【目的】提高使用冰川遥感数据进行程序化建模的模型精度，降低因遥感图像RGB色域较窄导致空间矩阵边缘干扰。【方法】提出基于图像熵算法构建90 m的DEM高精度三维模型法。首先，对遥感图像进行灰阶处理，将RGB信息转化为满足图像熵计算的灰度信息；其次，设定特定规格的判定网格，应用HALCON平台来计算各网格的熵值，匹配高程噪波；最后，采用视差融合进行程序化建模。在建模过程中应用高程噪波补偿点云来构建模型细节。【结果】由仿真结果可知，在10 m×10 m高程判断网格下，图像熵能正确反映出高程噪波。【结论】该方法能有效提升冰川遥感图像程序化建模的精度，但要注意的是网格边缘熵值容易突变，从而影响高程噪波的正确性。
【目的】提高使用冰川遥感数据进行程序化建模的模型精度，降低因遥感图像RGB色域较窄导致空间矩阵边缘干扰。【方法】提出基于图像熵算法构建90 m的DEM高精度三维模型法。首先，对遥感图像进行灰阶处理，将RGB信息转化为满足图像熵计算的灰度信息；其次，设定特定规格的判定网格，应用HALCON平台来计算各网格的熵值，匹配高程噪波；最后，采用视差融合进行程序化建模。在建模过程中应用高程噪波补偿点云来构建模型细节。【结果】由仿真结果可知，在10 m×10 m高程判断网格下，图像熵能正确反映出高程噪波。【结论】该方法能有效提升冰川遥感图像程序化建模的精度，但要注意的是网格边缘熵值容易突变，从而影响高程噪波的正确性。
【目的】提高使用冰川遥感数据进行程序化建模的模型精度，降低因遥感图像RGB色域较窄导致空间矩阵边缘干扰。【方法】提出基于图像熵算法构建90 m的DEM高精度三维模型法。首先，对遥感图像进行灰阶处理，将RGB信息转化为满足图像熵计算的灰度信息；其次，设定特定规格的判定网格，应用HALCON平台来计算各网格的熵值，匹配高程噪波；最后，采用视差融合进行程序化建模。在建模过程中应用高程噪波补偿点云来构建模型细节。【结果】由仿真结果可知，在10 m×10 m高程判断网格下，图像熵能正确反映出高程噪波。【结论】该方法能有效提升冰川遥感图像程序化建模的精度，但要注意的是网格边缘熵值容易突变，从而影响高程噪波的正确性。
由于山体坡度、光照角度、传感器成像角度等因素，遥感图像中的山体阴影影响了冰川识别的精度.现有方法一般是先去除阴影再进行冰川识别，既繁琐又可能破坏图像的光谱信息.本文在U-Net框架中集成金字塔池化模块以增强多尺度特征提取能力，提出了一种U-PSP-Net结构的卷积神经网络，可以实现阴影区冰川识别.在自制的含阴影冰川数据集上进行验证，与PSP-Net、SegNet和U-Net的性能比较表明，提出的U-PSP-Net的平均像素精度为95.84%,平均交并比(IoU)为92.79%.与U-Net相比，分别提升了0.61%和0.92%;与PSP-Net和SegNet相比分别提高了1.41%、2.54%和2.85%、2.86%.以上结果证明了神经网络结构在含阴影遥感影像中识别冰川的可行性和有效性.
由于山体坡度、光照角度、传感器成像角度等因素，遥感图像中的山体阴影影响了冰川识别的精度.现有方法一般是先去除阴影再进行冰川识别，既繁琐又可能破坏图像的光谱信息.本文在U-Net框架中集成金字塔池化模块以增强多尺度特征提取能力，提出了一种U-PSP-Net结构的卷积神经网络，可以实现阴影区冰川识别.在自制的含阴影冰川数据集上进行验证，与PSP-Net、SegNet和U-Net的性能比较表明，提出的U-PSP-Net的平均像素精度为95.84%,平均交并比(IoU)为92.79%.与U-Net相比，分别提升了0.61%和0.92%;与PSP-Net和SegNet相比分别提高了1.41%、2.54%和2.85%、2.86%.以上结果证明了神经网络结构在含阴影遥感影像中识别冰川的可行性和有效性.
由于山体坡度、光照角度、传感器成像角度等因素，遥感图像中的山体阴影影响了冰川识别的精度.现有方法一般是先去除阴影再进行冰川识别，既繁琐又可能破坏图像的光谱信息.本文在U-Net框架中集成金字塔池化模块以增强多尺度特征提取能力，提出了一种U-PSP-Net结构的卷积神经网络，可以实现阴影区冰川识别.在自制的含阴影冰川数据集上进行验证，与PSP-Net、SegNet和U-Net的性能比较表明，提出的U-PSP-Net的平均像素精度为95.84%,平均交并比(IoU)为92.79%.与U-Net相比，分别提升了0.61%和0.92%;与PSP-Net和SegNet相比分别提高了1.41%、2.54%和2.85%、2.86%.以上结果证明了神经网络结构在含阴影遥感影像中识别冰川的可行性和有效性.
介绍了热融湖和水体提取的研究背景、研究区及数据来源,依据NDWI等9种水体指数算法,结合随机森林算法,对水体特征进行提取,并以人工解译出研究区水体,结合神经网络分类作为验证样本,验证各方法的精度,探寻一种适用于热融湖提取的方法。结果发现,传统的NDWI与EWI8能较好地区分冰雪区域与水体;在建立样本数据集后,随机森林的分类总体精度达到了90%。由此可以得出,机器学习能够为遥感分类提供更高精度的方法,并为水文环境监测、地表生态监测提供有力的工具。
介绍了热融湖和水体提取的研究背景、研究区及数据来源,依据NDWI等9种水体指数算法,结合随机森林算法,对水体特征进行提取,并以人工解译出研究区水体,结合神经网络分类作为验证样本,验证各方法的精度,探寻一种适用于热融湖提取的方法。结果发现,传统的NDWI与EWI8能较好地区分冰雪区域与水体;在建立样本数据集后,随机森林的分类总体精度达到了90%。由此可以得出,机器学习能够为遥感分类提供更高精度的方法,并为水文环境监测、地表生态监测提供有力的工具。
介绍了热融湖和水体提取的研究背景、研究区及数据来源,依据NDWI等9种水体指数算法,结合随机森林算法,对水体特征进行提取,并以人工解译出研究区水体,结合神经网络分类作为验证样本,验证各方法的精度,探寻一种适用于热融湖提取的方法。结果发现,传统的NDWI与EWI8能较好地区分冰雪区域与水体;在建立样本数据集后,随机森林的分类总体精度达到了90%。由此可以得出,机器学习能够为遥感分类提供更高精度的方法,并为水文环境监测、地表生态监测提供有力的工具。
简要叙述了利用遥感图像进行高原多年冻土工程地质分区的优越性 ,将高原多年冻土工程地质分区分为三个大区和 10个区 ,着重叙述高原多年冻土工程地质分区判释特征 ,对判释特征进行了较系统的归纳 ,并以实际例子说明遥感工程地质分区判释在青藏铁路线方案比选中的作用。