【摘 要】
：
基于机载激光雷达(Li DAR)点云生产高质量的数字高程模型(DEM),需要地形特征线的约束。本文针对现有断裂线提取算法仅仅考虑了地表的局部变化,错提取率高的现状,从人工解译的角度出发,引入地形开度(topographic openness)作为一种定量描述地表整体变化的地形特征,提出了基于地形开度的断裂线自动提取算法。首先将原始地面点按高程采样成距离图像,然后通过地形开度算子获取地表的主体结构变
论文部分内容阅读
基于机载激光雷达(Li DAR)点云生产高质量的数字高程模型(DEM),需要地形特征线的约束。本文针对现有断裂线提取算法仅仅考虑了地表的局部变化,错提取率高的现状,从人工解译的角度出发,引入地形开度(topographic openness)作为一种定量描述地表整体变化的地形特征,提出了基于地形开度的断裂线自动提取算法。首先将原始地面点按高程采样成距离图像,然后通过地形开度算子获取地表的主体结构变化,最后结合形态学算子和边缘提取算子提取断裂线种子点并跟踪断裂线矢量。试验结果表明,该算法无需人工干预,
其他文献
人类活动导致全球范围内生物多样性丧失日趋严重。物种多样性是研究最为深入以及最贴近生物多样性管理的层次。物种多样性的研究往往受到多时空尺度生态过程的影响,传统物种多样性调查方法受到人力物力影响,局限性大,物种多样性的研究与管理亟需整合不同来源的数据。遥感技术从传统的光学遥感阶段发展到不同平台、不同维度相结合的多源遥感阶段,并逐渐进入以高空间分辨率和高光谱为特征、以激光雷达为前沿发展方向的综合遥感阶段
自1985年美国国家生物多样性论坛第一次筹备会议提出"biodiversity"一词至今(Harper&Hawksworth, 1995),生物多样性科学(马克平, 2016)历经30余年的学科建设发展和保护实践活动,其维持生态系统功能、提供生态系统服务、延续人类福
针对传统土地利用解译技术的局限性,通过深入分析地物光谱特征,采用光谱角分类技术对一级地类进行分类,再根据光谱角影像和二级地类光谱特征构建分类规则,进行二级地类分类的分类方法。使用该方法对遥感影像进行遥感解译,并与监督分类中的最大似然法分类结果进行分类精度比较,结果表明,该方法的分类精度明显优于最大似然法分类,面积精度和空间精度都有明显提高,可以作为复杂地类的分类方法。
迁移学习是运用已有知识对相关的不同领域的问题进行求解的一种机器学习方法,本文结合这一方法,提出了一种基于先验知识的样本自动选取方法,并构建了一套土地覆盖自动分类的算法框架。该方法主要面向Landsat数据,通过图像变化检测技术与光谱形状编码的方法,从源领域中迁移适用的地物类别知识并标记在目标影像中,使用SVM完成基于样本迁移的自动分类流程。结果表明,该方法可以获得可靠的自动分类结果,一定程度上满足