-
题名基于多特征的高分遥感图像分割算法研究
被引量：7
- 1
-
-
作者
金永涛
李旭青
张周威
陈曦
-
机构
北华航天工业学院
河北省航天遥感信息处理与应用协同创新中心
河北省航天遥感信息工程技术研究中心
中国科学院遥感与数字地球研究所
-
出处
《中国空间科学技术》
EI
CSCD
北大核心
2016年第6期38-46,共9页
-
基金
河北省科技计划(16210310D)
河北省军民结合产业发展专项资金(JMJHZX-2016-01)
+1 种基金
北华航天工业学院创新团队计划(XJTD-201411)
北华航天工业学院重点基金(ZD-2014-03)
-
文摘
针对传统的图像分割算法不能完全适用具有多种特征(光谱特征、纹理特征和几何特征)的高分辨率遥感图像的问题,提出了一种基于多特征的遥感图像分割算法。算法基于改进的均值漂移滤波和自动标记分水岭分割方法来实现最终分割。首先利用自动标记分水岭分割方法对遥感图像进行分割,进而采用仿射不变矩形状特征算子提取图像几何特征;其次对图像进行主成分分析,计算第一主成分灰度共生矩阵,分析矩阵特性得出纹理特征;然后结合光谱特征通过改进的均值漂移方法得到多特征滤波结果;最后利用分水岭分割方法实现高分辨率遥感图像分割。为了表明算法的分割效果,利用基于多光谱信息熵方法对算法和单一的分水岭分割方法进行非监督评价。研究结果表明,算法可较好地改善遥感图像的过分割问题,是一种适合高空间分辨率多光谱遥感图像的分割算法。
-
关键词
均值漂移
多特征
分水岭
高分辨率遥感图像
图像分割
-
Keywords
mean shift
multi-feature
watershed transform
high-resolution remotely sensed imagery
image segmentation
-
分类号
P407.8
[天文地球—大气科学及气象学]
-
-
题名北斗高精度定位和激光雷达测量技术的预警系统
被引量：5
- 2
-
-
作者
赵云峰
段梅梅
戴永成
-
机构
北华航天工业学院
河北省航天遥感信息处理与应用协同创新中心
河北省航天遥感信息工程技术研究中心
-
出处
《激光杂志》
北大核心
2018年第8期34-38,共5页
-
基金
国家高分辨率对地观测系统重大专项(No.67-Y20A07-9002-16/17)
-
文摘
为了提高北斗卫星导航定位和激光雷达测量的精度,降低输出信号的误码率,设计北斗高精度定位和激光雷达测量技术的预警系统,提出基于测距码和扩频码重组的北斗高精度定位和激光雷达测量算法,采用正交相移键控（QPSK）调制技术进行北斗卫星导航定位信号的抗干扰设计,根据卫星定位算法进行北斗定位和激光雷达测量预警系统设计。系统设计的硬件组成模块分AD模块、时钟模块、信号接收机模块、信号滤波模块以及中央处理器模块等,采用ADSP21160处理器系统作为预警系统的集成处理器,在嵌入式平台下进行北斗导航定位系统的集成设计。测试结果表明,采用该系统进行北斗卫星导航定位的精度较高,激光雷达测量的准确性较好,抗干扰能力较强,在高斯白噪声条件下具有较低的输出误码特性,系统的整体性能较优。
-
关键词
北斗卫星导航
定位
激光雷达
测量
预警系统
-
Keywords
Beidou satellite navigation
positioning
lidar
measurement
early warning system
-
分类号
TN914.42
[电子电信—通信与信息系统]
-
-
题名基于面向对象的设施蔬菜高分遥感影像提取
被引量：8
- 3
-
-
作者
赵建鹏
杨秀峰
李国洪
李旭青
金永涛
刘世盟
-
机构
北华航天工业学院
河北省航天遥感信息处理与应用协同创新中心
河北省航天遥感信息工程技术研究中心
-
出处
《江苏农业学报》
CSCD
北大核心
2019年第4期911-918,共8页
-
基金
高分共性应用技术规范和高分遥感数据云平台处理应用共性关键技术项目(67-Y20A07-9002-16/17)
高分辨率对地观测系统重大专项省(自治区)域产业化应用项目(67-Y40G09-9002-15/18)
-
文摘
以河北省廊坊市香河县五百户镇为研究区,综合利用高分二号(GF?2)遥感影像的光谱、纹理特征,并结合边缘检测、阈值分割、数学形态学算法,设计了面向对象的多特征融合设施蔬菜面积提取方法。首先对影像进行增强处理,结合影像中光谱和纹理特征剔除建筑物和道路干扰。然后采用阈值分割算法将边缘检测后的“噪声”进行删除,并使用数学形态学方法提高影像分割效率。最后对于一些难以去除的“噪声”采用面积(Ar)、周长(Per)、圆形度(Rd)、长宽比(Pwl)、矩形比(Pr)这5个形状特征参数进行剔除,实现利用高分遥感影像提取设施蔬菜面积。精度验证结果表明,该方法在试验区野外核查的精度为86.02%,随机样本点的总体分类精度为84.5%,Kappa系数为83.1%。
-
关键词
设施蔬菜
影像提取
GF-2
多特征融合
面向对象
-
Keywords
facility vegetable
image extraction
GF-2
multi-feature fusion
object oriented
-
分类号
S127
[农业科学—农业基础科学]
-
