公共文化服务平台

搜索到1209篇“ 土地覆盖分类“的相关文章

一种土地覆盖分类模型的构建方法: 本发明提供一种土地覆盖分类模型的构建方法，包括：S1、获取土地历史数据，对其进行聚类处理以形成多个区域，每个区域中包含多个网格点数据；S2、对每一个区域中的网格点数据提取每个网格点的指数特征数据，并将网格点指数特征数据插...; 俞乐黄小猛周峥

一种融合多源数据产品的土地覆盖分类的方法: 本发明属于遥感影像处理技术领域，具体为一种融合多源数据产品的土地覆盖分类的方法，该融合多源数据产品的土地覆盖分类的方法的具体步骤流程如下：S1：利用谷歌地球引擎构建特征图像和融合多源数据产品的标签图；S2：训练样本的获取...; 李凯王卷乐

基于知识一致性约束的跨分辨率土地覆盖分类方法和系统: 本发明公开了一种基于知识一致性约束的跨分辨率土地覆盖分类方法和系统，包括开源土地覆被产品与遥感影像的获取与预处理，深度学习样本集制作，语义分割模型训练，分类效果的目视比较与精度评价，土地覆被产品图制作。本发明旨在构建一个...; 陈钰嘉崔浩张过

基于超级体元的机载多光谱LiDAR数据土地覆盖分类的方法: 本发明公开了一种基于超级体元的机载多光谱LiDAR数据土地覆盖分类的方法，方法首先对多光谱LiDAR数据进行异常数据剔除及多波段LiDAR点云融合，获取融合多光谱LiDAR点云的空间位置及其对应的多波段光谱信息的单一点云...; 王丽英郑永梅田瑞雪

基于轻量语义分割网络的遥感土地覆盖分类: 2024年; 高分辨率遥感图像有丰富的空间特征,针对遥感土地覆盖方法中模型复杂,边界模糊和多尺度分割等问题,提出了一种基于边界与多尺度信息的轻量化语义分割网络.首先,使用轻量化的MobileNetV3分类器,采用深度可分离卷积来减少计算量.其次,使用自顶向下和自底向上的特征金字塔结构来进行多尺度分割.接着,设计了一个边界增强模块,为分割任务提供丰富的边界细节信息.然后,设计了一个特征融合模块,融合边界与多尺度语义特征.最后,使用交叉熵损失函数和Dice损失函数来处理样本不平衡的问题.在WHDLD数据集的平均交并比达到了59.64%,总体精度达到了87.68%.在DeepGlobe数据集的平均交并比达到了70.42%,总体精度达到了88.81%.实验结果表明,该模型能快速有效地实现遥感图像土地覆盖分类.; 朱婉玲贾渊; 关键词：高分辨率遥感图像土地覆盖分类多尺度

基于Mult-TWDTW算法的时序SAR图像土地覆盖分类: 2024年; 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、Kmeans、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.; 孟萌萌黄瑞瑞毋琳黄亚博; 关键词：土地覆盖分类

Landsat和GF数据面向对象土地覆盖分类研究: 2024年; 针对中分辨率遥感数据面向对象分类,以河北省北部山区和南部平原Landsat8 OLI,Landsat5 TM及高分一号(GF1)数据为研究对象,对支持向量机(support vector machine,SVM)、随机森林(random forest,RF)、决策树(decision tree,DT)及朴素贝叶斯(naive Bayes,NB)4种分类器的土地覆盖分类效果进行对比,并分析SVM,RF和DT中关键参数对分类结果的影响。结果表明:在2个研究区,各分类器结果略有差异,从整体上看其优劣排序为SVM,NB,RF和DT。其中SVM和DT分类精度随参数变化波动较大:对于SVM,当参数C取值不小于103且gamma不大于10^(-1)时,无论哪种情况其分类精度均优于90%;对于DT,当参数树深(Depth)大于3时,各情况下的分类精度相对较高且趋于稳定。RF分类精度随参数变化波动较小且没有明显的变化规律。研究结果可为中分辨率遥感数据面向对象土地覆盖分类研究提供参考。; 尚明尚明马杰赵菲顾鹏程潘光耀李倩任阳阳; 关键词：面向对象分类分类器 LANDSAT

基于无人机影像的土地覆盖分类与变化监测研究: 2024年; 本研究针对无人机航拍影像在土地覆盖分类与变化监测中的应用进行了深入探讨。通过对无人机航拍影像的预处理和深度学习算法的应用,成功构建了全景土地覆盖分类模型,实现了对地表不同类型土地覆盖及其变化的实时监测。研究表明,无人机影像凭借其高空间分辨率和时间解析度,在土地覆盖监测中展现出显著优势,超越传统遥感技术。此项研究不仅拓展了无人机在土地监测领域的应用范围,还为土地资源管理与规划提供了新的高效、精确的覆盖分类和变化监测工具。; 肖俊曾瑞栋; 关键词：无人机土地覆盖分类高空间分辨率

结合CNN和Transformer的遥感图像土地覆盖分类方法: 2024年; 利用遥感图像进行语义分割是一种有效的土地覆盖分类方法。然而由于主流框架存在边缘分割不准确、缺乏全局信息导致错误分类等问题,阻碍了其在土地覆盖分类中的应用。针对以上问题,提出了一种用于遥感图像土地覆盖分类的卷积神经网络(Convolutional Neural Networks,CNN)和Transformer混合网络CTHNet,结合了CNN的局部细节提取能力和Transformer的全局信息提取能力。同时设计了自适应融合模块,融合来自对应级别的CNN和Transformer特征,自适应融合模块的输出进入分割头得到最终的预测结果。最后,结合边界检测分支为语义分割提供边缘约束。在两个公开的土地覆盖分类数据集上的实验结果表明,该方法优于当前主流的方法,分别实现了90.53%和64.33%的平均交并比(mIoU),对遥感图像中的大目标和边界也有更好的识别效果。; 汤泊川帕力旦·吐尔逊柏洁馨齐然然; 关键词：土地覆盖分类遥感图像卷积神经网络 TRANSFORMER

改进的DeeplabV3Plus高分辨率遥感影像土地覆盖分类: 2024年; 高分辨率遥感图像中提取的土地覆盖信息在城市规划建设和土地利用等领域具有巨大的价值,但由于土地覆盖类型复杂、光谱差异性较小等因素,目前对土地覆盖类别进行高质量的语义分割仍然受到一定限制。因此,针对该问题提出了一种新颖的全连接网络MFC-Net,该模型采用全新的基于点积注意力的空洞空间金字塔池化模块(DPA-ASPP),提高了聚合上下文信息方面的能力及效率。更进一步的,针对不同尺度的特征提出了注意力增强融合模块(AEFM)来增强特征表示,改善不同形状和大小地物的分割效果。该模型充分利用了高分辨率遥感影像中丰富的上下文信息及多尺度信息,在LoveDA大型遥感图像数据集上取得了优于当前主流模型的分割结果(84.26%MPA和69.67%MIOU)。; 朱凡罗小波; 关键词：遥感图像土地覆盖分类

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