-
题名基于光学和雷达遥感影像融合的地类识别研究
被引量：4
- 1
-
-
作者
韩瑞梅
杨晓
刘培
-
机构
河南理工大学矿山空间信息技术国家测绘与地理信息局重点实验室
河南理工大学测绘与国土信息工程学院
浙江正元地理信息有限责任公司
-
出处
《红外技术》
CSCD
北大核心
2015年第11期949-956,共8页
-
基金
河南省高校基本科研业务费专项资金
编号:NSFRF140113
+10 种基金
河南理工大学博士基金
编号:B2015-20
河南理工大学青年基金
编号:Q2015-3
国家自然科学基金委员会与神华集团有限责任公司联合资助项目
编号:重点项目U1261206
培育项目U1261106
测绘地理信息公益性行业科研专项经费项目
编号:201412020
焦作市科技计划项目
编号:2014400003
-
文摘
针对光学和雷达协同处理信息挖掘的需求,为提高主被动遥感数据协同处理应用于土地利用/覆盖地类识别的能力,提出了一种改进的光学和雷达遥感数据融合识别方法。以意大利PAVIA地区的ERS SAR和Landsat TM影像、江苏徐州矿区的ALOS PALSAR和AVNIR-2影像对,ALOS PALSAR和SPOT影像对为信息源,利用改进的小波变换与色彩域变换算法进行处理,融合结果与传统的Brovey、GS、PCT、HSV、Wavelet融合算法作定量比较,并采用支持向量机(SVM)算法以相同的训练区分别对融合前后的影像,及不同融合结果进行典型地物类型识别。通过融合影像定量指标评价和识别应用验证,结果表明改进的融合算法很好地保留了融合前影像的光谱和纹理信息,且使用融合后影像识别的精度不仅明显优于单独利用光学或雷达影像,而且比采用的传统融合算法的识别结果也有较大提高。
-
关键词
光学和雷达数据
信息融合
数据挖掘
地物识别
-
Keywords
optical and SAR data, information fusion, data mining, land use/cover identification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名SRTM与ASTER加权融合的机器学习方法
被引量：3
- 2
-
-
作者
郑婷婷
陈传法
张照杰
-
机构
山东科技大学测绘与空间信息学院
浙江正元地理信息有限责任公司
-
出处
《遥感信息》
CSCD
北大核心
2021年第5期148-154,共7页
-
基金
国家自然科学基金项目(41804001)
山东省自然科学基金项目(ZR2020YQ26、ZR2019MD007、ZR2019BD006)
山东省高等学校青创科技支持计划项目(2019KJH007)。
-
文摘
为了克服SRTM和ASTER各自缺陷,充分结合二者优势得到更高质量的DEM,提出了一种基于神经网络模型的加权融合方法。首先,统一两种DEM坐标系和高程基准;其次,借助后向传播神经网络分别建立SRTM与ASTER高程误差和地形因子的非线性关系模型;然后,利用此模型估计各DEM的误差分布;最后,根据该误差计算SRTM和ASTER融合权重,并实现SRTM和ASTER加权融合。以董志塬为研究区进行分析。结果表明:融合后DEM精度有明显提高,相比于原始SRTM和ASTER,平均绝对误差分别降低了1.29 m和3.66 m,中误差分别降低了0.40 m和3.16 m,标准差分别降低了0.79 m和2.07 m;各地形因子对DEM高程精度的影响在融合之后均得到降低。以美国爱达荷州北部某区域为验证区,实验结果与研究区相似。
-
关键词
SRTM
ASTER
神经网络模型
地形因子
精度
-
Keywords
SRTM
ASTER
neural network model
terrain factor
accuracy
-
分类号
P208
[天文地球—地图制图学与地理信息工程]
-
