改进Otsu与形态学相结合的水体信息提取

水体提取对于洪涝灾害评估有着重要的意义。针对传统的Otsu分割阈值会偏向方差大的一类,因此分割结果包含大量的伪水体,给后续处理增加了极大困难的问题,提出目标权重改进的Otsu和结合高程连通标定的形态学优化方法。通过实验证明,基于目标权重改进的Otsu可以有效地平衡分割阈值,计算的分割阈值更接近真实分割阈值。利用改进Otsu提取水体的初始分布图,并采用结合高程连通标定的形态学优化方法对其进行优化,得到最终的水体分布图。对实验结果分析得出,该水体提取方法可以充分发挥改进Otsu和结合高程连通标定的形态学优化方法在提取水体方面的各自优势,大大提高了水体提取的精度。利用该方法对覆盖彭泽县的影像数据进行水体提取,验证了该方法提取水体的可靠性。

基于随机森林算法的珠海一号高光谱影像土地利用信息提取

以珠海一号高光谱卫星遥感影像作为实验数据,提出了一种结合波段标准差和随机森林算法的高光谱遥感图像分类方法。首先通过利用波段的标准差筛选出合适的波段,然后选取适量的样本,作为模型训练和验证的样本。随后将随机森林模型加入训练样本进行模型训练,将训练好的模型用于原始影像预测得到最终的分类结果。最后将分类结果结合验证样本评价随机森林模型的分类精度。结果表明,利用随机森林算法的分类总精度达到了93.14%,而最大似然法分类总精度为86.38%,分类总精度提高了6.76%,表明随机森林算法在高光谱影像提取土地利用信息中有明显的优势,可为高光谱影像在土地利用信息提取中提供一种可行的方法。

融合1D-CNN和注意力机制的SAR影像地表水体信息提取

准确地提取水体信息对洪涝灾害评估与水资源保护具有重要意义。本文利用融合了注意力机制的一维卷积神经网络模型对合成孔径雷达影像及纹理特征进行建模,并与支持向量机和逻辑回归模型进行了对比分析。结果表明:该模型在水体信息提取中,能够有效解决斑点噪声和山体阴影的影响,具有训练速度快、泛化能力强和鲁棒性好的特点。

基于Sentinel-1A数据的随机森林武穴市水体信息提取

水是人类赖以生存的重要基本条件,自动提取水体可以快速得到水体的分布情况,对水资源调查和洪涝灾害评估具有重要意义。在恶劣条件下,雷达影像较光学影像有很大优势,但是斑点噪声和阴影道路的存在会造成误分现象。只考虑雷达强度影像进行水体提取无法解决以上的误分现象。为此,引入对比度、差异性、熵、角二阶矩和同质性5种图像纹理特征,并联合雷达强度影像和数字高程模型构建了随机森林模型。实验表明:该模型可以有效地解决斑点噪声、阴影道路对最终提取结果的影响,一定程度上也减少了山体阴影造成的误分,其分类的总体精度和Kappa系数分别达到99.73%和0.9966,水体的用户者精度和生产者精度相同,都为99.51%。