基于邊緣信息增強(qiáng)的面向?qū)ο蟾叻钟跋裥畔⑻崛⊙芯?/H1>
發(fā)布時(shí)間：2018-04-26 18:01
本文選題：高分影像 + eCognition ； 參考：《安徽理工大學(xué)》2016年碩士論文
【摘要】：隨著信息技術(shù)的發(fā)展,地理信息獲取也變的越來越重要。地理國(guó)情普查作為我國(guó)一項(xiàng)重要的地理信息統(tǒng)計(jì)工作,要求必須掌握我國(guó)自然地理要素的基本情況。遙感技術(shù)是目前獲取地理信息的一種最重要技術(shù)手段之一,在測(cè)繪、城市規(guī)劃、國(guó)土資源、地質(zhì)礦產(chǎn)勘查、農(nóng)林業(yè)、軍事等行業(yè)和領(lǐng)域中都有廣泛的應(yīng)用。隨著遙感平臺(tái)的不斷更新,高分辨率可用衛(wèi)星、WordlView、QuickBird、IKONOS、 GeoEye以及國(guó)產(chǎn)的高分系列衛(wèi)星最高空間分辨率可達(dá)到亞米級(jí),高分影像的出現(xiàn)使得遙感影像能夠展現(xiàn)出更加豐富的地理信息。較常用的遙感影像分類方法主要包括監(jiān)督分類、非監(jiān)督分類以及決策樹分類等。它們依據(jù)地物的光譜特征進(jìn)行分類,比較適合中低分辨率的遙感影像。但是對(duì)于高分影像,常用的基于像元的分類方法不僅不能有效地利用其豐富的空間結(jié)構(gòu),還會(huì)由于其地物光譜異質(zhì)性小而引起較多“椒鹽”噪聲,最終導(dǎo)致分類結(jié)果精度降低。因此,對(duì)于高分辨率遙感影像傳統(tǒng)的分類方法已經(jīng)越來越難于滿足其信息提取的要求。為了更好的提取高分影像信息,研究人員提出了能夠充分利用高分影像紋理、空間等信息的面向?qū)ο笥跋裥畔⑻崛〖夹g(shù)。目前面向?qū)ο蟮男畔⑻崛》椒ㄖ饕ǎ夯谧畲竺娣e和目標(biāo)函數(shù)的最優(yōu)分割尺度選擇；基于Gram-Schmidt等不同融合方法的面向?qū)ο蟮倪b感影像分類；基于總體精度或Kappa系數(shù)的面向?qū)ο蠓指罘诸愒u(píng)價(jià)指標(biāo)等。本文在eCognition軟件的基礎(chǔ)上以淮南地區(qū)的WorldView-III影像為例,對(duì)其進(jìn)行了預(yù)處理,多尺度分割,邊緣信息增強(qiáng)以及邊緣信息增強(qiáng)后的影像信息提取,最后對(duì)于不同分類方法做出了精度評(píng)價(jià),具體研究如下：(1)以淮南地區(qū)高分辨率遙感影像為例,將原始影像進(jìn)行Pansharping融合,并對(duì)其分別做監(jiān)督分類、非監(jiān)督分類,生成不同方法下遙感影像分類圖。(2)重點(diǎn)研究了基于eCognition軟件的面向?qū)ο蠓诸惙椒�。首先借助ESP(Estimation of Scale Parameter)尺度評(píng)價(jià)工具,通過不同實(shí)驗(yàn),結(jié)合目視判別效果確定了最優(yōu)分割參數(shù)：其中尺度因子為110,形狀因子為0.5,緊湊度因子為0.5。影像分割完成后對(duì)其進(jìn)行最鄰近分類,多次循環(huán)選取最優(yōu)分類樣本及樣本特征(NDⅥ、Shap-index、Length/Width、mean-Brightness、mean-max.difff等),最終生成基于面向?qū)ο蟮挠跋穹诸悎D。(3)對(duì)高分影像進(jìn)行基于Canny算法的邊緣檢測(cè),將檢測(cè)后的影像層參與地物多尺度分割,并設(shè)置其分割權(quán)重,得到基于邊緣檢測(cè)的多尺度分割影像圖。對(duì)高分影像做基于Getis-Ord的局部空間自相關(guān)性統(tǒng)計(jì)分析,在此基礎(chǔ)上再將其進(jìn)行基于Canny算法的邊緣檢測(cè),將檢測(cè)后的影像層參與地物多尺度分割,并設(shè)置其分割權(quán)重,得到基于信息增強(qiáng)組合變換的多尺度分割影像圖。(4)對(duì)不同影像信息提取方法分類精度進(jìn)行對(duì)比分析,發(fā)現(xiàn)基于像元的分類方法中最大似然分類器在本次實(shí)驗(yàn)中精度最高,其中總體分類精度為84.9382%,Kappa系數(shù)為0.8152,而面向?qū)ο蠓诸惖目傮w分類精度達(dá)到了92.3076%,Kappa系數(shù)達(dá)到了0.9018,基于Getis-Ord和Canny邊緣信息增強(qiáng)后的面向?qū)ο蠓诸愒诒敬螌?shí)驗(yàn)中精度最高,其總體分類精度為94.6667%,Kappa系數(shù)為0.9354。
[Abstract]:With the development of information technology, the acquisition of geographic information is becoming more and more important. As an important geographical information statistics work in China, the geographical situation census requires that the basic situation of the natural geographical elements of our country must be mastered. Remote sensing technology is one of the most important technical means for obtaining geographic information at present, in surveying and mapping, in urban planning, Land and resources, geological and mineral exploration, agroforestry, military and other industries and other fields are widely used. With the continuous updating of remote sensing platform, high resolution can be used by satellite, WordlView, QuickBird, IKONOS, GeoEye, and homemade high grade series satellites can reach the highest spatial resolution, and the appearance of high image makes remote sensing image More abundant geographic information is displayed. The commonly used remote sensing image classification methods mainly include supervised classification, unsupervised classification and decision tree classification. They are classified according to the spectral characteristics of the ground objects, and are suitable for middle and low resolution remote sensing images. But for high resolution images, the commonly used classification methods based on pixels are not only used. It is not effective to make use of its rich spatial structure, and also cause more "salt and pepper" noise