街道景观空间对市民健康和城市风貌具有重要影响。既往研究中常以归一化植被指数(NDVI)和绿视率(GVI)来分别代表二维和三维的绿色指标,但对二者的指标相关性研究甚少。采用基于深度学习的图像语义分割方法分析百度街景计算代表性街道的G...街道景观空间对市民健康和城市风貌具有重要影响。既往研究中常以归一化植被指数(NDVI)和绿视率(GVI)来分别代表二维和三维的绿色指标,但对二者的指标相关性研究甚少。采用基于深度学习的图像语义分割方法分析百度街景计算代表性街道的GVI,利用GF-1卫星数据计算NDVI,比较分析城市街道的GVI和NDVI指标特征及相关性。结果表明,1)中山市中心城区各代表街道GVI指标参差不齐,从8.06%到36.00%,其中石岐街道兴中道GVI最高;2)各街道观测点的NDVI均值随着缓冲区尺度的增加也随之呈现出不同变化,NDVI均值具有强烈的尺度敏感性;3)50 m GVI和DNVI均值的皮尔逊相关系数最高,达到0.832。在此基础上分析街道景观存在的不足并给出优化建议,为城市街景评估、空间优化、景观提升提供参考。展开更多
针对基于像素的道路提取方法的不足,使用一种基于超像素分割算法(Simple Linear Iterative Clustering,SLIC)和自适应阈值分割算法(OTSU算法是由日本学者OTSU于1979年提出的一种对图像进行二值化的高效算法)相结合的道路提取方法,可以...针对基于像素的道路提取方法的不足,使用一种基于超像素分割算法(Simple Linear Iterative Clustering,SLIC)和自适应阈值分割算法(OTSU算法是由日本学者OTSU于1979年提出的一种对图像进行二值化的高效算法)相结合的道路提取方法,可以较好地解决在遥感图像中分辨率较高所造成的非道路地物对目标的噪声影响。该方法使用SLIC超像素分割算法对影像进行分割处理,再用改进的K-means聚类算法对分割后的超像素影像进行非监督分类,根据GVI值对分类后的影像中的植被及水体信息进行过滤,对过滤后的影像进行基于OTSU的分割,最后对分割影像进行后处理获得完整道路网。经过定性和定量分析后得出,此方法在道路提取上有较好的表现。展开更多
文摘街道景观空间对市民健康和城市风貌具有重要影响。既往研究中常以归一化植被指数(NDVI)和绿视率(GVI)来分别代表二维和三维的绿色指标,但对二者的指标相关性研究甚少。采用基于深度学习的图像语义分割方法分析百度街景计算代表性街道的GVI,利用GF-1卫星数据计算NDVI,比较分析城市街道的GVI和NDVI指标特征及相关性。结果表明,1)中山市中心城区各代表街道GVI指标参差不齐,从8.06%到36.00%,其中石岐街道兴中道GVI最高;2)各街道观测点的NDVI均值随着缓冲区尺度的增加也随之呈现出不同变化,NDVI均值具有强烈的尺度敏感性;3)50 m GVI和DNVI均值的皮尔逊相关系数最高,达到0.832。在此基础上分析街道景观存在的不足并给出优化建议,为城市街景评估、空间优化、景观提升提供参考。
文摘针对基于像素的道路提取方法的不足,使用一种基于超像素分割算法(Simple Linear Iterative Clustering,SLIC)和自适应阈值分割算法(OTSU算法是由日本学者OTSU于1979年提出的一种对图像进行二值化的高效算法)相结合的道路提取方法,可以较好地解决在遥感图像中分辨率较高所造成的非道路地物对目标的噪声影响。该方法使用SLIC超像素分割算法对影像进行分割处理,再用改进的K-means聚类算法对分割后的超像素影像进行非监督分类,根据GVI值对分类后的影像中的植被及水体信息进行过滤,对过滤后的影像进行基于OTSU的分割,最后对分割影像进行后处理获得完整道路网。经过定性和定量分析后得出,此方法在道路提取上有较好的表现。