引入拉普拉斯特征映射进行非线性降维以更好地去除高光谱数据集中冗余的空间信息和光谱维度信息,然后对降维后的数据利用寻找最大单形体体积的方法提取端元。真实高光谱数据实验表明,提出的方法对高光谱图像端元提取具有良好的效果,性能优于线性降维的主成份分析算法和原始的拉普拉斯特征映射算法。 相似文献
10.
高光谱遥感图像端元提取的零空间光谱投影算法 总被引:3,自引:0,他引:3
端元提取技术是高光谱遥感图像光谱解混的关键.在线性光谱混合分析中,首先引入了高光谱遥感图像经过零空间光谱投影后具有单形体的凸不变性.在此基础上,提出了零空间光谱投影算法,通过设计各种度量和准则,制定不同的单次端元提取策略,灵活地实现算法.经过证明,零空间光谱投影算法是对基于子空间投影距离算法(包括零空间投影距离算法与经典正交子空间投影算法)的进一步延伸,提供了更多的端元提取策略.实验结果表明,零空间光谱投影算法在模拟图像以及真实高光谱遥感图像中都能够有效地提取出图像中的各种端元. 相似文献
11.
一种改进的N-FINDR高光谱端元提取算法 总被引:1,自引:0,他引:1
光谱端元提取是对高光谱数据进一步分析的重要前提。在各种端元提取算法中,N-FINDR算法因其全自动和选择效果较好等优点受到了广泛的关注。然而样本的排序对该算法的端元提取会造成一定影响,并且传统N-FINDR算法需要根据端元的个数进行降维处理,从而限制了该算法的应用。实际高光谱数据中存在的同一地物在高维空间中非紧密团聚现象也对端元提取增加了难度。为此该文提出改进的算法停机准则和数据特征预处理方法,并使用支持向量机对提取到的端元进行二次提取。实验结果表明,改进的停机准则进一步增加了由端元向量组组成的凸体体积。数据特征预处理和基于支持向量机的二次端元提取分别提升了数据的可分性和提取到端元的精度。 相似文献
12.
13.
为了提高高分辨率图像分割效率,解决复杂图案中待分割目标边缘附近前景与背景区分度小而造成的分割目标不完整问题,本文通过引入超像素HOG特征,提出了一种基于超像素多特征融合(superpixel multi-feature fusion,SMFF)的快速图像分割算法.首先采用目前最有效的超像素算法对待分割图像进行超像素预分割,然后提取基于超像素的HOG特征、Lab颜色特征和空间位置特征,设计基于超像素的多特征度量算法,最终采用图割理论实现了基于超像素多特征融合的快速图像分割.实验结果验证了本文算法的有效性,其算法性能接近于目前最经典图像分割算法,且本文算法的时间性能要明显优于其它对比算法. 相似文献
14.
提出了一种新的自动图像边缘提取和分割算法:先通过任意种子区域搜寻算法(RSRS)自动获得图像的边缘,其中的初始种子选取是任意的,并且可以根据图像对比度的强弱自动调整分割阈值,经与其它经典的图像分割算法相比较,验证了本算法性能的优越性. 相似文献
15.
16.
基于深度学习的红外遥感信息自动提取 总被引:1,自引:0,他引:1
为了提高红外遥感图像地物
信息自动提取的精确性,同时避免人工提取遥感
信息的低效性,提出了一种基于UNet深度学习模型
的遥感信息提取算法。该算法用于从红外遥感图像中分割
出5类地物信息(包括道路、建筑、树木、农田和水
体)。首先,对分辨率高但数量较少的训练数
据进行小像幅的随机裁剪,并对其进行相应的数据增
强处理。然后搭建UNet深度学习模型,并用它
自动提取遥感图像的特征信息。采用交叉熵损失函数
以及Adam反向传播优化算法对该模型进行训练,并对测
试样本中的5幅遥感图像进行精确的地物信息提取。最后,运
用Jaccard指数对测试结果进行精度评定。实验结果表明,该
方法对高分辨率红外遥感图像信息和可见光
遥感图像信息进行了充分融合,对于不同种类地物
的定位和分类都取得了较高精度。 相似文献
17.
针对遥感图像道路提取信息丢失问题,提出了一种基于残差神经网络的道路提取算法。首先构建编码器 解码器网络,结合预编码器以及空洞卷积模块进行训练,提取更多的语义信息;其次并联设计的空洞卷积模块加在编码器 解码器结构的中间部分,它可以对不同感受野的特征图进行特征提取;最后编码器 解码器之间采用跳连的方式进行多尺度的特征融合,学习更多低维和高维的特征。实验结果表明,在Massachusetts道路数据集上,该方法相比其他算法在Preci sion、Recall和F1 score性能指标上分别有11%、0.3%和7.4%的提升;同时在Accuracy指标上也达到了97.9%,相比于其他算法,该算法有一定的应用价值。 相似文献