排序方式: 共有45条查询结果,搜索用时 546 毫秒
11.
12.
13.
单幅高分辨率SAR图像建筑物三维模型重构 总被引:1,自引:0,他引:1
提出了一种利用高分辨率SAR图像进行建筑物提取和三维重构的方法.首先,分析了高分辨率SAR图像建筑物产生的电磁散射的类型,给出了不同类型散射区域的后向散射计算方法,并在此基础上给出了一种利用建筑物三维CAD模型进行SAR建筑物特征区域图像仿真的方法;其次,给出了利用建筑物的二次散射结构确定建筑物底部轮廓位置和方向的方法,并提出了一种基于分布密度函数差异的仿真图像迭代匹配方法,进行建筑物高度的反演.仿真SAR图像后向散射系数用来划分建筑物不同的散射区域,通过计算特征区域之间的分布密度函数差异,以取得最大匹配度值的仿真图像对应的检验高度作为建筑物的反演高度;最后,选用了两幅不同屋顶类型的实际机载高分辨率SAR图像进行建筑物提取和三维重构实验,试验结果较为理想,验证了所提方法的可行性和有效性. 相似文献
14.
基于大尺度双边SIFT的SAR图像同名点自动提取方法 总被引:6,自引:0,他引:6
针对SIFT应用于SAR图像同名点自动提取的问题,该文提出了一种新的基于各向异性尺度空间的同名点提取方法。该方法首先基于双边滤波器建立图像的各向异性尺度空间,在滤除斑点噪声的同时保留了图像细节;然后利用SIFT在大尺度上检测并描述特征,弱化了斑点噪声对匹配的影响;最后采用双向匹配策略建立同名点,提高了正确匹配的概率。该方法在保持同名点精度的同时增加了同名点的数量。通过不同时相、不同极化、不同波段以及不同视角下的SAR图像同名点提取实验,验证了该方法的优越性和适应性。 相似文献
15.
基于MAR-MRF的SAR图像分割方法 总被引:2,自引:1,他引:1
该文提出了一种基于多尺度自回归模型和马尔科夫随机场的SAR图像分割算法。算法引入多尺度自回归模型,建立层与层之间以及相邻层的像素点之间的数学关系,并将此模型与马尔科夫分割算法结合,实现了更为合理的多尺度分割策略。通过相邻尺度的依赖关系及同一尺度空间的马尔可夫性,使用多尺度自回归模型的预测结果来引导精细尺度图像分割,不仅使得最细尺度下的分割迭代次数减少;而且去除了最细尺度下多余的误分类斑块;同时还能够分割出清晰、平滑的目标边界,实现了较满意的SAR图像分割。 相似文献
16.
随着人工智能的发展和落地应用,以地理空间大数据为基础,利用人工智能技术对遥感数据智能分析与解译成为未来发展趋势。本文以遥感数据转化过程中对观测对象的整体观测、分析解译与规律挖掘为主线,通过综合国内外文献和相关报道,梳理了该领域在遥感数据精准处理、遥感数据时空处理与分析、遥感目标要素分类识别、遥感数据关联挖掘以及遥感开源数据集和共享平台等方面的研究现状和进展。首先,针对遥感数据精准处理任务,从光学、合成孔径雷达等遥感数据成像质量提升和低质图像重建两个方面对精细化处理研究进展进行了回顾,并从遥感图像的局部特征匹配和区域特征匹配两个方面对定量化提升研究进展进行了回顾。其次,针对遥感数据时空处理与分析任务,从遥感影像时间序列修复和多源遥感时空融合两个方面对其研究进展进行了回顾。再次,针对遥感目标要素分类识别任务,从典型地物要素提取和多要素并行提取两个方面对其研究进展进行了回顾。最后,针对遥感数据关联挖掘任务,从数据组织关联、专业知识图谱构建两个方面对其研究进展进行了回顾。除此之外,面向大智能分析技术发展需求,本文还对遥感开源数据集和共享平台方面的研究进展进行了回顾。在此基础上,对遥感数据智能分析与解译的研究情况进行梳理、总结,给出了该领域的未来发展趋势与展望。 相似文献
17.
18.
该文针对多径散射特征,给出了一种高分辨率SAR图像的仿真与特性分析方法,以桥梁目标为例开展了分析,该仿真方法从SAR工作原理出发,利用几何光学法计算和分析桥梁目标的单次散射情况和多径散射情况,并根据雷达工作原理和成像机理利用散射数据获得仿真SAR图像。文中选择了悉尼大桥为研究对象,利用分辨率为1 m的Terra-SAR数据开展了实验,仿真获得的SAR图像与实际SAR图像的主要散射特征一致,验证了方法的有效性;同时,根据仿真算法的分析过程,文中给出了悉尼大桥SAR图像主要散射特征的细节解释。实验表明,该方法能够有效获得目标的多径散射特征,同时能够有效辅助目标的SAR图像理解工作。 相似文献
19.
基于膨胀运算的移动对象兴趣点检测方法 总被引:1,自引:0,他引:1
针对传统兴趣点检测算法在准确性和效率方面的不足,提出基于膨胀运算的移动对象兴趣点检测方法(DMDO)。通过矩阵二值化操作滤除停留点噪声,提高预测准确率,并用膨胀运算替代传统方法中的聚类算法提高算法效率。将DMDO在开放空间数据集AMSA和IMIS3Days上进行仿真实验,结果表明:DMDO相比基于密度的空间聚类算法,在数据集AMSA上准确率平均提高17.94%,算法效率提高6.63倍;在数据集IMIS3Days上准确率平均提高19.98%,算法效率提高9.13倍;相比以聚类点排序结果确定聚类结构算法,DMDO在数据集AMSA上准确率平均提高20.04%,算法效率提高14.61倍;在数据集IMIS3Days上准确率平均提高16.60%,算法效率提高42.19倍;DMDO相比传统方法均表现出较高的预测准确性、较低的时间开销,适用于解决大数据背景下的移动对象兴趣点检测问题。 相似文献
20.
大部分传统的图像自动标注方法需要训练数据中具有精准的标注词,然而这样的数据通常是需要人工标注的,因此获取成本较高,且存在一定的主观性。该文提出一种全新的图像自动标注方法,通过结合自然语言理解领域实体识别的技术,充分利用图像周边自带环绕文本,将图像视觉特征、环绕文本以及实体抽取所得到的能够描述图像中显著特征的词在概率主题模型中进行联合建模,学习到多种数据模态之间的关联关系,从而实现图像的自动标注。在UIUC Pascal Sentence数据集上的实验证明该方法比传统方法具有更好的图像标注预测以及检索性能。 相似文献