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:
提出了一种充分利用阴影实现自动分类与后处理相结合的建筑物自动提取方法:首先根据阴影和植被自动检测结果并选定裸地样本确定预分类CMap图,并设计了基于偏移阴影分析的建筑物样本自动提取方法,结合支持向量机(support vector machines,SVM)分类模型将影像分为阴影、植被、建筑物、裸地4大类以提取建筑物初始结果;通过形态学处理提升区域完整性,区域增长补充漏检区域,利用设计的相交边界阴影比率筛除无阴影的非建筑物等措施,进行后处理优化获取最终结果.实验表明,充分利用阴影信息,不仅能准确、全面地获取各类样本,保证分类精度,与后处理优化策略紧密结合,大幅度提高了正确率和完整度;并且自动化程度得到有效提高,更适用于城郊区域建筑物的提取.
推荐文章
边缘检测与面向对象结合的高分影像建筑物提取
建筑物提取
高分影像
面向对象
多尺度分割
边缘检测
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
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
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 城郊高分影像中利用阴影的建筑物自动提取
来源期刊 武汉大学学报(信息科学版) 学科 地球科学
关键词 高分辨率遥感影像 建筑物提取 偏移阴影分析 SVM分类 利用阴影的建筑物验证
年,卷(期) 2017,(10) 所属期刊栏目 学术论文
研究方向 页码范围 1350-1357
页数 8页 分类号 P237.3
字数 语种 中文
DOI 10.13203/j.whugis20150766
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 张佳华 长江大学地球科学学院 15 57 5.0 7.0
2 杨元维 长江大学地球科学学院 21 23 3.0 4.0
3 高贤君 长江大学地球科学学院 23 54 4.0 7.0
4 沈大江 2 9 1.0 2.0
5 郑学冬 长江水利委员会长江科学院 1 8 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (12)
参考文献  (12)
节点文献
引证文献  (8)
同被引文献  (23)
二级引证文献  (1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(4)
  • 参考文献(1)
  • 二级参考文献(3)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(3)
  • 参考文献(2)
  • 二级参考文献(1)
2013(4)
  • 参考文献(3)
  • 二级参考文献(1)
2014(3)
  • 参考文献(2)
  • 二级参考文献(1)
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)
2019(5)
  • 引证文献(5)
  • 二级引证文献(0)
2020(3)
  • 引证文献(2)
  • 二级引证文献(1)
研究主题发展历程
节点文献
高分辨率遥感影像
建筑物提取
偏移阴影分析
SVM分类
利用阴影的建筑物验证
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
武汉大学学报(信息科学版)
月刊
1671-8860
42-1676/TN
大16开
武汉市珞喻路129号武汉大学测绘校区
38-317
1957
chi
出版文献量(篇)
5457
总下载数(次)
17
总被引数(次)
94263
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导