【摘 要】
：
文章针对新增建设用地信息提取中的伪变化图斑,进行特定目标(如高尔夫球场和大棚)的自动识别,以保证土地变更调查成果核查工作的准确性和现势性。实验数据采用天津市静海县和山东省寿光市子区高分辨率遥感影像,建立多特征及形态学运算相结合的自动识别方法,与传统方法相比,该方法得到的目标识别结果克服了土地变更调查工作中容易发生的误判现象,保证了特定目标识别结果的完整性,为土地变更调查成果核查工作提供科学参考。
论文部分内容阅读
文章针对新增建设用地信息提取中的伪变化图斑,进行特定目标(如高尔夫球场和大棚)的自动识别,以保证土地变更调查成果核查工作的准确性和现势性。实验数据采用天津市静海县和山东省寿光市子区高分辨率遥感影像,建立多特征及形态学运算相结合的自动识别方法,与传统方法相比,该方法得到的目标识别结果克服了土地变更调查工作中容易发生的误判现象,保证了特定目标识别结果的完整性,为土地变更调查成果核查工作提供科学参考。
其他文献
4月9日,大连市委召开常委会议,讨论通过《中共大连市委、大连市人民政府关于推进城市智慧化建设的意见》和《大连市会议管理办法》。辽宁省委常委、大连市委书记唐军主持会议并讲话。会议强调,推进城市智慧化建设是提升大连城市综合竞争力的战略举措,是提高市民生活质量和幸福感的迫切需要。要坚持规划先行,抓紧出台《大连市城市智慧化建设总体规划(2014-2020)》,
近日,南昌市计划率先启动智慧城市建设,重点发展智慧电网、智能楼宇、智能卡、感知航道、智能环境监测、智慧照明、智慧管网、智慧金融、轨道交通等领域。据悉,截至2012年年底,南昌市软件和信息服务业业务收入达55亿元,企业数量超过400家,均占全省的85%以上。南昌市工业和信息化委员会计划在2016年着力达成园区建设目标、企业培育目标、人才
住建部数字城市工程研究中心与微软中国日前共同宣布,双方已签署战略合作备忘录,将组建"住房和城乡建设部数字城市工程中心智慧城市技术解决方案联合实验室",共同打造中国未来城市智慧发展重要技术支撑平台。微软公司还宣布,其在全球范围内实施的"未来城市"计划在中国正式启动。该计划将以"优政、兴业、利民"为己任,充分发挥微软
学校是现代社会促进社会发展和个体发展的主要载体。信息技术的发展给校园带来了深刻的变化,也带动了学校人才培养、科研、管理和服务理念与方法的多重改变。在"智慧校园"的建设过程中,校园一卡通既是最早的落地项目,同时又是融合信息技术创新与教育教学深度改革的前沿阵地。今天的校园一卡通,已经经过了一系列的智慧演化,将云计算、物联网、互联
0.25m分辨率时代到来,加剧遥感市场竞争继德国"陆地合成孔径雷达"卫星实现0.25m分辨率后,美国放宽商业卫星图像销售的分辨率限制,将商业卫星遥感带入0.25m分辨率时代。这一方面将加剧各国卫星遥感技术之间的市场竞争,加剧卫星遥感和航空遥感的市场竞争,另一方面也将进一步促进军、民、商用遥感卫星日益融合发展。
文章对我国首套机载多波段多极化干涉SAR测图系统(CASMSAR)的研制背景、系统构成以及应用情况进行了介绍,并对系统的性能以及SAR数据处理中的极化、干涉、区域网平差、立体SAR测图与解译等特色技术进行了重点阐述。
传统的高光谱分类通常仅考虑单一像元的光谱或纹理特征,分类后容易出现地物破碎的现象。鉴于此,本文提出了一种面向对象的混合分类方法,将面向对象的分割结果与传统的像元级分类结果进行有机融合,充分利用对象的光谱特征和空间结构特征。在此基础上,引入了2种具体的混合分类方法,即多尺度分割的SVM分类和多波段分水岭分割的SVM分类。前者将地物光谱的可变性进行弱化处理,转化为多尺度均质对象单元进行分类;后者融入了
高光谱影像虽然具有较高的光谱分辨率,但因其空间分辨率低而普遍存在混合像元。混合像元分解是高光谱遥感应用的重要研究内容,包括端元提取和端元丰度反演两部分。本文以压缩感知(CS)理论为基础,结合神经网络技术提出了一种端元提取模型——基于CS的高光谱影像端元提取模型。同时,将经典的万有引力模型(UGM)引入端元丰度反演中,提出基于UGM的端元丰度反演算法。最后,以Hyperion高光谱影像为试验数据在M
对比分析了线性核函数和非线性核函数支持向量机(SVM)算法在样本类别不足情况下城市高光谱影像分类中的应用。选用甘肃张掖地区高光谱影像作为试验区,依据高分影像和地面调研信息获取参考样本数据,利用非线性核函数和线性核函数的支持向量机进行影像分类,获取每一类别的分类后验概率图,并对分类后验概率图采用0.2、0.4、0.6、0.8、0.9的后验概率截断,分析了不同截断概率下的地物分类精度变化情况。结果表明
提出一种利用属类概率距离构图的半监督学习算法,并利用高光谱图像数据集进行了性能测试。首先,该算法利用基于分类的稀疏表达方法来预估未标记样本的属类概率向量;然后,利用这个概率向量对描述数据相似性的距离函数进行改造,改造后的距离函数能有效扩大异类样本点之间的距离,在新的距离函数的度量下,每个样本点的邻域中可包含更多同类的样本点;最后,将该距离函数应用于半监督学习线性邻域传播算法标签传播算法中。在Hyp