排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
在将小波包变换应用于影像融合的过程中,选择不同性质的小波包基,会得到不同效果的融合影像。如何在其中找到性质最好的小波包基,即最佳小波包基,并在此基础上实现影像的融合具有重要的意义。影像融合涉及到两幅影像,最佳小波包基的搜索需要在两棵小波包树上进行,而已有的最佳小波包基搜索算法只能在一棵小波包树上实现。本文提出了一种在两棵小波包树上搜索最佳小波包基的算法,并基于由此算法得到的最佳小波包基,实现了一种新的基于最佳基小波包变换的影像融合。试验结果表明:在采用基于特征的融合规则的条件下,该方法所得的融合影像,无论是在视觉效果上还是在评价指标上都优于由其他小波包变换方法(包括小波变换方法)得到的融合影像。 相似文献
2.
3.
基于主成分分析和BP神经网络的法国梧桐叶绿素含量高光谱反演研究 总被引:6,自引:0,他引:6
利用ASD便携式野外光谱仪和SPAD-502叶绿素计实测了落叶阔叶树法国梧桐叶片的高光谱反射率与叶片绿度,并对原始光谱反射率及一阶导数光谱与叶片绿度进行了相关分析;综合分析了10个常见光谱植被指数与法国梧桐叶绿素含量的相关性与预测性;最后利用主成分分析对光谱数据进行降维,将得到的主成分得分作为BP人工神经网络模型的输入变量进行了法国梧桐叶绿素含量的估算。结果表明:法国梧桐的叶片反射光谱数据与叶绿素含量的相关性在可见光区域显著,导数光谱数据在绿黄光区和红光区的部分波段与叶绿素含量的相关系数大于对应波段光谱反射率与叶绿素含量的相关关系。在所列举的10个常用植被指数中归一化植被指数与叶绿素含量的关系最密切,相关系数达到了0.7957。主成分分析的BP神经网络模型可以容纳更多的波段信息进行叶绿素含量的估算,预测值与实测值之间的线性回归的确定性系数R2为0.9883,是一种良好的植被叶绿素含量高光谱反演模式。 相似文献
4.
本文分析了高光谱反射率及红边位置与叶片绿度的相关性,建立了基于敏感波段和红边位置的叶绿素估算模型。通过对不同叶绿素含量高光谱曲线特征的分析,提出了基于高光谱曲线峰度和偏度的叶绿素估算新思路,并分别建立基于原始光谱560-760nm波段和一阶导数光谱660-760nm波段对应峰度、偏度的叶绿素反演模型。结果表明,法国梧桐、无花果和白毛杨基于敏感波段的叶绿素含量反演模型的拟合度,与传统估算模型相比,本文提出的新估算模型可以明显提高高光谱反演叶绿素含量的能力。 相似文献
1