五摄影测量与遥感学(12)
?目标识别 先验形状 轮廓恢复 主动轮廓模型 高分辨率遥感图像
CH 基于人类视觉系统区域分裂的图割遥感图像分割算法研究=Remote Sensing Image Segmentation Based on Human Visual System Region Splitting and Graph Cut/蒋华(桂林电子科技大学网络中心),温静,王玉斌//遥感信息.-2011(6).-13~17
针对传统Normalized Cut(NC)在分割图像过程中实时性差的特点,提出一种使用人类视觉系统(HVS)区域分裂的图割方法。根据HVS特性用区域分裂算法将遥感图像分割成多个小区域,再结合各个小区域的灰度和空间信息从全局角度用NC方法在区域间进行划分,完成图像的最终分割。实验表明,相对于传统的NC方法,该算法在获得相近分割质量的同时,分割速度有了显著提高,是一种有效的图像分割方法。图4表1参10
?遥感图像分割 区域分裂
CH 利用归一化互信息进行基于像斑的遥感影像变化检测=Segment-based Remote Sensing Image Change Detection Using Normalized Mutual Information/李亮,舒宁,王琰(武汉大学遥感信息工程学院)//遥感信息.-2011(6).-18~22
提出了利用遥感影像分割获取像斑进行变化检测的方法。将归一化互信息引入到遥感影像变化检测中,利用像斑的灰度直方图以及联合灰度直方图计算像斑的归一化互信息,依据条件熵最小的原则,获取最佳划分阈值,并与相关系数法进行了比较。实验结果显示归一化互信息法更适用于遥感影像变化检测。图5表2参11
?像斑 归一化互信息 条件熵
CH 自适应阈值的遥感影像角点提取算法=Corner Detection of Rem ote Sensing Im age Based on A-daptive Threshold Algorithm/何微,邓小炼(三峡大学理学院)//遥感信息.-2011(6).-23~27
针对传统SUSAN角点提取算法中阈值选取的不确定性,提出了一种自适应分割阈值的SUSAN改进算法。首先采用SUSAN模板对图像进行模板计算得到梯度图,然后根据梯度图的灰度分布特征,采用图像分割方法的判断分析法和KSW熵方法对梯度图做分析处理,最终实现阈值的自动选取,正确提取出有价值的特征角点。试验结果表明,改进算法较之传统算法有明显优势,能准确有效地提取出角点,具有较强的适应性和应用价值。图8参13
?特征角点提取 判断分析法 自适应阈值
CH 基于遥感影像的黄河洪灾监测系统模型=Yellow River Flood Monitoring System Model Based on Remote Sensing Image/佘红伟(西北工业大学理学院),张艳宁,刘学工,韩琳//遥感信息.-2011(6).-28~32
基于多光谱遥感图像,提出了一种集河道主溜线自动检测、河势演变分析、洪水漫滩检测与分析评估功能于一体的黄河洪灾监测系统模型。首先对基于遥感图像的主溜线检测、河势演变检测、洪水漫滩检测原理与算法进行了详细描述;然后,利用遥感多光谱图像对所提出的检测算法进行了实验验证,最后对实验结果和系统模型进行了总结和分析。实验结果表明,提出的黄河洪灾监测模型具有重要的实用价值。图8表1参10
?遥感图像 主溜线 洪灾监测
CH 短波红外遥感高温地物目标识别方法研究=M ethod of Identifying High-temperature Target Using Shortwave Infrared Remote Sensing Data/朱亚静,邢立新,潘军,孟涛(吉林大学地球探测科学与技术学院)//遥感信息.-2011(6).-33~36,41
对于地表高温目标而言,具有明显区别于常温地物的独特波谱特性,在短波红外波段(1.3μm~3.0μm)遥感影像上,高温目标像元的辐射能量值为反射与发射能量综合。通过研究高温地物反射和发射光谱特性,构建高温目标短波红外遥感识别定量参数,提出了基于ETM+数据短波红外波段的归一化火点指数(NDFI)方法。实验结果表明,NDFI可探测传统热红外方法难以识别的小面积高温目标,经野外验证识别精度可达94%。图3表4参7
?短波红外 高温目标 归一化火点指数
CH 高光谱遥感影像降维的拉普拉斯特征映射方法=Lap lacian Eigenmap for Hyperspectral Remote Sensing Image Dimensionality Reduction/黄蕾(湖北省基础地理信息中心)//遥感信息.-2011(6).-37~41
针对高光谱遥感影像数据量大、数据冗余度高的特点,引入拉普拉斯特征映射方法对高光谱遥感数据进行非线性降维。为了解决传统流形学习方法不能处理大数据量遥感影像的问题,提出了基于多元线性回归的拉普拉斯特征映射线性解法。实验证明,提出的降维方法能够保持数据集在原始特征空间分布的局部几何属性,降维后的影像具有更好的分类精度。图5表1参12
文章来源:《测绘科学技术学报》 网址: http://www.chkxjsxbzz.cn/qikandaodu/2021/0310/509.html
上一篇:中国测绘学会召开我国测绘科学技术的发展学术
下一篇:欢迎订阅测绘学报