基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对现在的高分辨率遥感影像建筑物识别与提取方法存在的准确率低及数据要求严格等问题,提出一种基于邻域总变分(NTV)和势直方图函数(PHF)的方法.首先,计算遥感影像各像元的加权邻域总变分似然函数取值,并进行区域生长分割,将矩形度和长宽比作为约束条件提取候选建筑物;然后,进行阴影自动提取;最后,利用数学形态学对阴影进行处理,计算处理后的阴影和候选建筑物之间的邻接关系得到建筑物,并用最小外接矩形对其边界进行拟合.为了验证所提算法的有效性,选取深圳市PLEIADES影像中9幅具有代表性的子影像进行实验.实验结果表明,所提方法的平均查准率和平均查全率分别达到97.71%和84.21%,与水平集和基于颜色不变性特征两种建筑物提取方法相比,在总体性能F1上具有10%以上的提高.
推荐文章
基于深度学习的高分辨率 遥感影像建筑物提取
遥感影像;
建筑物提取;
多尺度;
深度学习
基于基元的高分辨率遥感建筑物提取研究
高分辨率遥感
建筑物提取
特征提取
识别
多尺度显著性引导的高分辨率遥感影像建筑物提取
遥感影像
建筑物提取
显著性检测
多尺度
随机森林
基于不变矩的高分辨率遥感图像的建筑物提取方法
高分辨率遥感图像
边缘检测
不变矩
特征提取
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于邻域总变分和势直方图函数的高分辨率遥感影像建筑物提取
来源期刊 计算机应用 学科 地球科学
关键词 高分辨率遥感影像 势直方图函数 邻域总变分 形态学 建筑物提取
年,卷(期) 2017,(6) 所属期刊栏目 计算机视觉与虚拟现实
研究方向 页码范围 1787-1792
页数 6页 分类号 P407.8
字数 5897字 语种 中文
DOI 10.11772/j.issn.1001-9081.2017.06.1787
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘金清 福建师范大学光电与信息工程学院 36 172 7.0 11.0
10 施文灶 福建师范大学光电与信息工程学院 42 219 9.0 11.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (9)
参考文献  (9)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(4)
  • 参考文献(2)
  • 二级参考文献(2)
2014(3)
  • 参考文献(1)
  • 二级参考文献(2)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
高分辨率遥感影像
势直方图函数
邻域总变分
形态学
建筑物提取
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用
月刊
1001-9081
51-1307/TP
大16开
成都237信箱
62-110
1981
chi
出版文献量(篇)
20189
总下载数(次)
40
论文1v1指导