检索结果-南通市图书馆

基于多尺度纹理分类及矿物识别的ASTER地质填图

在线全文

学校读者我要写书评

暂无评论

地质科技通报 2022年第3期41卷 311-320页

作者：唐淑兰西安财经大学管理学院西安710100

遥感技术已经成为基础地质调查必不可少的手段。为提高地质填图效率及精度,本研究提出了基于ASTER的岩性自动分类加主要和典型造岩矿物识别的填图方法。首先,对ASTER数据进行主成分变换,对选取的第一主分量采用Haar小波进行多尺度小波分... 详细信息

遥感技术已经成为基础地质调查必不可少的手段。为提高地质填图效率及精度,本研究提出了基于ASTER的岩性自动分类加主要和典型造岩矿物识别的填图方法。首先,对ASTER数据进行主成分变换,对选取的第一主分量采用Haar小波进行多尺度小波分解,将小波系数的统计特征作为纹理特征,构建纹理及光谱多维特征空间;接着,运用支持向量机(SVM)进行岩性分类;同时,根据光谱特征提取主要造岩矿物;最后将主要造岩矿物叠加在分类结果上,结合野外调查背景进行岩性填图。混淆矩阵结果显示光谱+小波纹理分类精度可以达到83.4962%,较光谱+灰度共生矩阵纹理分类精度提高了2.6756%,较光谱特征分类精度提高了6.3189%。与最大似然法(MLC)分类相比,SVM分类精度提高了6.6237%。矿物提取结果表明,构造的提取指数可有效提取白云母、黑云母、方解石、角闪石等矿物。野外工作证明,填图结果与野外调查结果的相关系数为0.7,可见,基于ASTER数据利用图像处理技术、机器学习算法及波段运算可作为植被覆盖较少地区有效的地质填图手段。

关键词：地质填图小波变换多尺度纹理支持向量机矿物识别 ASTER

维普期刊数据库博看期刊

结合多尺度纹理的高分辨率遥感影像决策树分类

在线全文

学校读者我要写书评

暂无评论

地理与地理信息科学 2007年第4期23卷 18-21页

作者：陈亮张友静陈波河海大学水文水资源及水利工程国家重点实验室江苏南京210098 河海大学水文水资源学院江苏南京210098

地物具有多尺度特点,遥感影像包含的地物纹理信息很难用单一尺度来描述。通过选择最佳纹理尺度组合,利用光谱数据结合多尺度纹理对高分辨率影像进行决策树分类。研究结果表明:结合多尺度纹理的高分辨遥感影像决策树分类,能够更好地描述... 详细信息

地物具有多尺度特点,遥感影像包含的地物纹理信息很难用单一尺度来描述。通过选择最佳纹理尺度组合,利用光谱数据结合多尺度纹理对高分辨率影像进行决策树分类。研究结果表明:结合多尺度纹理的高分辨遥感影像决策树分类,能够更好地描述地物并有效解决光谱数据分类中存在的地物破碎问题,其分类精度为81.7%,kap-pa系数为0.78;与光谱数据分类和结合单尺度纹理数据分类结果比较,分类精度分别提高了11.2%和6%,该方法有助于提高高分辨率影像的分类精度。

关键词：多尺度纹理高分辨率决策树分类

结合KPCA和多尺度纹理的IKONOS遥感影像决策树分类

在线全文

学校读者我要写书评

暂无评论

遥感信息 2010年第3期32卷 88-93页

作者：谢丽军张友静张子衡陈李家河海大学水文水资源学院南京210098 河海大学水文水资源及水利工程国家重点实验室南京210098

城市地物类型多样,空间分布复杂,具有很强的非线性特征。核主成分分析(KPCA)通过将特征空间映射到高维核空间,可以表达图像像素间的高阶关系,因而可以提取图像的非线性特征,同时提供一组相互独立的主成分。本文在加入多尺度纹理特征的... 详细信息

城市地物类型多样,空间分布复杂,具有很强的非线性特征。核主成分分析(KPCA)通过将特征空间映射到高维核空间,可以表达图像像素间的高阶关系,因而可以提取图像的非线性特征,同时提供一组相互独立的主成分。本文在加入多尺度纹理特征的基础上,以应用地物分布的空间细节信息;且利用核主成分分析(KP-CA)方法对光谱和纹理量提取非线性特征信息,增大类别之间的可分性;并结合决策树分类方法对IKONOS遥感影像分类。实验结果表明:KPCA能很好提取地物之间的非线性特征,结合KPCA和多尺度纹理的决策树分类方法能有效地提取地物类型,提取精度为79.3%,KAPPA系数为0.763.

