排序方式: 共有13条查询结果,搜索用时 15 毫秒
2.
匹配点云结合HSI色彩分量的无人机RGB影像信息提取方法 总被引:1,自引:0,他引:1
无人机通常搭载可见光波段传感器获取红-绿-蓝(Red-Green-Blue,RGB)影像,由于无人机RGB影像波段较少,影像的地物信息提取存在一定难度。该研究提出了一种匹配点云结合色调-饱和度-亮度(Hue-Saturation-Intensity,HSI)空间色彩分量的无人机RGB影像信息提取方法。首先以饱和度分量和红光波段构造了饱和度与红光比值指数,再结合可见光波段差异植被指数以及由匹配点云获得的地形特征对研究区正射影像进行分类。试验结果表明,本文方法的总体分类精度达到了91.11%,Kappa系数为0.895,证明匹配点云结合HSI空间色彩分量的方法提取无人机RGB影像信息是可行的,提取结果具有较高精度。相较于基于光谱特征的传统方法,该文方法引入匹配点云可以简单高效地提取影像中高程差异明显的地物,同时,结合HSI色彩分量能够有效弥补无人机RGB影像光谱特征较少的不足。 相似文献
3.
四川宜宾是我国的重要茶区之一,种植面积和品种、产量均占四川省首位。产品外形秀丽,汤色红艳、香高味醇、叶底红匀,在国内外市场享有盛誉,为国家创汇作出了较大贡献。为了进一步加强茶叶精制前各项质量关键工作,宜宾地区经贸局、宜宾地区供销社于二月二十八日至三月六日在宜宾联合召开了宜宾地区茶叶鉴评技术培训会,参加培训的有区内各县市经贸、供销、茶叶、土产、茶厂等基层收购和生产的224名实际担负茶叶鉴评工作的 相似文献
4.
为了筛选出适合在庐江地区推广种植的常规单季晚粳稻新品种,于2020年对引进的11个晚粳稻品种进行了展示试验,以生育进程、农艺性状、产量构成、抗性表现等作为考察指标进行分析.结果表明:各参试水稻品种表现出不同程度的差异性,其中产量水平排在前4位的品种分别为镇稻18、当粳8号、皖垦粳3号和常农粳151,比对照品种平均增产7.28%以上,全生育期在146~148d,较对照品种增减幅度在1d.由于2020年的气候异常,多数参试品种的综合抗性一般,其中以镇稻18、当粳8号、皖垦粳3号、常农粳151等品种的抗性表现相对突出.根据此次展示试验结果,建议在庐江地区推广应用镇稻18、当粳8号、皖垦粳3号和常农粳151等4个品种作单季晚粳种植. 相似文献
5.
为了从高分辨率无人机影像中获取准确的城市不透水面信息,在可见光波段范围内建立绿-蓝光谱特征空间,综合土壤线及不透水面线,构造了能够将土壤、植被像元与不透水面像元有效分离的绿-蓝不透水面指数。以广州市局部地区的GF-2号影像为验证数据对比及分析垂直不透水层指数、比值居民地指数以及绿-蓝不透水面指数的提取结果,以验证绿-蓝不透水面指数的可行性与提取精度。同时,将眉山市洪雅县部分地区的无人机正射影像作为试验数据进行不透水面提取。结果表明,在3个不透水面提取指数的横向对比中,绿-蓝不透水面指数和垂直不透水层指数的提取结果总体精度相同,验证了绿-蓝不透水面指数的有效性。在对无人机正射影像的不透水面提取中,得益于无人机低空摄影技术能够获取地形特征的特点,解决了建筑物屋顶因植被覆盖导致的错分问题,提取结果总体精度达到了96.95%,Kappa系数为0.936 1。试验证明了绿-蓝不透水面指数能够代替归一化差值不透水面指数、垂直不透水层指数、比值居民地指数等,应用于无人机遥感影像的不透水面信息提取中。 相似文献
6.
介绍了2款著名的摄影测量系统——国外的Inpho和国内的Map Matrix系统(含Map Matrix、DATMatrix和EPT)在无人机遥感影像处理中的流程、软件特点和优势,并以资阳市雁江区1∶1 000无人机航空摄影中某一块数据进行试验,对比分析两款系统实际处理流程和精度。主要结论如下:1Inpho和Map Matrix系统在处理1∶1 000无人机遥感数据时,空中三角测量精度和DOM成图精度、影像质量均能达到国标要求,两者平面精度相差不大,高程精度Inpho相对较好;2Inpho系统软件集成性高、操作性好,空中三角测量性能强、自动化程度高,Map Matrix系统需要调用PATB,处理数据量和效率没有Inpho高,需要人工编辑大量争议点;3Map Matrix在镶嵌成图和编辑方面更加便捷、高效。 相似文献
7.
8.
[目的]对比分析逻辑回归(LogReg)、多层神经网络(MLP)和相似度加权学习(SimWeight)3种土地利用变化趋势模型在多地类变化分析中的模拟效果与土地利用预测精度,为云贵高原地区的国土空间规划、水土保持和生态修复等提供参考。[方法]以2000—2020年昆明市土地利用变化为例,分别采用3种模型对该区域建模,并使用受试者工作特征曲线、ROC曲线下面积和Kappa系数等多种方法评估精度。[结果]对于大多数地类的变化趋势,MLP和SimWeight模型的模拟效果要好于LogReg模型,特别是在未利用地的变化分析中MLP和SimWeight模型的AUC值均大于0.9。在整体土地利用变化预测上,LogReg, MLP和SimWeight3种模型的Kappa值分别为0.9066,0.904 1,0.925 3,整体预测结果表现接近,但SimWeight模型略微优于其他模型。[结论]对于昆明市LUCC建模的模型选择,若为追求更高精度可选择SimWeight模型,若更在意运算速度则优先选择MLP模型,若需要进一步分析驱动因子与土地变化的关系应选择LogReg模型。 相似文献
9.