搜索结果: 1-12 共查到“工学 元分解”相关记录12条 . 查询时间(0.209 秒)
本发明公开了一种基于混合像元分解的土壤盐分预测方法、系统及介质，方法包括：获取待处理landsat卫星遥感图像，对所述待处理landsat卫星遥感图像进行混合像元分解处理，以获取待处理干土壤的纯净光谱图像；根据所述待处理干土壤的纯净光谱图像，采用土壤遥感盐分指数方法进行计算，以获取待处理干土壤遥感盐分指数图像；将所述待处理干土壤遥感盐分指数图像输入至预选构建好的预测模型中，以获取土壤盐分预测结果。...
L1稀疏正则化的高光谱混合像元分解算法比较
高光谱 混合像元分解 稀疏性 增广拉格朗日
2016/8/10
基于稀疏性的高光谱解混是近年来高光谱混合像元分解的研究热点.主要研究了L1正则化的高光谱混合像元分解算法.首先分析了L1正则化的三种解混模型,即无约束、非负约束和全约束模型;然后给出了三种模型对应的数值求解算法;最后,采用模拟的和真实的高光谱数据进行实验,比较了三种高光谱混合像元分解算法的效果.实验结果表明:三种模型均具有很好的高光谱混合像元分解精度(SRE),其中全约束模型最好,非负约束模型次之...
针对传统非负矩阵分解法中解空间较大、存在大量局部极小值的问题，提出了一种基于单形体体积和丰度稀疏性约束的非负矩阵分解法（Volume and Sparseness Constrained NMF，VSC-NMF）。该方法首先使用顶点成分分析法对高光谱图像进行端元提取，将其作为端元矩阵的初始值，可达到加速算法收敛的目的；然后，在目标函数中加入单形体体积最小化约束和丰度稀疏性约束，从而实现对混合像元进...
在叶面积指数（LAI）遥感估算中，常用的基于统计的遥感反演方法难以处理"同物异谱，同谱异物"的难题，该文从研究地物组分物理结构着手，采用像元分解的方法建立LAI的遥感反演模型，不仅能很好的解决这个难题，而且反演方法简便可行、具有普适性。该研究先对TM数据做最小噪声分离（MNF）并基于影像本身选择端元，经混合像元分解得到研究区植被覆盖度，再根据植被覆盖度与LAI的关系，用多次散射过程冠层模型求解迭代...
6S辐射校正与像元分解结合提高苹果树花期冠层反射率反演精度
混合像元分解 TM影像 6S模型 苹果树花期冠层
2012/8/15
为了获取近似真实的苹果树冠层反射率，该文以山东省栖霞市为研究区，应用DEM数据和6S辐射传输模型，对苹果树花期TM影像进行辐射校正、混合像元分解，获取26个果园苹果树冠层反演反射率，将反演结果与相同时段地面实测冠层反射率以及表观反射率、表观—像元分解反射率进行比较，分析了反演效果及精度。结果表明，地表反演反射率有效减弱了地形和大气的影响，恢复了阴影处的地物，影像清晰度明显提高；苹果树冠层反演反射率...
基于分层多端元混合像元分解的水稻面积信息提取
遥感 信息提取 最大似然 分层多端元混合像元分解 种植面积 水稻
2011/12/29
为了解决中低分辨率遥感影像混合像元问题以提高水稻种植信息的提取精度，该文提出了一种基于层次分类与多端元混合像元分解相结合提取水稻面积信息的方法（stratified multiple endmember spectral mixture analysis，SMESMA）。层次分类有效降低了地物复杂度，而多端元混合像元分解通过对每一类地物选取多个端元光谱参与解混，克服了“同物异谱”造成的光谱变异问题...
基于分层多端元混合像元分解的水稻面积信息提取
最大似然 分层多端元混合像元分解 种植面积 水稻
2012/8/10
为了解决中低分辨率遥感影像混合像元问题以提高水稻种植信息的提取精度，该文提出了一种基于层次分类与多端元混合像元分解相结合提取水稻面积信息的方法（stratified multiple endmember spectral mixture analysis，SMESMA）。层次分类有效降低了地物复杂度，而多端元混合像元分解通过对每一类地物选取多个端元光谱参与解混，克服了“同物异谱”造成的光谱变异问题...
提高混合像元线性分解精度的一个关键点在于改善端元光谱矩阵的构成。本文提出一种基于光谱多尺度分割特征的混合像元分解方法。首先在分割段内离差平方和最小准则下，对高光谱影像的光谱进行多尺度分割，并以各分割段中对应像元的光谱平均值为光谱特征，最后以限制性的最小二乘方法估计出混合像元的组分。模拟与真实数据的实验结果表明，本文方法能够较大的提高遥感影像混合像元的分解精度，并且优于光谱维小波特征的分解。
FUZZY-ARTMAP混合像元分解及其应用
混合像元分解 神经网络 植被覆盖度 模糊ARTMAP神经网络
2010/1/12
对于定量遥感来说，混合像元是制约它深入发展的难点之一。针对中高分辨率图像ETM＋，采用FUZZY ARTMAP神经网络进行混合像元分解，获得像元中不同地物的含量，进而获得像元的植被覆盖度。该方法在某地区ETM+图像的应用表明，试验结果能满足应用需求。
利用混合像元分解结合SVM提取城市绿地
混合像元分解 支持向量机（SVM）法 决策树法
2009/12/10
从遥感图像提取城市绿地是准确获取城市绿地空间分布的基础。然而由于混合像元的存在，导致城市遥感分类精度不高。因此，利用混合像元分解结合SVM（支持向量机）法提取北京市TM图像城市绿地，并与决策树法比较，研究提高遥感提取城市绿地精度的方法。结果表明，该方法较适合复杂高维空间，对样本选取的准确性没有那么苛刻，可有效地处理城市遥感图像存在的混合像元问题，可较准确地提取城市绿地信息，其精度在92%以上，优于...
支持向量机（Support Vector Machines, SVM）与两两配对(Pairwise Coupling, PWC)方法结合可分解遥感影像混合像元。首先支持向量机的输出值转化为两两配对的后验概率，再由两两配对的概率值求得多类后验概率，最终像元所属类别的后验概率作为地物的组分信息。利用多波段遥感数据验证了此方法的可行性，并将结果与线性分解模型进行比较。结果表明，SVM与PWC结合进行混合...