期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于分水岭变换的遥感影像面向对象多尺度分割算法研究 被引量：10
1
作者 林卉 刘培 +1 位作者 夏俊士 梁亮 《测绘通报》 CSCD 北大核心 2011年第10期17-19,共3页
面向对象多尺度分割技术建立一种基于多尺度分割、逐级分层提取地物边界的方法。并基于这一思想,提出基于分水岭算法和异质性最小区域合并算法相结合的快速分割方法。试验表明,该方法能快速准确地获得高分辨率遥感图像的分割结果。
关键词 高分辨率遥感影像 分水岭变换算法 面向对象多尺度分割 梯度图像 异质性最小区域合并算法
在线阅读 下载PDF
应用无人机影像提取毛竹林立竹度 被引量：3
2
作者 杨樟平 曹碧凤 +3 位作者 谢巧雅 邓洋波 刘健 余坤勇 《东北林业大学学报》 CAS CSCD 北大核心 2021年第7期66-71,共6页
采用无人机航拍影像,依据毛竹冠幅几何特点,依据面向对象多尺度分割原理构建毛竹株数量识别单元,比对分析K邻近法(KNN)、支持向量机(SVM)、随机森林(RF)的提取效果,确定毛竹立竹度提取的最优算法。结果表明:1株毛竹几何形状趋近圆形,2... 采用无人机航拍影像,依据毛竹冠幅几何特点,依据面向对象多尺度分割原理构建毛竹株数量识别单元,比对分析K邻近法(KNN)、支持向量机(SVM)、随机森林(RF)的提取效果,确定毛竹立竹度提取的最优算法。结果表明:1株毛竹几何形状趋近圆形,2株趋近于长椭圆形,3株以上近似于长条形,与图像中毛竹的冠层形状特征与毛竹识别单元类型具有一致性。验证结果KNN、SVM、RF提取立竹度总体精度平均值分别为90.70%、89.64%、94.56%,对应的Kappa系数分别为0.859 7、0.830 6、0.945 6,其中RF的精度最高。整体上,基于毛竹立竹度识别单元的构建,结合RF分类方法比其他两类分类方法更具优势,实现了有效的毛竹林立竹度提取。 展开更多
关键词 毛竹 立竹度 面向对象多尺度分割 识别单元 最优分类方法
在线阅读 下载PDF
生物多样性保护优先区用地类型遥感监测研究 被引量：2
3
作者 杨德彬 夏春林 +1 位作者 黄耀欢 江东 《中国人口·资源与环境》 CSSCI CSCD 北大核心 2015年第S2期188-192,共5页
遥感技术已成为用地类型信息分类提取的主要手段。本文以生物多样性保护优先区海南省琼中县中平镇为研究区,研究面向对象方法的高分辨率遥感影像用地类型分类提取。针对城镇、道路、湿地、人工林、自然林、农田、裸地等分类对象光谱、... 遥感技术已成为用地类型信息分类提取的主要手段。本文以生物多样性保护优先区海南省琼中县中平镇为研究区,研究面向对象方法的高分辨率遥感影像用地类型分类提取。针对城镇、道路、湿地、人工林、自然林、农田、裸地等分类对象光谱、形状、纹理特征的差异,采用面向对象的多尺度分割算法,尝试不同的分割尺度,采用包括NDVI、亮度值、波段均值、边界指数、以及灰度共生矩阵均值、灰度共生矩阵熵等多种有效的特征参数,建立分类规则集,最终应用该分类规则集对实验区的高分辨率影像进行用地类型分类。经验证,该算法总体精度达到92.26%,Kappa系数达到0.84,实现了用地类型信息的高精度、快速提取。 展开更多
关键词 生物多样性保护优先区 用地类型 高分辨率遥感影像 面向对象多尺度分割 规则集
在线阅读 下载PDF
基于高分辨率影像的固体废物自动识别技术
4
作者 陈绪慧 李静 +4 位作者 申文明 史雪威 蔡明勇 薛志刚 闫文生 《中国环境监测》 CAS CSCD 北大核心 2023年第6期218-226,共9页
随着经济快速发展,工业固废、非正规垃圾、未覆盖建筑渣土等固体废物急剧增加,对区域生态环境造成极大威胁。固废堆场具有面积小、分布散等特点,目前国内仍缺少针对各类固废堆场的遥感自动识别研究。为此,基于国产高分辨率卫星遥感数据... 随着经济快速发展,工业固废、非正规垃圾、未覆盖建筑渣土等固体废物急剧增加,对区域生态环境造成极大威胁。固废堆场具有面积小、分布散等特点,目前国内仍缺少针对各类固废堆场的遥感自动识别研究。为此,基于国产高分辨率卫星遥感数据,根据野外实地光谱采集结果,分别开展了未覆盖建筑渣土、工业固废及非正规垃圾的自动识别方法研究,提取研究区各类固废堆场。结果表明:未覆盖建筑渣土在蓝波段与绿波段分别存在“吸收谷”与“反射峰”,基于该特征构建的比值指数模型,结合直方图双峰法阈值分割可以有效提取未覆盖建筑渣土区域;工业固废、非正规垃圾2种固废类型多样,光谱反射率没有明显规律,结合其纹理、色调等特征,采用面向对象多尺度分割、支持向量机监督分类方法能够较好地识别2种类型固废;基于自动化提取技术并结合人机交互判读方法,提取的研究区未覆盖建筑渣土、工业固废及非正规垃圾等3种固废堆场的精度分别达到96.83%、88.26%、85.71%,各类固体废物遥感识别精度较高,极大提高了固废监测效率。 展开更多
关键词 固废 高分辨率影像 比值指数 面向对象多尺度分割 支持向量机监督分类
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部