检索结果-南通市图书馆

农业工程学报 2023年第19期39卷 111-121页

作者：贺玉洁张智韬巴亚岚杜瑞麒殷皓原项茹吴雨箫西北农林科技大学水利与建筑工程学院杨凌712100 西北农林科技大学旱区农业水土工程教育部重点实验室杨凌712100

土壤含水量(soil water content, SWC)和土壤含盐量(soil salt content, SSC)是影响作物生长和农业生产力的重要因素。光学卫星图像已成为SWC和SSC估计的主要数据源。然而,在SWC或SSC变化较大地区,土壤水分和盐分会影响对方对光谱反射... 详细信息

土壤含水量(soil water content, SWC)和土壤含盐量(soil salt content, SSC)是影响作物生长和农业生产力的重要因素。光学卫星图像已成为SWC和SSC估计的主要数据源。然而,在SWC或SSC变化较大地区,土壤水分和盐分会影响对方对光谱反射率的响应,使得SSC和SWC的反演精度较差。对此,该研究提出了一个半解析性的反射率模型—RVS模型,来模拟植被光谱反射率(R_(v))对作物根区土壤含水量和含盐量的响应;并通过构建的RVS模型,对植被覆盖区域的土壤含水量和土壤含盐量进行同步监测。研究表明:RVS模型在反演研究区土壤含盐量和含水量时,精度较为可靠(水分:决定系数R^(2)为0.63~0.74,均方根误差为0.017~0.028;盐分:决定系数R^(2)为0.68~0.75,均方根误差为0.052 5~0.061 7)。在作物生长过程中,植被光谱反射率对深层土壤的含水量和含盐量的响应比对浅层土壤的含水量和含盐量的响应更加明显,而且随着作物的生长,影响光谱反射率的主导因素从土壤水分慢慢转向土壤盐分和水盐相互作用。该研究在一定程度上揭示了土壤水分、盐分、水盐交互作用对作物光谱反射率的干扰过程,实现土壤水分和盐分的同步监测,对实现区域尺度上土壤含盐量和含水量的精准监测具有一定的意义。

关键词：土壤含水量含盐量灌溉农田 Sentinel-2卫星光谱-空间

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于特征融合的高光谱图像分类研究

基于特征融合的高光谱图像分类研究

引用

作者：陈梦晨广东工业大学

学位级别：硕士

高光谱图像中包含了大量的光谱信息与空间信息,这一特点使得高光谱图像相比于普通图像更具有应用价值,凭借此优势目前已在农作物长势监测、地质勘测及调查、生物医学、环境监测等诸多领域取得了成功应用。而高光谱分类是遥感技术领域中... 详细信息