because of its small spectral heterogeneity, which eventually leads to the reduction of classification accuracy. Therefore, the traditional classification method for high resolution remote sensing images has become more and more difficult to meet the requirements of its information extraction. Information, researchers have proposed an object oriented image information extraction technology that can make full use of high image texture, space and other information. At present, the object oriented information extraction methods mainly include the optimal segmentation scale selection based on the maximum area and the target function, and the object oriented teleconnection based on different fusion methods such as Gram-Schmidt. Sense image classification; based on the overall accuracy or Kappa coefficient of object oriented segmentation and classification evaluation index. Based on the eCognition software, this paper takes the WorldView-III image in Huainan as an example to carry out preprocessing, multi-scale segmentation, edge information enhancement and image information extraction after the enhancement of edge information. The precision evaluation of the same classification method is made as follows: (1) taking the high resolution remote sensing image of Huainan as an example, the original image is fused by Pansharping, and the classification is supervised and classified, and the different methods of remote sensing image classification are generated. (2) focus on the object-oriented classification based on the eCognition software. Method. First, with the aid of ESP (Estimation of Scale Parameter) scale evaluation tool, the optimal segmentation parameters are determined through different experiments and visual discrimination effect: the scale factor is 110, the shape factor is 0.5, and the compact factor is the nearest neighbor classification after the completion of the 0.5. image segmentation, and the optimal classification sample is selected repeatedly. Sample features (ND VI, Shap-index, Length/Width, mean-Brightness, mean-max.difff, etc.), and finally generate object based image classification. (3) edge detection based on Canny algorithm for high score images, and the detected image layer is involved in multi-scale segmentation, and the segmentation weight is set up, and multiscale based on edge detection is obtained. On the basis of the Getis-Ord based local spatial autocorrelation statistics analysis, the high score image is analyzed based on the local spatial autocorrelation, and then the edge detection based on the Canny algorithm is carried out. The detected image layer is involved in multi scale segmentation, and the segmentation weight is set up, and the multiscale segmentation image based on the information enhancement combination transformation is obtained. (4) The classification accuracy of different image information extraction methods is compared and analyzed. It is found that the maximum likelihood classifier based on the pixel based classification method has the highest accuracy in this experiment, of which the overall classification precision is 84.9382%, the Kappa coefficient is 0.8152, while the overall classification precision of the object oriented classification is 92.3076%, the Kappa coefficient reaches 0.9018, based on this method, the maximum likelihood classifier is based on the object classification method. The object oriented classification with enhanced edge information of Getis-Ord and Canny has the highest accuracy in this experiment. The overall classification accuracy is 94.6667%, and the Kappa coefficient is 0.9354.
