排序方式: 共有14条查询结果,搜索用时 0 毫秒
1.
星载合成孔径雷达(Synthetic Aperture Radar,SAR)图像水陆分割对水域识别、洪水监测等领域研究具有重要意义。然而,星载SAR图像的空间分辨率通常在米至十米量级,水域边界上会存在大量既包含陆地又包含水域的混合象元。传统像素级水陆分割算法难以获取高精度的水陆分割结果。本文提出一种新颖的亚像素级SAR图像水陆分割方法,该方法采用一种改进的非局域滤波算法抑制相干斑噪声,再利用模糊C均值聚类算法进行像素级水陆分割,在此基础上应用基于双三次样条插值与几何主动轮廓模型的精分割方案,获取更高精度的亚像素级水域轮廓。本文以南水北调中线工程水源地——丹江口水库为实验区域,利用国产高分三号(GF-3)卫星的多模式SAR图像,开展水陆分割验证实验。实验结果表明,所提方法可实现亚像素级精度的水陆分割,与传统方法相比,平均像素偏移精度提升一个数量级。 相似文献
2.
3.
4.
合成孔径雷达(SAR)图像为土地覆盖分类提供了重要的时序数据源. 现有的时间序列匹配算法可以充分挖掘时序特征的相似性信息, 从而获得较好的分类效果. 本文引入了综合考虑形状相似性和物候差异的经典时序匹配算法TWDTW (time weighted dynamic time warping)指导SAR土地覆盖分类, 并针对传统TWDTW仅考虑单一特征时间序列上的相似性匹配问题, 提出了一种基于多特征联合的时间加权动态时间规整算法(Mult-TWDTW). 该方法首先提取后向散射系数、干涉相干性以及双极化雷达植被指数(dual polarization radar vegetation Index, DpRVI) 这3种特征, 然后在TWDTW算法基础上联合多个特征设计了Mult-TWDTW模型. 为验证所提方法的有效性, 使用Sentinel-1A时序数据在丹江口区域完成土地覆盖分类, 并将Mult-TWDTW与MLP、1D-CNN、K-means、SVM和使用单特征的TWDTW算法进行对比. 实验结果显示, Mult-TWDTW算法得到了最好的分类效果, 总体精度和Kappa系数可以达到95.09%和91.76, 表明Mult-TWDTW算法有效联合了多个特征信息, 能够提升时序匹配算法在多种土地覆盖类别分类中的潜力. 相似文献
5.
直接互连网络已成为构建大规模并行系统的主流网络互连体系结构,路由算法对互连网络的通信性能和并行系统性能的发挥起着重要作用。针对静态互连网络,提出一种新的基于路由表查找技术的分布式路由算法HDRA,该算法有效地利用历史寻径信息,加快路由寻径速度,提高网络传输性能,而且算法设计简单,易于硬件实现。 相似文献
6.
基于Agent的遥感应用网络硬件监控 总被引:1,自引:0,他引:1
在遥感领域多行业遥感信息产品生产系统中,通过分布式计算对遥感数据进行加工处理,需要对各遥感数据的生产处理节点加以监控和管理。针对该问题,提出以监控客户端、监控服务器、监控代理3个独立运行部件为基础的网络硬件监控系统,采用视窗管理规范技术与Log4net技术相结合的方法,以及改善通信方式和增加心跳检测的方法,对系统中各数据加工服务器进行监控。通过对该网络硬件监控系统的实现,证明该方案能够实时有效地获得各生产节点的监控信息,运用图形界面直观地向管理者展示监控结果,并确保各部件之间能够主动发现异常。 相似文献
7.
8.
高精度提取合成孔径雷达(SAR)图像中的河流边界,对河流水势监测具有重要意义。以检测郑州7·20暴雨后黄河的健康状况为实施例,该文融合精致Lee滤波思想与卷积操作的滤波特性,提出了基于河道几何特性的优化内部权值卷积核Refined-Lee Kernel,进而提出了一种新型河道提取深度神经网络模型,即River-Net。为验证所提模型的有效性,该文获取了郑州7·20暴雨前后两景欧空局Sentinel-1卫星20 m分辨率干涉宽幅(IW)影像数据,利用暴雨前的影像对模型进行训练,用于提取暴雨后的黄河河道,分析黄河在暴雨后的涨势情况。实验结果表明,相比主流语义分割模型,所提模型能够更精确地在SAR图像中提取河道,对洪水灾害的检测与评估有重要应用价值。 相似文献
9.
油液污染在线检测技术分析 总被引:1,自引:0,他引:1
对液压和润滑系统的油液污染状况进行在线检测,是液压设备工况监测和故障诊断的重要手段。介绍了油液污染在线检测的3种主要方法,分析了影响在线检测结果的若干技术因素,并提出了油液污染在线检测技术的发展方向,对于实施油液污染在线检测具有一定的借鉴作用。 相似文献
10.
内陆湖泊水华现象的频繁爆发,严重影响着地表水环境安全,严重阻碍了我国的生态文明建设。充分发挥合成孔径雷达(Synthetic Aperture Radar, SAR)遥感技术全天时、全天候的优势,可实现大尺度、周期性的水华识别与监测工作,对于地表水生态环境的保护与监管具有重大的现实意义。立足于SAR遥感目标识别技术的研究与应用,文中提出了一种基于特征优化的水华识别方法。该方法基于对水华SAR图像特征的深入分析与提取,应用ReliefF特征优化算法对全部的22个水华特征进行筛选与优化,得到包含10个特征的最优特征子集,并以反向传播(Back Propagation, BP)神经网络为分类识别器完成了多组对比实验,水华识别总体精度最高达81.39%,较优化之前提升了19.38%。实验结果表明,使用最优特征集不仅可以大幅降低算法复杂度,还可以有效地提升水华总体识别精度,具有进一步推广的实用价值。 相似文献