简介:云状的正确观测对降水测报具有指示性意义,云状自动识别技术是气象要素自动化观测领域的难题之一.本文基于全天空可见光成像仪采集的云图与中红外热像仪获取的云图结合,对天空云状进行分类和测量.结果表明:通过在北京、杭州和丽江气象台站采集的大量云图,从云图特征和降水指示性方面将云状划分为Clear、CH、CL、CB及CM共5类.选取14个色彩和纹理特征值作为云状计算参数,采用552张云图作为训练样本,信息分类利用特征值加权最小距离算法,对于5类50个被测样本进行云状的判别.对应自拟的标准云状分类,平均准确率为82%.基于可见光-红外图像信息融合的云状识别方法结合了可见光图像色彩信息丰富的特点及红外图像可以降低雾霾干扰的优势,对比单-可见光传感器云测量,准确性有所提高.本文在可见光与红外图像传感器等多种云观测设备的信息融合方面进行了有益的尝试.
简介:矿化蚀变信息提取是遥感找矿的重要手段之一。AdvancedLandImager(ALI)遥感图像信噪比高达100~200,且有较高的波谱分辩率,能够区分具有标示性波谱特征的岩矿。以美国Cuprite地区ALI遥感图像为例,通过数字处理、最小噪声分离变换(MNF),分离和均衡数据中的噪声。然后提取纯净像元(PPI),输入到N维可视化器中开发端元组分光谱,并与波谱库中的波谱进行比对分析。将提取的端元作为样本,进行数据集合评估,最后进行蚀变信息的提取。结果表明,ALI遥感数据由于其波段多,波谱空间分辨率高,经过MNF-PPI后的三维散点图端元提取,能够识别更微弱的岩矿信息。
简介:摘要:随着深度学习技术的迅猛发展,基于深度学习的图像识别算法在电子信息工程领域引起了广泛的关注和研究。本文系统地探讨了基于深度学习的图像识别算法,旨在提供对该领域关键方法的深入理解。首先,文章回顾了深度学习的基础知识,包括神经网络的演变历程,激活函数、损失函数和优化算法的作用,以及常用的深度学习框架。其次,文中探讨了图像数据预处理方法,涵盖数据获取、清洗、标注、增强以及规范化处理等环节。随后,文章重点分析了基于深度学习的图像识别算法,包括卷积神经网络(CNN)在图像分类中的应用,各类经典CNN架构的特点与应用。此外,文章还探讨了目标检测算法,介绍了基于区域的方法和单阶段方法,并详细阐述了图像语义分割和实例分割方法。最后,文章介绍了迁移学习和预训练模型在图像识别领域的应用,突出了其对算法性能提升的重要作用。
简介:摘要:测绘遥感图像信息的有效分类对于地理信息系统、自然资源调查等领域具有重要意义。本文提出一种基于决策树算法的测绘遥感图像信息分类方法。该方法首先对原始遥感图像进行预处理,提取多种特征,构建特征空间。接着,利用决策树算法对特征空间中的数据进行训练,生成决策树分类模型。最后,使用所得模型对测绘遥感图像进行分类。实验结果表明,所提出的分类方法能够有效地区分不同类型的地物,分类精度较高。该方法不仅可以应用于测绘遥感图像分类,还可推广到其他遥感数据分类任务中。总的来说,本文为测绘遥感图像信息分类提供了一种新颖、有效的解决方案。
简介:摘要:由于遥感影像的质量受到噪声的影响,分别选用多种典型的滤波算子对于遥感影像进行处理,结合SVM分类方式,分析使用滤波处理后的影像亮度值的变化,经过滤波处理和未经过滤波处理的影像进行分类后精度的对比。结果:与未经过滤波处理的遥感影像相比,经过处理的遥感影像在土壤盐渍化信息提取中具有较高的分类精度。高斯高通滤波与SVM结合的土壤盐分提取模型的分类精度提高到89.6950%,并且Kappa系数也提高到86.12%。滤波运算能够抑制噪声对于遥感影像的影响从而提高影像质量,并且提高对于盐渍化的检测从而更加有效的掌握盐渍化的分布规律,及时对于土壤盐渍化地区进行治理,对于保护生态环境有着重要意义。本文选取我国西南地区土壤盐渍化严重的艾比湖湿地自然保护区作为研究对象,研究图像滤波算子在土壤盐渍化信息提取中的应用。