关键词：核主成分分析(KPCA) 多尺度纹理 IKONOS 决策树

在线全文

学校读者我要写书评

暂无评论

基于核的多尺度纹理特征遥感影像SVM分类

信息技术 2015年第5期39卷 53-56页

作者：严威夏晨阳吴国宝河海大学计算机与信息学院

遥感影像的分类精度受到多方面的影响,如遥感影像的质量,所选的分类方法和有效的辅助数据等。为了得到更好的分类结果,很多科研人员提出了各种各样的方法。文中针对遥感影像分类问题,提出一种结合核主成分分析和多尺度纹理的高分辨率遥... 详细信息

遥感影像的分类精度受到多方面的影响,如遥感影像的质量,所选的分类方法和有效的辅助数据等。为了得到更好的分类结果,很多科研人员提出了各种各样的方法。文中针对遥感影像分类问题,提出一种结合核主成分分析和多尺度纹理的高分辨率遥感影像支持向量机分类方法。实验结果表明,该方法能有效地提取地物类型,提高分类精度。

关键词：核主成分分析多尺度纹理支持向量机遥感影像分类

基于多尺度纹理特征的最小二乘法深度信息估计方法

在线全文

学校读者我要写书评

暂无评论

智能计算机与应用 2015年第4期5卷 71-74页

作者：牛连丁陈婷婷张立志哈尔滨商业大学网络与教育技术中心哈尔滨150028 哈尔滨商业大学计算机与信息工程学院哈尔滨150028

由于二维图像三维化技术重建三维场景可以低成本、高效率地提供三维显示资源,使得该技术成为图像处理领域重要的研究课题。深度线索的提取是重建三维场景的重要研究内容之一。为了更好地描述纹理特征与场景深度之间的关系,提出了一种基... 详细信息

由于二维图像三维化技术重建三维场景可以低成本、高效率地提供三维显示资源,使得该技术成为图像处理领域重要的研究课题。深度线索的提取是重建三维场景的重要研究内容之一。为了更好地描述纹理特征与场景深度之间的关系,提出了一种基于多尺度纹理特征的最小二乘深度信息估计方法。通过构建多尺度模型、纹理滤波的方法捕捉头像的多尺度纹理梯度、纹理变化等特征作为训练样本;并进行训练,得到纹理线索与场景深度间的关系参量;最后用该参量来估计待测样本的深度。实验结果表明,该方法对场景深度信息的估计具有较好的效果。

关键词：多尺度纹理最小二乘方法深度估计

在线全文

学校读者我要写书评

暂无评论

多尺度表面纹理合成

多尺度表面纹理合成

作者：王玉良中国海洋大学

学位级别：硕士

基于样例的纹理合成是近年来国内外一个比较活跃的研究领域,在计算机视觉、图像处理及计算机图形学等领域都占有重要的地位,有着非常广阔的应用前景。传统的基于样例的纹理合成方法只需要输入一个具有有限空间尺度的样例,就可以合成在... 详细信息

基于样例的纹理合成是近年来国内外一个比较活跃的研究领域,在计算机视觉、图像处理及计算机图形学等领域都占有重要的地位,有着非常广阔的应用前景。传统的基于样例的纹理合成方法只需要输入一个具有有限空间尺度的样例,就可以合成在视觉感知上与样例类似的较大的纹理。但是如果要合成一个很清晰的类似大陆等的较复杂的纹理时,将需要输入一个具有较高分辨率的样例,而在实际中这是不可能获得的。目前,在二维纹理合成领域有一种称为多尺度纹理合成的方法,该方法需要输入多个样例,然后针对这些样例建立相应的样例图,高斯堆等数据结构形式,最后通过一系列的上采样、抖动和校正等技术来合成最终的多尺度纹理,本文的方法正是基于该方法提出来的,并扩展到三维领域形成了一种新的技术,即三维多尺度纹理合成技术,很好的解决了目前纹理合成领域面临的困境。本文首先对二维纹理自相似纹理的概念及自相似性度量进行了介绍,详细研究了两种判断二维纹理自相似性强弱的度量方法,为更有效的使用本文所提出的方法奠定了基础。然后详细讨论了二维多尺度纹理合成技术的原理及实现方法,接下来介绍了该技术在分形纹理以及渐变纹理等中的应用,这是本文的一个亮点。最后,详细介绍了本文的主要创新之处,即将二维多尺度纹理合成技术扩展到了三维领域,并且通过大量的实验结果证明了本文方法的可行性。