【學(xué)位授予單位】：安徽理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：P237
【相似文獻(xiàn)】
相關(guān)期刊論文 前10條
1 王春青;;青海省國(guó)產(chǎn)影像公共服務(wù)平臺(tái)建設(shè)方案[J];測(cè)繪與空間地理信息;2012年05期
2 李天順;;雪被覆蓋影像的應(yīng)用[J];遙感信息;1987年03期
3 賀壽矢野;文雄山崎;李成龍;;使用快鳥影像對(duì)2003年伊朗巴姆地震建筑物毀壞檢測(cè)[J];地殼構(gòu)造與地殼應(yīng)力;2012年01期
4 陳彩芬,舒寧;SAR影像與TM影像的幾種融合處理方法[J];國(guó)土資源遙感;1999年04期
5 陳靜,龔健雅,朱欣焰,李清泉;海量影像數(shù)據(jù)的Web發(fā)布與實(shí)現(xiàn)[J];測(cè)繪通報(bào);2004年01期
6 喻貴銀;影像的魔力[J];中國(guó)測(cè)繪;2005年01期
7 王超,張波,張紅,吳樊;地理信息庫支持下的SAR影像信息提取[J];遙感技術(shù)與應(yīng)用;2005年01期
8 于新洋;張安定;侯西勇;;膠東半島果園TM影像信息的提取決策樹方法[J];測(cè)繪科學(xué);2012年04期
9 田茂義;盧秀山;王冬;張燕;;基于Oracle的DOM影像庫的建立研究[J];測(cè)繪通報(bào);2006年06期
10 王樹根,鄭精靈;基于紋理匹配的影像缺損信息填充方法[J];測(cè)繪通報(bào);2004年12期
相關(guān)會(huì)議論文 前10條
1 朱大榮;鈕羅涌;陳文輝;何必仕;徐哲;;放射科關(guān)鍵影像標(biāo)注技術(shù)臨床應(yīng)用研究[A];2013年浙江省放射學(xué)學(xué)術(shù)年會(huì)論文集[C];2013年
2 汪軍峰;何海青;樊樹峰;滕皋軍;;關(guān)鍵影像標(biāo)注和影像膠片電子版的臨床價(jià)值[A];中華醫(yī)學(xué)會(huì)第16次全國(guó)放射學(xué)學(xué)術(shù)大會(huì)論文匯編[C];2009年
3 王樹根;;影像信息科學(xué)中的認(rèn)知問題[A];地理空間信息技術(shù)與應(yīng)用——中國(guó)科協(xié)2002年學(xué)術(shù)年會(huì)測(cè)繪論文集[C];2002年
4 劉義軍;;影響PACS系統(tǒng)效率的因素及解決方案[A];2009中華醫(yī)學(xué)會(huì)影像技術(shù)分會(huì)第十七次全國(guó)學(xué)術(shù)大會(huì)論文集[C];2009年
5 李利偉;李祖?zhèn)?馬建文;;基于形態(tài)分割的災(zāi)后單時(shí)相影像倒塌房屋提取[A];第八屆成像光譜技術(shù)與應(yīng)用研討會(huì)暨交叉學(xué)科論壇文集[C];2010年
6 郭啟振;呂恩民;劉光震;于曉琳;;DR影像的質(zhì)量控制與保證[A];2009中華醫(yī)學(xué)會(huì)影像技術(shù)分會(huì)第十七次全國(guó)學(xué)術(shù)大會(huì)論文集[C];2009年
7 游俊;駱清銘;曾紹群;;神經(jīng)影像信息數(shù)據(jù)庫構(gòu)建與數(shù)據(jù)處理策略探討[A];首屆全國(guó)功能神經(jīng)影像學(xué)和神經(jīng)信息學(xué)研討會(huì)論文匯編[C];2003年
8 李黎軍;林運(yùn)政;朱海軍;張新忠;宋宏羽;;CR影像技術(shù)在放療臨床的應(yīng)用及應(yīng)注意的問題[A];中華醫(yī)學(xué)會(huì)放射腫瘤治療學(xué)分會(huì)六屆二次暨中國(guó)抗癌協(xié)會(huì)腫瘤放療專業(yè)委員會(huì)二屆二次學(xué)術(shù)會(huì)議論文集[C];2009年
9 林海濤;徐勝;;CR影像噪聲的來源及分析[A];2005年浙江省放射學(xué)學(xué)術(shù)年會(huì)論文匯編[C];2005年
10 馮桂;林其偉;;不同分辨率影像的自動(dòng)匹配方法[A];1999年中國(guó)地球物理學(xué)會(huì)年刊——中國(guó)地球物理學(xué)會(huì)第十五屆年會(huì)論文集[C];1999年
相關(guān)重要報(bào)紙文章 前7條
1 特約記者 邢云鵬;地理影像資料助力汾河治理[N];中國(guó)礦業(yè)報(bào);2013年
2 劉張鉑瀧;藝術(shù)家如何處理影像信息[N];中國(guó)攝影報(bào);2014年
3 筱平;信息影像管理技術(shù)[N];金融時(shí)報(bào);2002年
4 ;諾基亞探尋新業(yè)務(wù)動(dòng)力之源[N];通信產(chǎn)業(yè)報(bào);2002年
5 李夏;“打假”：群眾眼睛考驗(yàn)權(quán)威水平[N];中國(guó)攝影報(bào);2008年
6 中國(guó)人壽保險(xiǎn)公司廈門市分公司 郭志紅;電子保單：走出“大海撈針”的困境[N];計(jì)算機(jī)世界;2002年
7 楊早;中國(guó)幻影顯形[N];中華讀書報(bào);2011年
相關(guān)碩士學(xué)位論文 前9條
1 張佳濤;基于TM影像的山區(qū)林地變化檢測(cè)方法對(duì)比研究[D];貴州大學(xué);2015年
2 秦禮明;基于邊緣信息增強(qiáng)的面向?qū)ο蟾叻钟跋裥畔⑻崛⊙芯縖D];安徽理工大學(xué);2016年
3 蔣理;我國(guó)影像新聞中的倫理問題研究[D];湖南師范大學(xué);2008年
