针对遥感影像感兴趣区域检测中所需的全局搜索与建立先验知识库等问题,提出基于显著特征聚类的遥感图像感兴趣区域检测算法。利用色彩信息,在不同的颜色通道(RGB)构建直方图以计算不同颜色通道的信息图,融合得到...
针对遥感影像感兴趣区域检测中所需的全局搜索与建立先验知识库等问题,提出基于显著特征聚类的遥感图像感兴趣区域检测算法。利用色彩信息,在不同的颜色通道(RGB)构建直方图以计算不同颜色通道的信息图,融合得到...
用k-means法实现图像分类,主要用于遥感图像分类
K-Means算法实现遥感图像变化检测,k均值算法
基于K-means、图像多维组合、PCA三种方式的遥感图像分割。将几幅多波段遥感图像区分出区民区、水域和其它。
TextureAnlysis.m实现遥感图像的纹理分析,以 方向邻域内的灰度均值 和 灰度共生矩阵的熵 作为纹理特征,使用k-means聚类。
基于K-means算法的遥感图像分类的matlab实现
提出一种定义感兴趣局部显著特征的新方法。首先根据注意力转移机制,采用迭代法提取注意焦点作为局部显著点,根据Canny边缘图与显著图的融合提取显著边缘点;然后提取显著点的色调、纹理及边缘点的方向直方图特征,...
针对遥感图像融合中,不同地物区域对空间与光谱信息要求不同的问题,提出了一种基于显著性分析的自适应遥感图像融合算法。结合多尺度谱残差分析模型,将遥感图像分为纹理、边缘丰富的显著区域与纹理、边缘较少的非...
数字图像处理——K-means聚类(含matlab代码)
针对复杂背景下船舶目标检测率低和光学遥感传感器的多光谱近红外(NIR)波段利用率低的问题,提出一种四波段多光谱遥感图像船舶目标显著性检测算法。所提算法利用四波段遥感数据中可见光波段图像的色彩内容饱满、NIR...
该算法通过自适应阈值分割得到包含居民区和道路的特征图,利用人类视觉系统进行显著性分析,得到居民区的显著图,通过对显著图的分割得到只包含居民区的特征图,对两张特征图进行异或运算,即可提取出道路。...
使用灰度共生矩阵和小波变换提取遥感图像特征,对特征数据集进行蜂群[k]-means聚类。整个聚类过程首先使用最大最小距离积邻域均值法产生初始聚类中心,将蜂群算法和[k]-means算法交替执行,实现遥感图像的聚类。通过...
遥感影像分类就是利用计算机通过对遥感图像中各类地物的光谱信息和空间信息进行分析,选择特征,将图像中各个像元按照某种规则或算法划分不同的类别,然后获得遥感图像中与实际地物的对应信息,从而实现图像的分类。...
Python遥感图像处理主要采用python编程语言,使用arcpy以及gdal等库进行遥感图像数据处理及应用。包括遥感图像的拼接、镶嵌、裁剪、格式转换等基础与处理操作以及常用遥感指数的批量计算,比如NDVI\EVI等遥感指数的...
上一篇Matlab K-means聚类算法对多光谱遥感图像进行分类(一)中,自编K-means函数运行时间长,是因为程序中Kmeans_of_muldim()函数中使用了逐像元循环,用了139秒,下面对逐像元循环进行改进,把数据reshape为列...
实验结果表明,新算法不仅有效降低了遥感影像视觉显著区域检测的计算复杂度,而且能够精确描述视觉显著区域的轮廓信息,同时避免了对整幅遥感影像的分割与特征提取,为今后的遥感影像目标检测提供了一定地参考价值。
行业分类-设备装置-一种结合显著性分析的全色高分辨率遥感图像道路检测方法
为了有效地对图像进行特征...最后通过实验结果的评价可以证明在建筑物的特征提取上,仿射不变矩比胡氏不变矩的提取效果更加显著,进而也证明了利用不变矩算法对高分辨率遥感图像建筑物特征提取这一方法是可行且有效的。
针对目前显著性检测算法在复杂多目标遥感图像中检测能力不足的问题,提出一种结合显著性检测和超像素分割的遥感信息提取算法。该算法通过GBVS(graph-based visual saliency)方法检测出原始影像中部分显著性较高的...