关键词：超分辨率纹理合成多尺度纹理渐变纹理分形纹理

特征优化结合随机森林算法的干旱区植被高光谱遥感分类方法

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

农业工程学报 2023年第9期39卷 287-293页

作者：帅爽张志张天张焜肖成志陈安青海省青藏高原北部地质过程与矿产资源重点实验室西宁810300 中国地质大学(武汉)地球物理与空间信息学院武汉430074 武汉轻工大学土木工程与建筑学院武汉430023 中交第二公路勘察设计研究院有限公司武汉430056 武汉市第十四中学武汉430000

针对高维光谱纹理特征空间的降维和特征优化算法结果的不确定性问题,该研究在提取多尺度纹理图像构建高维光谱纹理特征空间的基础上,将遗传算法(genetic algorithm,GA)、粒子群优化算法(particle swarm optimization,PSO)等传统特征优... 详细信息

针对高维光谱纹理特征空间的降维和特征优化算法结果的不确定性问题,该研究在提取多尺度纹理图像构建高维光谱纹理特征空间的基础上,将遗传算法(genetic algorithm,GA)、粒子群优化算法(particle swarm optimization,PSO)等传统特征优化算法和广义正态分布优化算法(generalized normal distribution optimization,GNDO)、原子搜索算法(atom search algorithm,ASO)、海洋捕食者算法(marine predators algorithm,MPA)等特征优化算法与随机森林(random forest,RF)图像分类算法相结合,提出了GA-RF、PSO-RF、GNDO-RF、ASO-RF和MPA-RF算法,并应用于青海省海西蒙古族藏族自治州都兰县宗加镇附近区域资源一号02D(ZY1-02D)高光谱数据的植被类型分类。结果显示,在高光谱反射率数据基础上加入多尺度纹理特征使总体分类精度(overall accuracy,OA)提升了8.02个百分点。与传统RF方法相比,提出算法的植被分类OA提升了1.32~2.40个百分点,其中MPA-RF方法取得了最高的分类精度,OA和Kappa系数分别为88.92%和0.86。研究表明从不同窗口大小、窗口移动方向提取的纹理图像有利于区分不同的植被与地物类型,在光谱特征基础上加入多尺度纹理特征能有效提升植被识别精度。以迭代优化的方式将特征优化算法与图像分类算法相结合,缓解了优化算法结果的随机性,克服了高维特征的休斯效应,提高了植被分类精度。该研究为高光谱遥感植被分类中特征提取、特征优化与分类算法选择提供了思路。

关键词：高光谱遥感算法植被类型分类 MPA-RF 多尺度纹理

在线全文

学校读者我要写书评

暂无评论

日光温室的纹理特征分层提取

测绘科学 2017年第8期42卷 130-136页

作者：李洪伟刘勇兰州大学资源环境学院 68029部队

针对高分辨率影像上日光温室的信息提取问题,该文提出了利用支持向量机、最近邻算法结合纹理特征在不同层上分别提取连片日光温室和独栋日光温室的方法。实验表明:纹理特征能提高分类精度,在大尺度的层上,分类精度提升幅度较大,但在小... 详细信息

针对高分辨率影像上日光温室的信息提取问题,该文提出了利用支持向量机、最近邻算法结合纹理特征在不同层上分别提取连片日光温室和独栋日光温室的方法。实验表明:纹理特征能提高分类精度,在大尺度的层上,分类精度提升幅度较大,但在小尺度的层上,分类精度提升幅度会比较小;并不是参与运算特征数越多,分类精度越高,多数情况下光谱+纹理组合的分类精度最高;提取连片日光温室的最优方案是支持向量机和光谱+形状+纹理(7像素×7像素),总精度为92.86%,Kappa系数为0.90,而提取独栋日光温室最优方案为SVM和光谱+纹理(11像素×11像素),总精度为88.39%,Kappa系数为0.86。

关键词：支持向量机最近邻法多尺度纹理日光温室基于对象的影像分析

基于高分辨率影像纹理特征提取日光温室方法研究

在线全文

学校读者我要写书评

暂无评论

基于高分辨率影像纹理特征提取日光温室方法研究

作者：李洪伟兰州大学

学位级别：硕士

日光温室为解决我国西北部地区冬季蔬菜供应问题发挥了重要作用,利用高分辨率遥感影像提取日光温室空间分布信息,掌握其分布规律和发展动态至关重要。本研究分别利用基于窗口和基于影像对象的纹理特征在ALOS影像上对日光温室进行信息提... 详细信息

