内容提供者
基于语义和边缘特征融合的高分辨率遥感影像水体提取方法.pptx
2024-10-09
20金币
2.6MB
32页
快乐****蜜蜂
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共32页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
基于语义和边缘特征融合的高分辨率遥感影像水体提取方法.pptx
汇报人：/目录0102语义特征提取边缘特征提取特征融合原理方法优势与局限性03预处理步骤语义分割网络结构训练与优化语义特征提取效果评估04边缘检测算法选择边缘特征增强边缘特征提取网络结构边缘特征提取效果评估05特征融合方式选择特征融合算法设计特征融合效果评估对水体提取的贡献分析06数据集介绍实验设置与参数优化对比实验与分析方法性能综合评价07方法总结与贡献对未来研究的建议与展望汇报人：
2024-10-09
20
2.6MB
基于细化分割的遥感影像水体边缘轮廓提取.docx
基于细化分割的遥感影像水体边缘轮廓提取标题：基于细化分割的遥感影像水体边缘轮廓提取摘要：水体边缘轮廓提取在许多地理信息系统和遥感应用中具有重要的作用。本文提出一种基于细化分割的方法，用于提取遥感影像中水体的边缘轮廓。首先，对遥感影像进行预处理，包括图像增强、去噪和图像分割。然后，通过应用细化算法，对分割结果进行细化处理，以获取更准确的水体边缘信息。最后，利用图像处理算法对细化结果进行后处理，以获得更精确的水体边缘轮廓。实验结果表明，该方法可以有效地提取遥感影像中水体的边缘轮廓，具有较高的准确性和鲁棒性。关
2024-10-20
5
11KB
一种基于迁移学习的高分遥感影像语义边缘提取方法.pdf
一种基于迁移学习的高分遥感影像语义边缘提取方法，包括：步骤1：准备阶段，分为确定任务目标、挑选网络结构和准备预训练模型；步骤2：准备影像集和样本；步骤3：冻结选取的网络结构中的部分编码器参数，设定超参数后用样本集C微调网络结构中的其他参数，得到新的网络模型b；步骤4：制作伪样本集；步骤5：将样本集C和伪样本集D合并为样本集E，冻结部分编码器的参数，设定超参数后微调网络模型中其他部分，得到最终的语义边缘提取模型。本发明以小数量的样本便能得到精度和泛化性足够满意的语义边缘提取网络模型。
2023-07-24
10
1MB
一种基于语义分割模型的高分遥感影像水体提取方法.pdf
本发明公开了一种基于语义分割模型的高分遥感影像水体提取方法，涉及遥感影像技术领域，包括以下步骤：获取遥感影像数据；对遥感影像数据进行水体光谱特征提取；将水体光谱特征与HH和HV双极化模式特征进行特征组合，构建水体样本数据集；构建改进的DeepLabV3+网络模型；根据水体样本数据集对改进的DeepLabV3+网络模型进行语义分割训练，对改进的DeepLabV3+网络模型中的参数进行调整，得到最优DeepLabV3+网络模型；通过最优DeepLabV3+网络模型对水体信息进行提取。本发明首次提出了联合GF‑
2023-06-07
10
1.2MB
一种基于多特征联合处理的高分辨率遥感影像水体提取方法.pdf
本发明涉及一种基于多特征联合处理的高分辨率遥感影像水体提取方法。首先对遥感影像进行辐射定标，得到地物的表观辐射量，从而通过对像元长度特征进行阈值分割排除大部分的非水体像素；然后对上述步骤保留下的水体待选像素的NDWI特征进行阈值分割，得到水体待选对象；对小面积待选对象覆盖的像素的NDWI特征再次进行阈值分割，进一步排除混杂的背景像素；最后使用区域生长的方式进行水体的边缘优化得到最终的水体对象掩膜。本发明在水体提取时使用了局部结构长度特征，体现了水体的分布特点，并抑制了大部分阴影的干扰，避免了直接分类的方式
2023-11-20
10
578KB