算法的精彩展示:全国第十届近红外光谱学术会议首日下半场速递
全国第十届近红外光谱学术会议聚焦技术创新与应用,涵盖模型优化、实时检测、自动化预处理、前沿技术发展、国产替代、食品安全与材料鉴定等领域。
汇杰设计申请基于 FME 的激光雷达地形特征智能提取专利,确保高...
包括以下步骤:S1,激光雷达点云数据采集及预处理:采集激光雷达点云数据;S2,点云分割与地物特征提取:根据地物点云提取地物特征;S3,时空动态特征建模:对提取地物特征进行预测;S4,自适应地形复杂度感知特征提取:根据地形复杂度和遮挡情况自动调整地物特征提取的参数;S5,FME算法的应用:利用FME算法对提取的地物特征进行...
成功召开 | 第三届高光谱成像应用研讨会暨怀柔光电产业发展论坛...
李老师在报告中以数据融合、特征优化、协同解译为主线,介绍了高光谱图像具有“图谱合一”的特性,其纳米级光谱探测能力能够对不同类型目标进行精细化解译,在湿地地物类型精准监测任务中独具优势。高光谱多源协同能够集成不同传感器的优势,进一步提升解译性能。然而高光谱多源协同信息提取手段存在不同维度无法同时高分成像、特...
利用卫星影像数据进行无施工痕迹裸地动态监测
Landsat系列,特别是Landsat8和Landsat9,提供30米的空间分辨率,适合识别较大规模的地表变化。其多光谱和热红外波段能够捕捉到地表不同物质的反射和发射率,有助于识别裸地和渣土堆的特征。Sentinel-2系列,作为欧洲航天局的地球观测卫星,以其高重访频率(5天)和10米的高分辨率多光谱数据,可捕捉到更细致的地表...
莱森光学:基于无人机高光谱遥感的太行山经济林树种识别研究1.0
2.3.3纹理特征处理高光谱数据时在分析地物连续光谱信息的基础上也要考虑地物空间信息。灰度共生矩阵(GL-CM)是一种通过研究灰度的空间相关特性来描述纹理特征的常用方法,可以有效表达高光谱影像的空间特征。本研究对遥感影像进行主成分分析处理,提取包含信息量的第一主成分,对其进行灰度共生矩阵计算,选用二阶...
方案推荐|无人机高光谱,罂粟快速监测方案
多光谱和高光谱的主要区别是波段的数量和窄度(www.e993.com)2024年10月17日。多光谱图像通常由10-30个波段的光信息组成,对于罂粟或其他地物的检测特征有限,容易与其他地物的反射光谱混淆。在高光谱图像中具有更高水平的光谱细节可以提供更好的植被区分能力,例如在检测罂粟时,高光谱图像可以有效区分罂粟与其他相似植物,提高准确率。
【技术】一种遥感影像中建筑物的提取方法
建筑物提取任务主要采用先人工提取特征,再进行特征分析或机器学习的方法,特征分析法主要是利用能反映地物信息的特征,如形态学建筑物指数??[2],划分合适的阈值进行地物提取,常用的机器学习方法主要有最大似然法??[3]、支持向量机??[4]等,然而上述方法主要依赖于光谱和几何信息,难以挖掘深层次语义信息,提取效果上...
学术交流 | 李振洪教授:影像大地测量学发展现状与趋势
目前遥感影像变化监测的研究主要集中在灾害的应急响应以及生态环境监测领域,例如,通过SAR影像的后向散射特性可以对洪涝淹没区域进行快速提取[84];结合高分辨率光学遥感、InSAR技术和无人机航拍影像解译同震滑坡并评估建筑物损毁[85];根据历史光学影像研究植被、湖泊、湿地、农田等生态变化[86]。
人工智能让遥感卫星变“聪明”
随着卫星规模增大,全球每天获取的观测数据已经开始以Pb量级测算。传统手动、单一领域的遥感信息提取方法难以适应海量遥感数据的快速解译。并且,由于卫星遥感数据的特殊性,其涵盖了大量的地理、气象、环境等多元信息。这些信息的高效利用也需要强大的数据处理能力和特征提取技术予以支撑。
【农业科普】多所高校携手共进,研究作物信息监测技术
基于一年的温室接种试验和大田采样实验,配合使用主动光源、ASD地物光谱仪和FluoWat叶片夹,获取了拔节期和抽穗期水稻植株顶1至顶4叶位的叶片SIF光谱,并人工标注了被测样本的发病等级。研究基于连续小波分析提取对稻叶瘟敏感的小波特征,比较了不同叶位敏感特征及其感病叶片识别精度,最后基于线性判别分析算法构建了稻叶瘟...