日光温室为解决我国西北部地区冬季蔬菜供应问题发挥了重要作用,利用高分辨率遥感影像提取日光温室空间分布信息,掌握其分布规律和发展动态至关重要。本研究分别利用基于窗口和基于影像对象的纹理特征在ALOS影像上对日光温室进行信息提取。深入探讨了纹理变量、纹理窗口、方向和步长等参数对日光温室信息提取精度的影响。根据信息熵的大小筛选出5个纹理变量参与分类,利用因子分析法找到与不同地物类型相关性最高的纹理参数组合,在此基础上提出了一种多尺度纹理构建方法。通过研究得到以下结论:1)基于影像对象和基于窗口的纹理对提高日光温室分类精度有着不同的影响。基于影像对象的纹理不能显著提高日光温室的总分类精度,有时还会降低总提取精度,提升幅度为-0.36%.39%,而基于窗口的纹理可以明显提高影像的总分类精度,提升幅度为4.66%.88%。对于不同地物类型,两类纹理对分类精度的贡献是不同的,基于窗口的纹理特征能够提高大部分地物的分类精度,而基于对象的纹理特征仅能提高无覆盖日光温室、休耕地、居民地和园地的提取精度,且基于窗口的纹理特征对分类精度提高的幅度比较大。总之,从总分类精度和各地物的分类精度这两方面看,基于窗口的纹理特征要优于基于影像对象的纹理特征。2)信息熵法是一种纹理变量选取的有效办法。采用信息熵法选取的5个纹理变量参与分类同全部纹理变量参与分类相比,不仅不会显著降低分类精度,大部分情况可以提高分类精度。最终选取均值、同质性、差异性、熵和相关性这5个纹理变量对日光温室进行信息提取。3)从纹理变量的相关性、KMO和Bartlett球形检验等方面证明采用因子分析法对纹理变量进行优化组合是必要的和可行的。不同地物综合得分最高的纹理参数组合与实际分类结果选取的最佳纹理参数组合并不相同。主要是因为:依据分类精度选取的最佳组合,是综合ALOS影像的纹理特征和光谱特征选取的最佳组合,其中ALOS影像的光谱信息对最佳纹理参数的结果产生一定影响;因子分析法选取的最佳纹理参数组合是基于各纹理变量有不同加权系数基础上的,而实际分类时并没有考虑纹理变量的加权值,所有纹理变量的加权系数均为1。4)最佳纹理窗口受步长影响比较大,不同的步长对应着不同的最佳纹理窗口。步长为1时最佳窗口为最大纹理窗口（15×15）,其余步长的最佳窗口为最小纹理窗口,且总分类精度最高的窗口为15×15（方向为135°,步长为1）。究其原因,步长为1时,在窗口增大的同时,地物内部细节信息不断减少,均质性在不断增强,且地物边界的模糊程度在可接受范围之内,不同地物间的可分性在增大。步长不为1时,随着窗口的增大,纹理边界越模糊,偏离地物实际边界的程度越大,跨纹理单元的现象越严重,不同地物间的可分性在减小。5)窗口大小和纹理方向影响最佳步长的选择,最佳步长集中在1和3,当窗口大小为7×7和9×9时最佳步长为3（135°方向除外,最佳步长为1）,当窗口大小为11×11、13×13和15×15时最佳步长为1。究其原因,步长为1和3时,大部分参与运算的像元在同一个对象内部,GLCM纹理特征能够相对准确地反映地物空间特征。步长为5和7时,对应实际距离为12.5m和17.5m,大于部分地物实际尺寸（如道路、休耕地）,参与运算的像元不在同一个对象内部的概率变大,GLCM纹理特征就不能客观地反映地物空间特征。6)纹理方向对分类精度的影响是有限的,大多数地物的最佳纹理方向集中于某两个方向,且集中分布的方向和最高分类精度的纹理方向并不是总保持一致。通过统计地物分割对象的主方向,发现地物的分割对象并没有固定的主方向,且主方向浮动范围比较大。可见,地物分割对象的方向性不强是纹理方向分类精度影响不大的主要原因。7)利用因子分析法构建的多尺度纹理的总分类精度要高于基于窗口和基于影像对象的最优分类精度,分别提高了3.98%和10.56%。多尺度纹理还提高了居民地、无覆盖日光温室、坑塘、有薄膜覆盖日光温室、道路、休耕地和园地的分类精度。

关键词：灰度共生矩阵因子分析日光温室多尺度纹理 ALOS 基于对象影像分析技术