4 費(fèi)文杰;新媒體影像投射方法的現(xiàn)狀與發(fā)展研究[D];南京藝術(shù)學(xué)院;2012年
5 黃明亮;人類學(xué)視野下的廣西社區(qū)影像研究[D];廣西大學(xué);2014年
6 侯曉真;基于多時(shí)相TM影像的波段運(yùn)算分類方法研究[D];中國(guó)礦業(yè)大學(xué);2014年
7 湯霖;引擎影像的構(gòu)成特征與敘事研究[D];南京航空航天大學(xué);2012年
8 陳涵;紅外與微波遙感影像信息融合研究[D];華中科技大學(xué);2005年
9 許晶;乳腺X線影像信息平臺(tái)的研究與實(shí)現(xiàn)[D];西安電子科技大學(xué);2007年
，
本文編號(hào)：1807064
本文鏈接：http://sikaile.net/kejilunwen/dizhicehuilunwen/1807064.html
本文選題：高分影像 + eCognition ； 參考：《安徽理工大學(xué)》2016年碩士論文
【摘要】：隨著信息技術(shù)的發(fā)展,地理信息獲取也變的越來越重要。地理國(guó)情普查作為我國(guó)一項(xiàng)重要的地理信息統(tǒng)計(jì)工作,要求必須掌握我國(guó)自然地理要素的基本情況。遙感技術(shù)是目前獲取地理信息的一種最重要技術(shù)手段之一,在測(cè)繪、城市規(guī)劃、國(guó)土資源、地質(zhì)礦產(chǎn)勘查、農(nóng)林業(yè)、軍事等行業(yè)和領(lǐng)域中都有廣泛的應(yīng)用。隨著遙感平臺(tái)的不斷更新,高分辨率可用衛(wèi)星、WordlView、QuickBird、IKONOS、 GeoEye以及國(guó)產(chǎn)的高分系列衛(wèi)星最高空間分辨率可達(dá)到亞米級(jí),高分影像的出現(xiàn)使得遙感影像能夠展現(xiàn)出更加豐富的地理信息。較常用的遙感影像分類方法主要包括監(jiān)督分類、非監(jiān)督分類以及決策樹分類等。它們依據(jù)地物的光譜特征進(jìn)行分類,比較適合中低分辨率的遙感影像。但是對(duì)于高分影像,常用的基于像元的分類方法不僅不能有效地利用其豐富的空間結(jié)構(gòu),還會(huì)由于其地物光譜異質(zhì)性小而引起較多“椒鹽”噪聲,最終導(dǎo)致分類結(jié)果精度降低。因此,對(duì)于高分辨率遙感影像傳統(tǒng)的分類方法已經(jīng)越來越難于滿足其信息提取的要求。為了更好的提取高分影像信息,研究人員提出了能夠充分利用高分影像紋理、空間等信息的面向?qū)ο笥跋裥畔⑻崛〖夹g(shù)。目前面向?qū)ο蟮男畔⑻崛》椒ㄖ饕ǎ夯谧畲竺娣e和目標(biāo)函數(shù)的最優(yōu)分割尺度選擇；基于Gram-Schmidt等不同融合方法的面向?qū)ο蟮倪b感影像分類；基于總體精度或Kappa系數(shù)的面向?qū)ο蠓指罘诸愒u(píng)價(jià)指標(biāo)等。本文在eCognition軟件的基礎(chǔ)上以淮南地區(qū)的WorldView-III影像為例,對(duì)其進(jìn)行了預(yù)處理,多尺度分割,邊緣信息增強(qiáng)以及邊緣信息增強(qiáng)后的影像信息提取,最后對(duì)于不同分類方法做出了精度評(píng)價(jià),具體研究如下：(1)以淮南地區(qū)高分辨率遙感影像為例,將原始影像進(jìn)行Pansharping融合,并對(duì)其分別做監(jiān)督分類、非監(jiān)督分類,生成不同方法下遙感影像分類圖。(2)重點(diǎn)研究了基于eCognition軟件的面向?qū)ο蠓诸惙椒�。首先借助ESP(Estimation of Scale Parameter)尺度評(píng)價(jià)工具,通過不同實(shí)驗(yàn),結(jié)合目視判別效果確定了最優(yōu)分割參數(shù)：其中尺度因子為110,形狀因子為0.5,緊湊度因子為0.5。影像分割完成后對(duì)其進(jìn)行最鄰近分類,多次循環(huán)選取最優(yōu)分類樣本及樣本特征(NDⅥ、Shap-index、Length/Width、mean-Brightness、mean-max.difff等),最終生成基于面向?qū)ο蟮挠跋穹诸悎D。(3)對(duì)高分影像進(jìn)行基于Canny算法的邊緣檢測(cè),將檢測(cè)后的影像層參與地物多尺度分割,并設(shè)置其分割權(quán)重,得到基于邊緣檢測(cè)的多尺度分割影像圖。對(duì)高分影像做基于Getis-Ord的局部空間自相關(guān)性統(tǒng)計(jì)分析,在此基礎(chǔ)上再將其進(jìn)行基于Canny算法的邊緣檢測(cè),將檢測(cè)后的影像層參與地物多尺度分割,并設(shè)置其分割權(quán)重,得到基于信息增強(qiáng)組合變換的多尺度分割影像圖。(4)對(duì)不同影像信息提取方法分類精度進(jìn)行對(duì)比分析,發(fā)現(xiàn)基于像元的分類方法中最大似然分類器在本次實(shí)驗(yàn)中精度最高,其中總體分類精度為84.9382%,Kappa系數(shù)為0.8152,而面向?qū)ο蠓诸惖目傮w分類精度達(dá)到了92.3076%,Kappa系數(shù)達(dá)到了0.9018,基于Getis-Ord和Canny邊緣信息增強(qiáng)后的面向?qū)ο蠓诸愒诒敬螌?shí)驗(yàn)中精度最高,其總體分類精度為94.6667%,Kappa系數(shù)為0.9354。
