一种遥感影像裸土地特征增强方法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (32): 196-199.

• 图形、图像、模式识别 • 上一篇下一篇

一种遥感影像裸土地特征增强方法

邱永红1，谭永忠2，周国华1

1.湖南师范大学资源与环境科学学院，长沙 410081
2.浙江大学公共管理学院土地管理系，杭州 310027

出版日期:2012-11-11 发布日期:2012-11-20

Feature enhancement method for bare land in remote sensing images

QIU Yonghong1, TAN Yongzhong2, ZHOU Guohua1

1.College of Resources and Environment Science, Hunan Normal University, Changsha 410081, China
2.Department of Land Management, College of Public Administration, Zhejiang University, Hangzhou 310027, China

Online:2012-11-11 Published:2012-11-20

摘要/Abstract

摘要： 针对常用特征增强算法难以将裸土地在特定波段突出出来的问题，提出了一种适用于多光谱遥感影像的裸土地特征增强算法。基本思路是采用根据光谱距离进行预分割，估计裸土地和非裸土地样本，针对非裸土地样本进行白化处理，基于白化数据中的裸土地样本进行主分量变换，裸土地信息将被集中并突出于变换结果的第一分量。对算法的具体流程进行了探讨，并通过一个实例进行了验证。

关键词: 遥感, 裸土地, 特征提取, 白化处理, 阈值分割

Abstract: It’s difficult for feature enhancement algorithm available to highlight bare land in a given band. It presents a new feature enhancement method for bare land in multi-spectral remote sensing images. The image is partitioned coarsely by spectral distance, and bare land and non-bare-land pixel samples are obtained. The image is transformed with the whitening matrix form non-bare-land pixel samples. The whitened image is rotated with the principal components transformation matrix from its bare land pixel samples. One procedure for doing this is discussed, to validate the method, an example is presented.

Key words: remote sensing, bare land, feature extraction, whitening, threshold segmentation

邱永红1，谭永忠2，周国华1. 一种遥感影像裸土地特征增强方法[J]. 计算机工程与应用, 2012, 48(32): 196-199.

QIU Yonghong1, TAN Yongzhong2, ZHOU Guohua1. Feature enhancement method for bare land in remote sensing images[J]. Computer Engineering and Applications, 2012, 48(32): 196-199.

[1]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[2]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[3]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[4]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[5]	张晓丽，张魁星，江梅，魏本征，丛金玉. 淋巴瘤图像分类技术研究综述[J]. 计算机工程与应用, 2021, 57(6): 1-9.
[6]	魏玮，杨茹，朱叶. 改进CenterNet的遥感图像目标检测[J]. 计算机工程与应用, 2021, 57(6): 191-199.
[7]	万亚玲，钟锡武，刘慧，钱育蓉. 卷积神经网络在高光谱图像分类中的应用综述[J]. 计算机工程与应用, 2021, 57(4): 1-10.
[8]	佘海龙，解山娟，邹静洁. 标准分数降维的3D-CNN高光谱遥感图像分类[J]. 计算机工程与应用, 2021, 57(4): 169-175.
[9]	胡杰，张莹，谢仕义. 国产遥感影像分类技术应用研究进展综述[J]. 计算机工程与应用, 2021, 57(3): 1-13.
[10]	熊健，覃仁超，何梦乙，刘建兰，唐风扬. 改进随机森林在Android恶意软件检测中的应用[J]. 计算机工程与应用, 2021, 57(3): 130-136.
[11]	李代栋，赫晓慧，李盼乐，田智慧，周广胜. 基于SPUD-ResNet的遥感影像道路提取网络[J]. 计算机工程与应用, 2021, 57(23): 240-247.
[12]	谢俊章，彭辉，唐健峰，侯奕辰，曾庆喜. 改进YOLOv4的密集遥感目标检测[J]. 计算机工程与应用, 2021, 57(22): 247-256.
[13]	秦伟伟，宋泰年，刘洁瑜，王洪伟，梁卓. 基于轻量化YOLOv3的遥感军事目标检测算法[J]. 计算机工程与应用, 2021, 57(21): 263-269.
[14]	王建军，魏江，梅少辉，王健. 面向遥感图像小目标检测的改进YOLOv3算法[J]. 计算机工程与应用, 2021, 57(20): 133-141.
[15]	李龙龙，何东健，王美丽. 基于改进型LBP算法的植物叶片图像识别研究[J]. 计算机工程与应用, 2021, 57(19): 228-234.

一种遥感影像裸土地特征增强方法

Feature enhancement method for bare land in remote sensing images

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics