中央高校基本科研业务费专项资金(2014QC018)
- 作品数：5 被引量：103H指数：4
- 相关作者：佃袁勇方圣辉周志翔徐永荣姚崇怀更多>>
- 相关机构：华中农业大学武汉大学更多>>
- 发文基金：中央高校基本科研业务费专项资金国家高技术研究发展计划国家自然科学基金更多>>
- 相关领域：自动化与计算机技术天文地球农业科学更多>>
- 基于插件式的林带信息管理系统的设计与实现被引量：4
- 2014年
- 为高效管理城市高速公路两侧绿化林带,以武汉市环城林带基础数据为例,利用C#与ArcEngine10.0采用插件式的开发方式,设计开发了武汉市外环林带小班空间信息管理系统,建立了林带小班信息的时间序列存储模型,实现了绿化林带植物物种、空间位置分布、小班生长、植物管护措施等信息的时空存储及小班信息的可视化查询、分析及预测。武汉外环林带信息管理系统中所有功能模块以插件方式与系统框架耦合,方便了系统的扩展与更新。
- 佃袁勇程维金滕明君徐永荣周志翔
- 关键词：GIS插件技术C#
- 傅里叶谱纹理和光谱信息结合的高分辨率遥感影像地表覆盖分类被引量：10
- 2017年
- 以高空间分辨率遥感影像为研究对象,将纹理特征与影像的光谱特征结合起来,用于地表覆盖类型分类。设计了一种基于傅里叶谱纹理的分类策略,对主成分分析后的第1、2主分量特征影像,利用径向谱(r-spectrum)提取纹理特征,并将纹理与光谱特征结合起来,构建了不同的分类特征用于支持向量机分类模型。以Salinas数据集和QuickBird影像为例,验证该算法。结果表明,纹理与光谱信息的结合可以明显提高高分辨率遥感影像的分类精度;由傅里叶径向谱提取的纹理特征可以很好的应用到高分辨率遥感影像的分类问题中,分类精度高于基于傅里叶总能量谱和灰度共生矩阵的分类精度;利用该算法对PCA变换后的第1和第2分量提取的纹理特征具有一定的互补性,并且结合多特征图像的纹理特征提取优于单特征图像的纹理特征提取。
- 佃袁勇杨光方圣辉
- 关键词：高空间分辨率纹理特征主成分分析
- 一种协同反演气溶胶与水汽含量的高光谱图像大气校正算法被引量：2
- 2015年
- 大气校正是高光谱图像定量反演地表参数的前提。为充分利用高光谱数据本身的光谱特点,提出了一种协同反演大气气溶胶光学厚度(aerosol optical thickness,AOT)与水汽含量(water vapor content,WV)的大气校正方法,在同时考虑了气溶胶模式、AOT和WV这3个因素的综合影响基础上,采用循环迭代的思想,基于6S辐射传输模型,反演大气参数及地表反射率,弥补了现有反演算法中没有同时考虑AOT与WV的不足;并以武汉市Hyperion高光谱图像为例,验证了该算法的有效性。从与FLAASH算法及MOIDS提供的AOT和WV产品对比来看,该算法能较好地校正气溶胶与水汽对高光谱图像的影响,且反演过程中所有的输入均来自图像数据本身或6S辐射传输模型,无需输入额外的参数。
- 佃袁勇方圣辉徐永荣
- 关键词：大气校正
- 基于时间序列统计特性的森林变化监测被引量：29
- 2015年
- 森林动态变化分析对揭示生态系统环境变化及植被恢复和布局重建等具有重要意义,时间序列的遥感数据为森林监测提供了基础数据。本文根据森林植被的统计学特性,在暗目标法的基础上,利用归一化植被指数NDVI实现森林样本自动选择;并融合NDVI构建了新的综合森林特征指数(Integrated Forest Z-Score,IFZ);以时间序列的IFZ分析森林动态信息,实现森林变化动态监测。以三峡大坝及周边区域森林为研究区,利用2001年至2012年每年生长季节(5月—10月)的Landsat TM影像检验本文算法。基于2002年、2006年和2010年三期7月—9月的Quick Bird影像的精度分析结果发现:研究区森林变化检测的总体精度可达96.53%,Kappa系数为0.9512。在添加NDVI指数后构建的IFZ提高了总体监测精度。其中,毁林类别的检测精度提高显著,漏检率和误检率分别为2.74%和3.64%;干扰后重建的森林类别的检测精度有一定提高,其漏检率和误检率分别为10.79%和10.51%。研究结果表明,改进暗目标法能提高森林样本的选样效率,添加NDVI的IFZ能提高森林动态变化的识别度。此外,本算法不仅能定性识别森林变化,而且能定量提供森林干扰发生时间和干扰强度。
- 黄春波佃袁勇周志翔王娣陈瑞冬
- 关键词：动态监测统计特性影像分割信息提取时间序列
- 多尺度分割的高分辨率遥感影像变化检测被引量：60
- 2016年
- 针对高空间分辨率的遥感影像,提出了一种基于多尺度分割的变化检测算法。采用Mean-Shift分割算法对影像进行多尺度分割,构建了不同尺度上的地理对象,以不同尺度上的地理对象灰度均值构建了变化检测的多尺度特征向量,采用变化矢量分析法获得最后的变化检测结果。以城镇区和农田区的Quick Bird影像对本文算法进行了检验,从精度评价的效果来看,无论城镇区还是农田区,采用面向对象的变化检测方法精度都高于基于单像素的检测方法,且当尺度层数固定时,多尺度组合的变化检测结果优于单一尺度的变化检测结果,对城镇、农田区域的变化检测的精度分别达到87.57%和81.55%。本文算法既可以顾及大面积同质区域变化,又可以反映小的地物目标及边缘部分的变化,能够很好地满足城镇、农田等不同环境背景下的变化检测需求,在国土资源监测中具有一定的应用价值。
- 佃袁勇方圣辉姚崇怀
- 关键词：变化检测多尺度分割高分辨率遥感影像MEAN-SHIFT
