位置:成果数据库 > 期刊 > 期刊详情页
GIS数据约束的海岸带SAR图像多尺度分割
  • ISSN号:0255-8297
  • 期刊名称:应用科学学报
  • 时间:2013.1.1
  • 页码:79-83
  • 分类:P237[天文地球—摄影测量与遥感;天文地球—测绘科学与技术]
  • 作者机构:[1]中国科学院数字地球重点实验室,北京100094, [2]中国科学院遥感与数字地球研究所,北京100094
  • 相关基金:国家自然科学基金(No.41071274,No.61132006)资助
  • 相关项目:基于对象与专家知识的高分辨率SAR图像典型地物提取研究
中文摘要:

通过分析高分辨率遥感图像中建筑物光谱特征存在严重的"同物异谱"和"同谱异物"等情况,发现建筑物的几何特征比其光谱特征更加典型.在总结了建筑物的一些典型几何特征之后,进行了基于几何特征(面积特征、矩形拟合度特征、长宽比特征、走向特征)的建筑物提取实验,发现利用几何特征能够比较有效地提取到建筑物.由于图像分割离不开光谱特征,即建筑物几何特征的计算受到其光谱特征的影响,依据几何特征的建筑物提取结果不是非常令人满意的.高度特征是建筑物最典型的几何特征之一,因此将高度特征引入到图像分割和建筑物提取过程是提高建筑物提取精度的新方向.

英文摘要:

Problems exist in building extraction from high-resolution remote sensing images in terms of spectral features. For example, the same object has different spectra and different objects have the same spectrum, and geometric features of a building may be more typical than its spectral features. Having summarized some typical geometric features of buildings, building extraction is done based on their geometric features with features of area, fitting rectangle, length-to-width ratio, and main directions. The experiment shows that extracting buildings with geometric features is more effective than with spectral features. However, since image segmentation depends on spectral features so that calculation of geometric features is affected by spectral features, building extraction based on geometric features is not satisfactory. As the height feature of a building is the most typical geometry features, introduction of height features into image segmentation and feature extraction is an effective way to improve accuracy of building extraction.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《应用科学学报》
  • 中国科技核心期刊
  • 主管单位:上海市教育委员会
  • 主办单位:上海大学 中国科学院上海技术物理研究所
  • 主编:王延云
  • 地址:上海市上大路99号123信箱
  • 邮编:200444
  • 邮箱:yykxxb@departmenl.shu.edu.cn
  • 电话:021-66131736
  • 国际标准刊号:ISSN:0255-8297
  • 国内统一刊号:ISSN:31-1404/N
  • 邮发代号:4-821
  • 获奖情况:
  • 首届中国高校优秀科技期刊,第2届中国高校优秀科技期刊奖,全国高校优秀科技期刊,中国科技期刊方阵双效期刊,上海市优秀科技期刊,首届《CAJ-CD》执行优秀期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),荷兰文摘与引文数据库,美国剑桥科学文摘,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:4747