排序方式: 共有121条查询结果,搜索用时 31 毫秒
101.
遥感影像融合有着广泛的应用前景。定量遥感不仅要求影像融合提高空间分辨率,更重要的是保持影像光谱信息,减少失真。为了使人们对不同遥感影像融合方法优缺点有一概略了解,首先详细介绍了两种新的高保真融合算法(基于亮度调节的平滑滤波和Gram-Schmidt变换)的原理和方法;然后以城区IKONOS影像为数据源,通过目视判别、定量统计参数和图形法3种方法对两种融合算法进行了比较,并与传统的融合算法IHS变换和PC变换进行了对比。结果表明,4种融合算法的空间效果是相似的,但从对光谱信息的保真来看,PC变换和IHS变换都较差,基于亮度调节的平滑滤波保真效果最好,Gram-Schmidt变换次之,但Gram-Schmidt变换保真效果已比PC变换和IHS变换有了较大的提高。 相似文献
102.
比较不同株型夏玉米在不同时期的反射光谱差异性,研究分析了红边位置(λred)、红边振幅(Dλred)、最小振幅(Dλmin)及Dλred/Dλmin与叶片全氮含量(LTN),叶绿素含量(Chl)及叶面积指数(LAI)间的相关性,并建立预测模型。结果表明,光谱差异随生育进程呈不同程度的规律性变化。在全生育期,用Dλred/Dλmin能更好地推算LTN,尤其在吐丝期,在开花前用Dλred也佳,在拔节期和喇叭口期用λred也有较高的精度。估算Chl时,在开花前用Dλred较可靠,在喇叭口期和抽雄期用λred也可考虑。估算LAI时,抽雄期后用Dλred推算有较高的可信度,在抽雄期用λred较好,在开花期和吐丝期用Dλred/Dλmin推算更为可靠。 相似文献
103.
基于作物生长的物候规律,利用2007年4月26日、2007年5月28日Landsat TM影像和2007年6月28日北京一号卫星影像进行北京地区春播进度遥感监测。首先,分析了地物类型之间的光谱可分性距离;其次,采用逐步鉴别分析方法,并将掩膜技术和决策树分类方法相结合,监测北京2007年5月28日和6月28日的春播作物种植面积;最后,基于地面调查点对分类结果进行精度评价。结果表明5月28日总体精度为84.5%,6月28日总体精度为88.0%;逐步鉴别分析方法有利于寻找作物分类的光谱差异,建立多时相分类规则,简化了多时相多作物遥感分类流程并提高了分类精度。 相似文献
104.
105.
邻近像元影响是指经非观测目标反射的光子,再经大气的散射到达传感器,从而在某种程度上使地物边缘模糊的现象;邻近像元影响往往使影像的对比度降低,细部信息大量丢失.本文介绍了基于三维辐射传输模型SHDOM(Spectral Harmonics Discrete Ordinary Method)建立的经验方程,结合大气辐射传输方程对邻近像元影响进行纠正、获取地物真实反射率的方法,并用该方法对垂直观测成像的Landsat7 ETM 影像进行了邻近像元影响纠正,经过纠正后,像元之间的空间自相关性远远小于纠正影像的空间自相关性,同时,影像质量有了明显的提高,对比度增强,地物的细部信息更加明显,收到了较好的效果. 相似文献
106.
拉曼光谱在粮食检测中的应用 总被引:1,自引:1,他引:0
拉曼光谱技术是一种能够实现快速、无损检测的高效检测技术,且加上拉曼光谱仪的操作简单、结果准确等特点,目前该技术已被广泛的应用于生物、医药、材料等诸多领域,在粮食品质、结构检测方面同样具有良好的应用前景。数据显示,每年受重金属污染的粮食高达1200万吨,引起了人们的担忧及重视,如何实现粮食污染的简单快速鉴别,成为人们关心的问题。在此背景下,本文就当前拉曼光谱这一无损检测技术在粮食检测领域中的应用进行了综述,以期为今后粮食的快速检测方法提供相应支持。文章介绍了拉曼光谱技术的原理、分类以及拉曼光谱仪的结构,综述了拉曼光谱技术在大米、小麦、玉米等主要粮食检测中的应用现状,并对其今后的研究发展前景进行展望。 相似文献
107.
目的采用近红外光谱技术,筛选有效变量对苹果可溶性固形物含量进行无损快速检测。方法以改进无变量信息消除算法为变量筛选方法,采用多元线性回归算法建立校正模型,采用外部盲样对模型进行预测准确度评价。结果基于改进无信息变量消除算法,筛选1391、1435、1521、1589nm4个关键波长作为变量,其所建校正模型的测定系数为0.6823,校正误差均方根为1.06,交互验证测定系数为0.6780,交互验证误差均方根为1.06。外部验证测定系数为0.6585,预测误差均方根为1.07。经F检验,预测模型的预测值与测定值之间具有显著相关性。结论该方法基本能够满足苹果可溶性固形物含量无损快速检测的需求,并可为水果可溶性固形物含量无损快速检测仪器的研制提供一定的技术参考。 相似文献
108.
109.
基于高光谱遥感影像的大气纠正:用AVIRIS数据评价大气纠正模块FLAASH 总被引:27,自引:2,他引:25
高光谱遥感影像由于集中了高光谱分辨率和高空间分辨率的优点,在对地观测中具有不可替代的优势。实际应用当中,往往需要从遥感影像获取地物的地表反射率信息,这就要求首先从影像中去除大气的影响,即进行大气纠正及补偿。目前,对遥感影像进行大气纠正的算法有很多,详细介绍了基于遥感影像自身信息的大气纠正模块FLAASH(Fast Line of Sight Atmospheric Analysis f Spectral Hypercubes)所涉及的算法,并利用该模块对AVIRIS航空遥感影像进行了大气纠正,
对不同的结果进行了分析对比,从而对该算法进行了初步的评价。 相似文献
110.