传感网络的滑坡灾后多源遥感图像特征提取方法

发布时间：2021-08-29 08:34

　　为解决传统遥感图像特征提取过程抗扰性较差的问题,该文提出基于传感网络的滑坡灾后多源遥感图像特征提取方法,通过对滑坡灾害环境因素及特征数值信息的分析,判断滑坡灾害的影响程度;根据其影响程度对多源遥感图像进行特征采集和分类,对特征提取过程中常见的噪音干扰进行去除处理,实现对滑坡灾后多源遥感图像特征的提取。 

【文章来源】：灾害学. 2020,35(03)北大核心CSCD

【文章页数】：4 页

【部分图文】：

滑坡灾害形成过程

具体的图像特征相似性判断流程如图2所示。在完成特征采集后,进一步对采集后的结果进行降噪处理。结合数值增加和灰度直方算法建立相应的抗噪因子,以便对关键特征图像进行有效甄别,从而更好的确定相应的滑坡区域目标特征进行检测和提取。首先对检测到的特征图像主体的直线变化中特殊点影像数值进行删除[14],并对序列影像直线运动过程中产生的数据点密集的局域空间通过更深的树体来进行空间切割表述,从而完成图像局部特征降噪和寻优跟踪处理。若Q表示特征图像的结构点影响元素,图像干扰噪声数值为v,则可将数学形态架构的特征变化元素描述为β,图像区域特征结构的最高干扰元素记为v+,图像最大关联点为的集合为A,则图像特征提取过程中的噪声滤波数值算法可记为:

对比实验检测结果

【参考文献】：
期刊论文
[1]基于Multi-CNN空间特征提取的高光谱遥感影像分类[J]. 宋海峰,杨巍巍.  测绘工程. 2019(06)
[2]基于改进SIFT算法的多源遥感影像特征匹配[J]. 李瑞霖.  测绘与空间地理信息. 2019(08)
[3]基于面向对象随机森林分类模型的滑坡遥感解译[J]. 徐乔,孟凡利,余绍淮.  中外公路. 2019(03)
[4]面向三维模型视图特征提取的残差卷积网络优化[J]. 刘杨圣彦,潘翔,刘复昌,张三元.  计算机辅助设计与图形学学报. 2019(06)
[5]基于SHALSTAB模型与面向对象遥感影像分析的地震滑坡信息快速检测[J]. 王晓波,鲁恒,刘雪梅,杨正丽,项霞,蔡诗响.  地震研究. 2019(02)
[6]时分MIMO滑坡雷达稀疏成像算法[J]. 蒋留兵,杨中丽,车俐.  雷达科学与技术. 2019(01)
[7]无线传感网中分布式信号检测的多维特征值算法优化研究[J]. 刘云,陈倩.  计算机工程与科学. 2018(09)
[8]气象卫星遥感图像特征目标准确提取仿真[J]. 杨高伟,贾艳茹.  计算机仿真. 2018(07)
[9]一种面向未知链路帧的格式特征提取与分类算法[J]. 薛开平,柳彬,李威,洪佩琳.  中国科学院大学学报. 2018(04)
[10]基于多尺度特征提取的图像语义分割[J]. 熊志勇,张国丰,王江晴.  中南民族大学学报(自然科学版). 2017(03)



本文编号：3370296