高光谱图像中包含了大量的光谱信息与空间信息,这一特点使得高光谱图像相比于普通图像更具有应用价值,凭借此优势目前已在农作物长势监测、地质勘测及调查、生物医学、环境监测等诸多领域取得了成功应用。而高光谱分类是遥感技术领域中的一个热点课题,若仅利用光谱特征进行分类会严重影响分类性能,在进行特征提取时得到的特征虽然可以很好的表示图像的空间结构,但在实际应用中往往需要调节参数,并且很难确定最优参数,因此小尺度对象在这一过程中往往会被忽略,造成分类效果不佳,除此之外单一的特征会导致图像内部结构信息有所疏漏。为降低上述问题对分类效果带来的影响,本文提出两种基于特征融合的高光谱分类方法,主要内容如下:(1)针对空间特征提取时小尺度对象的忽视将对分类效果产生影响这一问题,本文提出一种基于保边滤波和扩展随机游走的高光谱图像分类方法。该方法包括特征提取和空间优化两个阶段。在特征提取阶段,为克服全局PCA不能很好的提取潜在低维特征这一缺点,我们利用Super PCA进行降维预处理,不仅可以去除图像中的噪声,而且可以直接利用图像的空间信息。然后使用保边滤波对降维后的图像提取特征,虽然保边滤波在保持图像整体结构的同时能够去除图像中的噪声以及弱化边缘细节,但是由于图像中存在不同尺度的物体,而特征提取往往需要调节参数,因此,在这一过程中难免丢失小尺度对象,导致无法完整表征图像的空间信息,影响分类效果,于是利用空间优化捕获小尺度对象弥补特征提取阶段的不足,最终,利用决策融合得到最终结果,该方法在三个权威性数据集上都可以表现出良好的分类效果。(2)针对单一的特征会导致图像内部结构信息有所疏漏进而影响分类效果这一问题,本文提出一种基于扩展随机游走和多特征融合的高光谱图像分类方法。本方法包含三个不同的模块,分别利用Gabor滤波、结构剖面以及Super PCA提取高光谱图像的空间特征,然后将得到的Gabor特征和结构剖面特征分别与光谱特征叠加形成融合特征,这一过程不仅有效的表征了不同尺度和方向的空间结构,而且充分的利用了光谱空间信息,然后将三个模块得到的特征分别输入分类器得到初始概率值,为了实现空间信息的最大化利用,使用扩展随机游走算法对初始概率进行空间整合,将图像的空间信息编码得到加权图,实现对像素级初始概率的优化,最终利用概率融合得到最终结果,在三个数据集上都可以取得良好分类效果。

关键词：光谱-空间特征提取扩展随机游走特征融合优化

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于全卷积网络的高光谱遥感图像处理系统

基于全卷积网络的高光谱遥感图像处理系统

引用

作者：宋春燕南京理工大学

学位级别：硕士

近年来,深度学习在图像处理领域得到了广泛的应用,其中全卷积网络改进了卷积神经网络的结构,对每个像素产生一个预测从而达到对图像像素级的预测分类,高效地解决了语义级别的图像分割问题。本文针对高光谱遥感图像处理进行研究,利用全... 详细信息

近年来,深度学习在图像处理领域得到了广泛的应用,其中全卷积网络改进了卷积神经网络的结构,对每个像素产生一个预测从而达到对图像像素级的预测分类,高效地解决了语义级别的图像分割问题。本文针对高光谱遥感图像处理进行研究,利用全卷积网络的优势对高光谱遥感图像进行处理,提取高光谱遥感图像的特征,用于分类。本文的主要工作和研究内容如下:(1)实现了基于全卷积网络的高光谱遥感图像特征提取方法。针对传统的高光谱遥感图像特征提取方法未将光谱信息与空间信息结合的缺陷,实现了基于全卷积网络的高光谱遥感图像特征提取方法,结合光谱信息和空间信息,提取特征用于分类。实验结果表明,将该特征提取算法用于高光谱遥感图像分类,在不同数据集上都可以得到较好的分类结果。(2)实现了基于多卷积层信息融合的高光谱遥感图像特征提取方法,研究了不同卷积层叠加与特征叠加对分类效果的影响。在利用全卷积网络对高光谱遥感图像进行特征提取的基础上,对于不同卷积层叠加组合所得的特征和不同特征叠加对分类结果的影响分别进行了对比实验。实验结果表明:不同的卷积层叠加组合而得的特征对高光谱遥感图像分类效果的影响较小;特征叠加对于高光谱遥感图像的分类效果有改进作用。(3)编写了一个用于高光谱遥感图像分类处理的软件系统。该软件系统根据基于全卷积网络的高光谱遥感图像的特征提取算法以及后续的基于稀疏表示的分类实验进行设计,包含了高光谱遥感图像分类的具体过程,可以实现针对不同高光谱遥感图像数据集,不同特征提取算法的分类实验,直观展示了各个数据集上不同特征提取算法、不同参数的分类步骤和效果,使得高光谱遥感图像分类实验更为直观具体,更易对实验结果进行探究和对比。

关键词：全卷积网络特征提取高光谱遥感图像光谱-空间稀疏表示分类卷积层叠加特征叠加

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：