[Abstract]:With the development of information technology, the acquisition of geographic information is becoming more and more important. As an important geographical information statistics work in China, the geographical situation census requires that the basic situation of the natural geographical elements of our country must be mastered. Remote sensing technology is one of the most important technical means for obtaining geographic information at present, in surveying and mapping, in urban planning, Land and resources, geological and mineral exploration, agroforestry, military and other industries and other fields are widely used. With the continuous updating of remote sensing platform, high resolution can be used by satellite, WordlView, QuickBird, IKONOS, GeoEye, and homemade high grade series satellites can reach the highest spatial resolution, and the appearance of high image makes remote sensing image More abundant geographic information is displayed. The commonly used remote sensing image classification methods mainly include supervised classification, unsupervised classification and decision tree classification. They are classified according to the spectral characteristics of the ground objects, and are suitable for middle and low resolution remote sensing images. But for high resolution images, the commonly used classification methods based on pixels are not only used. It is not effective to make use of its rich spatial structure, and also cause more "salt and pepper" noise because of its small spectral heterogeneity, which eventually leads to the reduction of classification accuracy. Therefore, the traditional classification method for high resolution remote sensing images has become more and more difficult to meet the requirements of its information extraction. Information, researchers have proposed an object oriented image information extraction technology that can make full use of high image texture, space and other information. At present, the object oriented information extraction methods mainly include the optimal segmentation scale selection based on the maximum area and the target function, and the object oriented teleconnection based on different fusion methods such as Gram-Schmidt. Sense image classification; based on the overall accuracy or Kappa coefficient of object oriented segmentation and classification evaluation index. Based on the eCognition software, this paper takes the WorldView-III image in Huainan as an example to carry out preprocessing, multi-scale segmentation, edge information enhancement and image information