- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
一种高空间分辨率的遥感变化检测方法在智慧农业中的应用.pdf
安徽农业科学,JournalofAnhuiAgfi.Sci.2016,44(26):233—237 责任编辑 徐丽华 责任校对 况玲玲
一 种高空间分辨率的遥感变化检测方法在智慧农业 中的应用
虢英杰,朱兰艳 ,李超 (昆明理工大学国土资源工程学院,云南昆明650093)
摘要 传统方法在确定影像对象的异质性时,根据整幅遥感影像以及判别经验所确定的全局固定阈值往往不能很好地适应各种不同属
性的检测时象。针对这一问题,该研究提 出了一种 自适应的双模糊阂值的判别方法,在传统的图像变化检测预处理的基础上.利用Q型
因子在整幅影像中获取具有代表性的训练样本 ,分别计算各样本的变化强度和相关系数的最优阈值以及熵的二值化 阈值,建立样本的
变化阈值集合 ,选择集合的中位数作为整幅影像的变化阈值,利用模糊识别算法分别对所得到的2幅变化影像进行运算,求交集建立混
淆矩阵,最终得到变化检测的结果。试验结果表明,该算法对不同属性的影像对象具有良好的适应性,较传统的阈值变化检测方法其平
均 正确率提高了31.12%,有效地减少 了错判或漏判 。
关键词 智慧农业;变化检测 ;Q型因子;自适应性;模糊识别法;双阈值
中图分类号 S127 文献标识码 A 文章编号 0517—6611(2016)26—0233—05
TheApplicationofChangeDetectionbyHighSpatialResolutionRemoteSensingintheW isdom Agriculture
GUOYing-jie,ZHULan·yan ,LIChao (FacultyofLandandResourcesEngineering,KunmingUniversityofScienceandTechnology,
Kunming,Yunnan650093)
Abstract Thetraditionalmethodthatidentifiesglobalfixedthresholdaccordingtotheexperienceandthewholeimagecannotadapttothe
differentpropertiesofdetectingobjectswhendeterminetheheterogeneityoftheimageobject.Concemingthisissue,thispaperproposesa
methodbasedonadaptivedoublefuzzythreshold.Preprocessingfinishestheprophasejobtomakeiteasiertodothefollowingrecognizing
works.whichincludesbinarization.smoothnessandrefinementsuchimagestandardizationoperationsbeofretheimagechangedetection.Rep—
resentativesamplesareobtainedinaccordancewithQfactorinthewholeimage.Thereexistsanoptimalthresholdindexofchangemagnitude
andthecorrelationcoefficient,andbinafizationthresholdofentropytodescribethechangeextentbetweentworesults.Itisnecessarytoestab—
lish asamplecollectionofchangethreshold,andmakethemedianofasetasthechangethresholdofthewholeimage.Finally,changedetec—
tionresultsareobtained aftercountingintersectionandestablishingconfhsionmatrix.Resultsshow thatthealgorithm hasagood adaptability
fordifferentimageobjects.Comparedwithtraditionalchangedetectionmethod,theaverageaccuracyofidentifyingisimprovedby31.12%,
whicheffectivelyreducesmista
原创力文档


文档评论(0)