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:
在高分辨率遥感影像中,水体与阴影(尤其是高大建筑物阴影)、暗色地物不易区分.针对GF-2遥感影像的光谱特性的大量实验研究,提出了一种新综合水体指数法(NCWI)来增强水体区域信息;同时利用改进的OSTU结合鸡群算法(CSO)快速自适应地确定最佳分割阈值,进而得到最终的水体区域.将其同归一化NDWI、改进谱间关系法、主成分分析综合法等常见水体信息提取方法应用于GF-2遥感影像水体信息提取,利用采用实地采样和人工解译的混淆矩阵对提取的水体区域结果进行精度验证和对比分析,从而验证了其有效性和高效性.4个实验区域的结果证明,该算法可以快速有效地提取水体信息,精确度分别达到97.82%,97.44%,92.13%,96.94%.
推荐文章
基于面向对象方法的GF-2影像桉树林信息提取
森林测计学
GF-2影像
桉树
面向对象
面向对象的遥感影像水体信息提取
面向对象
遥感影像
信息提取
eCognition
基于GF-2遥感影像的面向对象分类方法比较研究
GF-2遥感影像
K-最近邻分类
支持向量机分类
CART决策树分类
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GF-2遥感影像的一种快速水体信息提取方法
来源期刊 图学学报 学科 工学
关键词 GF-2影像 水体提取 新综合水体指数 OSTU 高大建筑物阴影 鸡群算法
年,卷(期) 2019,(1) 所属期刊栏目 专论:全国第29届计算机技术与应用会议(CACIS 2018佳木斯)
研究方向 页码范围 99-104
页数 6页 分类号 TP391
字数 4094字 语种 中文
DOI 10.11996/JG.j.2095-302X.2019010099
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 杨学志 合肥工业大学计算机与信息学院 73 588 12.0 20.0
3 董张玉 合肥工业大学计算机与信息学院 20 50 4.0 6.0
5 王冬 合肥工业大学计算机与信息学院 2 2 1.0 1.0
13 邹橙 合肥工业大学计算机与信息学院 2 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (107)
共引文献  (71)
参考文献  (11)
节点文献
引证文献  (2)
同被引文献  (13)
二级引证文献  (0)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(11)
  • 参考文献(0)
  • 二级参考文献(11)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(8)
  • 参考文献(0)
  • 二级参考文献(8)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(7)
  • 参考文献(0)
  • 二级参考文献(7)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(8)
  • 参考文献(0)
  • 二级参考文献(8)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(7)
  • 参考文献(0)
  • 二级参考文献(7)
2013(9)
  • 参考文献(0)
  • 二级参考文献(9)
2014(8)
  • 参考文献(0)
  • 二级参考文献(8)
2015(12)
  • 参考文献(2)
  • 二级参考文献(10)
2016(8)
  • 参考文献(4)
  • 二级参考文献(4)
2017(5)
  • 参考文献(5)
  • 二级参考文献(0)
2019(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(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
GF-2影像
水体提取
新综合水体指数
OSTU
高大建筑物阴影
鸡群算法
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
图学学报
双月刊
2095-302X
10-1034/T
16开
北京海淀学院路37号中国图学学会学报编辑部
1980
chi
出版文献量(篇)
3336
总下载数(次)
7
论文1v1指导