extraction after the enhancement of edge information. The precision evaluation of the same classification method is made as follows: (1) taking the high resolution remote sensing image of Huainan as an example, the original image is fused by Pansharping, and the classification is supervised and classified, and the different methods of remote sensing image classification are generated. (2) focus on the object-oriented classification based on the eCognition software. Method. First, with the aid of ESP (Estimation of Scale Parameter) scale evaluation tool, the optimal segmentation parameters are determined through different experiments and visual discrimination effect: the scale factor is 110, the shape factor is 0.5, and the compact factor is the nearest neighbor classification after the completion of the 0.5. image segmentation, and the optimal classification sample is selected repeatedly. Sample features (ND VI, Shap-index, Length/Width, mean-Brightness, mean-max.difff, etc.), and finally generate object based image classification. (3) edge detection based on Canny algorithm for high score images, and the detected image layer is involved in multi-scale segmentation, and the segmentation weight is set up, and multiscale based on edge detection is obtained. On the basis of the Getis-Ord based local spatial autocorrelation statistics analysis, the high score image is analyzed based on the local spatial autocorrelation, and then the edge detection based on the Canny algorithm is carried out. The detected image layer is involved in multi scale segmentation, and the segmentation weight is set up, and the multiscale segmentation image based on the information enhancement combination transformation is obtained. (4) The classification accuracy of different image information extraction methods is compared and analyzed. It is found that the maximum likelihood classifier based on the pixel based classification method has the highest accuracy in this experiment, of which the overall classification precision is 84.9382%, the Kappa coefficient is 0.8152, while the overall classification precision of the object oriented classification is 92.3076%, the Kappa coefficient reaches 0.9018, based on this method, the maximum likelihood classifier is based on the object classification method. The object oriented classification with enhanced edge information of Getis-Ord and Canny has the highest accuracy in this experiment. The overall classification accuracy is 94.6667%, and the Kappa coefficient is 0.9354.
