|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 运用多尺度图像纹理进行城市扩展变化检测显示文摘应用遥感数据检测城市扩展变化时,单纯基于光谱信息的变化检测法很难取得理想效果。本文将多尺度的纹理与光谱信息结合应用于变化检测,并评价其在检测城市扩展变化中的性能。变化检测采用分类后比较法。研究表明,如果纹理尺度与数据组合合适,与单纯基于光谱信息的检测结果相比,纹理特征与光谱特征结合的变化检测精度显著提高,而多尺度纹理辅助变化检测得到的检测精度最高。研究还发现,纹理辅助变化检测在某些地物类别的边缘会产生假变化信息。 | 宋翠玉 李培军 杨锋杰 | 2006 | 国土资源遥感2006，18，3： | 22 |
| 2 | 单波段单极化SAR图像水体和居民地信息提取方法研究显示文摘SAR图像上水体和居民地信息的提取在实际应用中具有重要的意义。为了更好地提取SAR图像上水体和居民地,以单波段单极化Radarsat-1 SAR图像为研究对象,首先利用半变异函数分析样本图像的结构特性来确定纹理信息提取的最佳参数;然后,在此基础上基于灰度共生矩阵计算SAR图像均值、角二阶矩和熵3种纹理测度,建立了适于图像分类的多维特征空间,从而有效地增强了水体和居民地信息;最后通过样本采集,使用支持向量机分类器进行水体和居民地信息提取,并采用近期归一化植被指数(NDVI)数据和分类结果进行目标层融合来消除山体因素的影响,信息提取的结果显示,分类总体精度为82.57%,Kappa系数为0.58,较准确地提取了水体和居民地信息。 | 胡德勇 李京 陈云浩 蒋卫国 | 2008 | 中国图象图形学报2008，13，2： | 22 |
| 3 | 改进最大似然遥感影像分类方法--以SAR影像为例显示文摘针对常规最大似然分类算法中类别先验概率获取困难及遥感影像分类问题,提出了一种有效的改进最大似然遥感影像分类方法。该方法能使用类别样本的统计信息,实现类别先验概率的自动和最优提取,从而很好地解决了基于统计监督分类方法中无法直接获取类别先验概率的问题。以6景Radarsat-1精细模式SAR影像数据为例进行的分类实验证明,该算法分类效果较好,针对单波段、单极化的SAR影像,其精度可望达到80%。 | 陈富龙 王超 张红 | 2008 | 国土资源遥感2008，20，1： | 14 |
| 4 | 基于像元级SAR图像时间序列相似性分析的水体提取显示文摘针对SAR图像数据集的特点,提出了一种基于像元级图像时间序列相似性的水体提取方法。其基本思想是:构建像元级SAR图像时间序列,选取动态时间归整(dynamic time warping,DTW)算法作为时间序列相似度的度量方法,计算所有像元与标准水体像元时间序列的相似性;将水体边缘混合像元的DTW距离值设定为参考阈值,采用阈值法提取相似性较高的时间序列数据,其对应的像元即被识别为水体像元;最后利用每个像元的DTW距离值代替其后向散射值,采用8邻域搜索方法提高水体识别的精度。以2008年1—12月获取的25景分辨率为150 m的ENVISAT ASAR图像进行水体像元提取试验,结果表明,该方法的完整率和正确率均较高,能够应用于大范围区域水体的提取与制图。 | 王亚飞 程亮 李满春 陈伟 陈小雨 谌颂 | 2014 | 国土资源遥感2014，26，3： | 8 |
| 5 | 结合纹理的支持向量机合成孔径雷达溢油监测显示文摘针对目前合成孔径雷达(Synthetic Aperture Radar,SAR)监测溢油存在的问题,在分类时考虑像元灰度的空间分布和结构特征;同时考虑分类时样本不足的缺陷,采用结合纹理的支持向量机(Support Vector Machine,SVM)遥感图像分类方法,进行溢油目标的识别。以发生在西班牙的'威望号'溢油事件为例,利用目标样本对以灰度共生矩阵法提取各种纹理特征进行了分析,指出均值、对比度、方差、熵和相异性能够较好地识别溢油目标。采用最小距离、最大似然和SVM分类器分别对溢油目标进行提取,结果表明SVM具有较好的分类精度。 | 马龙 李颖 牛莹 | 2010 | 中国航海2010，33，1： | 4 |
| 6 | 基于SAR纹理信息的农作物识别研究——以农安县为例显示文摘以吉林省农安县为研究区,以Sentinel-1B双极化数据为数据源,提取出典型农作物玉米、大豆、水稻的多个纹理特征值,筛选出最佳农作物识别纹理信息参数,结合eCognition软件中的规则库,充分挖掘SAR数据中农作物纹理特征包含的属性信息,构建决策树,基于面向对象分类方法对典型农作物进行提取,通过SAR农作物提取结果的分析,获得研究区农作物最佳分类时相及最佳农作物识别纹理信息组合,对各典型农作物进行分类制图,探讨基于SAR影像后向散射特征提高农作物识别精度的可行性。结果表明:SAR数据相对于光学数据,能提供更丰富的农作物纹理信息,选取合适的纹理信息作为分类辅助数据,可以有效解决光学数据中'异物同谱'现象,提高农作物识别精度,对于研究区农作物提取贡献最大的3种SAR纹理特征依次为:均值、方差和相异性。 | 王晨丞 王永前 王利花 | 2021 | 遥感技术与应用2021，36，2： | 2 |
| 7 | 基于流形学习的高分SAR图像建筑区提取方法显示文摘高空间分辨率(简称'高分')SAR图像具有高维非线性特点,以高维空间蕴含的低维流形描述SAR图像,会更有利于目标识别。将流形学习应用到高维SAR目标识别的特征表达中,提出一种新的高分SAR图像建筑区提取方法。首先,对高分SAR图像进行预处理;然后,采用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取8种纹理特征,与灰度图像共同构建SAR图像的高维特征集;利用自适应邻域选择的邻域保持嵌入(adaptive neighborhood selection neighborhoods preserving embedding,ANSNPE)算法对高维特征集进行特征提取,提取出新的特征;最后,通过阈值分割及后处理提取建筑区,并进行精度评价。选择Terra SAR-X数据进行实验研究,结果表明,ANSNPE算法能够从高分SAR图像中有效提取建筑区,并具有较强的泛化能力;通过训练数据获得的投影矩阵可直接应用到新样本中,建筑区提取精度达85%以上。 | 崔师爱 程博 刘岳明 | 2017 | 国土资源遥感2017，29，4： | 1 |
| 8 | 多特征加权融合的高分SAR影像建筑区提取方法显示文摘机载SAR影像分辨率的不断提高使得图像纹理信息更加丰富,对地物分类和提取具有重要意义。针对建筑区的纹理特点,该文提出了一种综合统计和结构多特征加权融合的建筑区提取方法。分别采用经典的灰度共生矩阵方法提取统计纹理特征和采用变差函数方法提取结构纹理特征,并考虑方向信息;然后利用提出的巴士距离特征权值计算方法,将所选特征进行加权融合;利用K均值聚类算法对融合后的特征图像进行非监督分类,对分类图像进行后处理并提取外部轮廓。以国产机载P波段全极化SAR影像为数据源进行了实验,并对结果进行了定量分析,表明该方法能够高精度地有效提取高分辨率机载SAR影像中的建筑区。 | 刘欣 张继贤 赵争 马安东 王萍 | 2016 | 测绘科学2016，41，4： | 1 |
您所在的机构暂未开通此部分的功能，请联系管理员