【學(xué)位授予單位】：安徽理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：P237
【相似文獻(xiàn)】
相關(guān)期刊論文 前10條
1 王春青;;青海省國(guó)產(chǎn)影像公共服務(wù)平臺(tái)建設(shè)方案[J];測(cè)繪與空間地理信息;2012年05期
2 李天順;;雪被覆蓋影像的應(yīng)用[J];遙感信息;1987年03期
3 賀壽矢野;文雄山崎;李成龍;;使用快鳥影像對(duì)2003年伊朗巴姆地震建筑物毀壞檢測(cè)[J];地殼構(gòu)造與地殼應(yīng)力;2012年01期
4 陳彩芬,舒寧;SAR影像與TM影像的幾種融合處理方法[J];國(guó)土資源遙感;1999年04期
5 陳靜,龔健雅,朱欣焰,李清泉;海量影像數(shù)據(jù)的Web發(fā)布與實(shí)現(xiàn)[J];測(cè)繪通報(bào);2004年01期
6 喻貴銀;影像的魔力[J];中國(guó)測(cè)繪;2005年01期
7 王超,張波,張紅,吳樊;地理信息庫支持下的SAR影像信息提取[J];遙感技術(shù)與應(yīng)用;2005年01期
8 于新洋;張安定;侯西勇;;膠東半島果園TM影像信息的提取決策樹方法[J];測(cè)繪科學(xué);2012年04期
9 田茂義;盧秀山;王冬;張燕;;基于Oracle的DOM影像庫的建立研究[J];測(cè)繪通報(bào);2006年06期
10 王樹根,鄭精靈;基于紋理匹配的影像缺損信息填充方法[J];測(cè)繪通報(bào);2004年12期
相關(guān)會(huì)議論文 前10條
1 朱大榮;鈕羅涌;陳文輝;何必仕;徐哲;;放射科關(guān)鍵影像標(biāo)注技術(shù)臨床應(yīng)用研究[A];2013年浙江省放射學(xué)學(xué)術(shù)年會(huì)論文集[C];2013年
2 汪軍峰;何海青;樊樹峰;滕皋軍;;關(guān)鍵影像標(biāo)注和影像膠片電子版的臨床價(jià)值[A];中華醫(yī)學(xué)會(huì)第16次全國(guó)放射學(xué)學(xué)術(shù)大會(huì)論文匯編[C];2009年
3 王樹根;;影像信息科學(xué)中的認(rèn)知問題[A];地理空間信息技術(shù)與應(yīng)用——中國(guó)科協(xié)2002年學(xué)術(shù)年會(huì)測(cè)繪論文集[C];2002年
4 劉義軍;;影響PACS系統(tǒng)效率的因素及解決方案[A];2009中華醫(yī)學(xué)會(huì)影像技術(shù)分會(huì)第十七次全國(guó)學(xué)術(shù)大會(huì)論文集[C];2009年
5 李利偉;李祖?zhèn)?馬建文;;基于形態(tài)分割的災(zāi)后單時(shí)相影像倒塌房屋提取[A];第八屆成像光譜技術(shù)與應(yīng)用研討會(huì)暨交叉學(xué)科論壇文集[C];2010年
6 郭啟振;呂恩民;劉光震;于曉琳;;DR影像的質(zhì)量控制與保證[A];2009中華醫(yī)學(xué)會(huì)影像技術(shù)分會(huì)第十七次全國(guó)學(xué)術(shù)大會(huì)論文集[C];2009年
7 游俊;駱清銘;曾紹群;;神經(jīng)影像信息數(shù)據(jù)庫構(gòu)建與數(shù)據(jù)處理策略探討[A];首屆全國(guó)功能神經(jīng)影像學(xué)和神經(jīng)信息學(xué)研討會(huì)論文匯編[C];2003年
8 李黎軍;林運(yùn)政;朱海軍;張新忠;宋宏羽;;CR影像技術(shù)在放療臨床的應(yīng)用及應(yīng)注意的問題[A];中華醫(yī)學(xué)會(huì)放射腫瘤治療學(xué)分會(huì)六屆二次暨中國(guó)抗癌協(xié)會(huì)腫瘤放療專業(yè)委員會(huì)二屆二次學(xué)術(shù)會(huì)議論文集[C];2009年
9 林海濤;徐勝;;CR影像噪聲的來源及分析[A];2005年浙江省放射學(xué)學(xué)術(shù)年會(huì)論文匯編[C];2005年
10 馮桂;林其偉;;不同分辨率影像的自動(dòng)匹配方法[A];1999年中國(guó)地球物理學(xué)會(huì)年刊——中國(guó)地球物理學(xué)會(huì)第十五屆年會(huì)論文集[C];1999年
相關(guān)重要報(bào)紙文章 前7條
1 特約記者 邢云鵬;地理影像資料助力汾河治理[N];中國(guó)礦業(yè)報(bào);2013年
2 劉張鉑瀧;藝術(shù)家如何處理影像信息[N];中國(guó)攝影報(bào);2014年
3 筱平;信息影像管理技術(shù)[N];金融時(shí)報(bào);2002年
4 ;諾基亞探尋新業(yè)務(wù)動(dòng)力之源[N];通信產(chǎn)業(yè)報(bào);2002年
5 李夏;“打假”：群眾眼睛考驗(yàn)權(quán)威水平[N];中國(guó)攝影報(bào);2008年
6 中國(guó)人壽保險(xiǎn)公司廈門市分公司 郭志紅;電子保單：走出“大海撈針”的困境[N];計(jì)算機(jī)世界;2002年
7 楊早;中國(guó)幻影顯形[N];中華讀書報(bào);2011年
相關(guān)碩士學(xué)位論文 前9條
1 張佳濤;基于TM影像的山區(qū)林地變化檢測(cè)方法對(duì)比研究[D];貴州大學(xué);2015年
2 秦禮明;基于邊緣信息增強(qiáng)的面向?qū)ο蟾叻钟跋裥畔⑻崛⊙芯縖D];安徽理工大學(xué);2016年
3 蔣理;我國(guó)影像新聞中的倫理問題研究[D];湖南師范大學(xué);2008年
4 費(fèi)文杰;新媒體影像投射方法的現(xiàn)狀與發(fā)展研究[D];南京藝術(shù)學(xué)院;2012年
5 黃明亮;人類學(xué)視野下的廣西社區(qū)影像研究[D];廣西大學(xué);2014年
6 侯曉真;基于多時(shí)相TM影像的波段運(yùn)算分類方法研究[D];中國(guó)礦業(yè)大學(xué);2014年
7 湯霖;引擎影像的構(gòu)成特征與敘事研究[D];南京航空航天大學(xué);2012年
8 陳涵;紅外與微波遙感影像信息融合研究[D];華中科技大學(xué);2005年
9 許晶;乳腺X線影像信息平臺(tái)的研究與實(shí)現(xiàn)[D];西安電子科技大學(xué);2007年
，本文編號(hào)：1807064
本文鏈接：http://sikaile.net/kejilunwen/dizhicehuilunwen/1807064.html
