基于线状特征增强的TM遥感影像细小河流提取方法

混合像元效应是导致难以从TM影像中提取细小河流的主要原因。本文提出一种综合多种数字图像处理技术的细小河流自动识别方法。首先,利用阈值分割来区分水体指数影像中的细小河流与面状水体;然后,对水体指数进行线状特征增强,突出线状河流信息,并抑制其他地物信息;再利用双阈值线段追踪方法,提取影像中的细小河流;最后通过3种方法分别去除阴影、道路和其他类型噪声。结果表明,本文方法能有效地提取细小河流,同时排除多种噪声的干扰,结果的制图精度高于82%,用户精度高于93%,Kappa系数高于0.993,完整度高于90%。...

Full description

Saved in:
Bibliographic Details
Published in:测绘学报 2014 (7), p.705-710
Main Author: 姜浩 冯敏 肖桐 王昌佐
Format: Article
Language:Chinese
Subjects:
水体指数
特征提取
细小河流
遥感
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
cited_by
cites
container_end_page 710
container_issue 7
container_start_page 705
container_title 测绘学报
container_volume
creator 姜浩 冯敏 肖桐 王昌佐
description 混合像元效应是导致难以从TM影像中提取细小河流的主要原因。本文提出一种综合多种数字图像处理技术的细小河流自动识别方法。首先,利用阈值分割来区分水体指数影像中的细小河流与面状水体;然后,对水体指数进行线状特征增强,突出线状河流信息,并抑制其他地物信息;再利用双阈值线段追踪方法,提取影像中的细小河流;最后通过3种方法分别去除阴影、道路和其他类型噪声。结果表明,本文方法能有效地提取细小河流,同时排除多种噪声的干扰,结果的制图精度高于82%,用户精度高于93%,Kappa系数高于0.993,完整度高于90%。
format article
fullrecord <record><control><sourceid>chongqing</sourceid><recordid>TN_cdi_chongqing_primary_67728866504849524855484856</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><cqvip_id>67728866504849524855484856</cqvip_id><sourcerecordid>67728866504849524855484856</sourcerecordid><originalsourceid>FETCH-chongqing_primary_677288665048495248554848563</originalsourceid><addsrcrecordid>eNpjYeA0NDAw1DU0tTTlYOAtLs5MMjAwNTE2NzW25GRwfDp_15Ndfc937X_ete15586n-xqfLpr3dM-u57NaQnxfNi591jL_6d6NT5v7n-9ue7qh_9mmzc-2Nj7rn_C0f9qzaTufbZ7Kw8CalphTnMoLpbkZjN1cQ5w9dJMz8vPSCzPz0uMLijJzE4sq483MzY0sLMzMTA1MLEwsTY1MLExNgSwLUzNj8nQBAEkVVck</addsrcrecordid><sourcetype>Publisher</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于线状特征增强的TM遥感影像细小河流提取方法</title><source>Publicly Available Content Database</source><creator>姜浩 冯敏 肖桐 王昌佐</creator><creatorcontrib>姜浩 冯敏 肖桐 王昌佐</creatorcontrib><description>混合像元效应是导致难以从TM影像中提取细小河流的主要原因。本文提出一种综合多种数字图像处理技术的细小河流自动识别方法。首先,利用阈值分割来区分水体指数影像中的细小河流与面状水体;然后,对水体指数进行线状特征增强,突出线状河流信息,并抑制其他地物信息;再利用双阈值线段追踪方法,提取影像中的细小河流;最后通过3种方法分别去除阴影、道路和其他类型噪声。结果表明,本文方法能有效地提取细小河流,同时排除多种噪声的干扰,结果的制图精度高于82%,用户精度高于93%,Kappa系数高于0.993,完整度高于90%。</description><identifier>ISSN: 1001-1595</identifier><language>chi</language><subject>水体指数 ; 特征提取 ; 细小河流 ; 遥感</subject><ispartof>测绘学报, 2014 (7), p.705-710</ispartof><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://image.cqvip.com/vip1000/qk/90069X/90069X.jpg</thumbnail><link.rule.ids>314,780,784,4024</link.rule.ids></links><search><creatorcontrib>姜浩 冯敏 肖桐 王昌佐</creatorcontrib><title>基于线状特征增强的TM遥感影像细小河流提取方法</title><title>测绘学报</title><addtitle>Acta Geodaetica et Cartographica Sinica</addtitle><description>混合像元效应是导致难以从TM影像中提取细小河流的主要原因。本文提出一种综合多种数字图像处理技术的细小河流自动识别方法。首先,利用阈值分割来区分水体指数影像中的细小河流与面状水体;然后,对水体指数进行线状特征增强,突出线状河流信息,并抑制其他地物信息;再利用双阈值线段追踪方法,提取影像中的细小河流;最后通过3种方法分别去除阴影、道路和其他类型噪声。结果表明,本文方法能有效地提取细小河流,同时排除多种噪声的干扰,结果的制图精度高于82%,用户精度高于93%,Kappa系数高于0.993,完整度高于90%。</description><subject>水体指数</subject><subject>特征提取</subject><subject>细小河流</subject><subject>遥感</subject><issn>1001-1595</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2014</creationdate><recordtype>article</recordtype><recordid>eNpjYeA0NDAw1DU0tTTlYOAtLs5MMjAwNTE2NzW25GRwfDp_15Ndfc937X_ete15586n-xqfLpr3dM-u57NaQnxfNi591jL_6d6NT5v7n-9ue7qh_9mmzc-2Nj7rn_C0f9qzaTufbZ7Kw8CalphTnMoLpbkZjN1cQ5w9dJMz8vPSCzPz0uMLijJzE4sq483MzY0sLMzMTA1MLEwsTY1MLExNgSwLUzNj8nQBAEkVVck</recordid><startdate>2014</startdate><enddate>2014</enddate><creator>姜浩 冯敏 肖桐 王昌佐</creator><scope>2RA</scope><scope>92L</scope><scope>CQIGP</scope><scope>W94</scope><scope>~WA</scope></search><sort><creationdate>2014</creationdate><title>基于线状特征增强的TM遥感影像细小河流提取方法</title><author>姜浩 冯敏 肖桐 王昌佐</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-chongqing_primary_677288665048495248554848563</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2014</creationdate><topic>水体指数</topic><topic>特征提取</topic><topic>细小河流</topic><topic>遥感</topic><toplevel>online_resources</toplevel><creatorcontrib>姜浩 冯敏 肖桐 王昌佐</creatorcontrib><collection>维普_期刊</collection><collection>中文科技期刊数据库-CALIS站点</collection><collection>维普中文期刊数据库</collection><collection>中文科技期刊数据库-自然科学</collection><collection>中文科技期刊数据库- 镜像站点</collection><jtitle>测绘学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>姜浩 冯敏 肖桐 王昌佐</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于线状特征增强的TM遥感影像细小河流提取方法</atitle><jtitle>测绘学报</jtitle><addtitle>Acta Geodaetica et Cartographica Sinica</addtitle><date>2014</date><risdate>2014</risdate><issue>7</issue><spage>705</spage><epage>710</epage><pages>705-710</pages><issn>1001-1595</issn><abstract>混合像元效应是导致难以从TM影像中提取细小河流的主要原因。本文提出一种综合多种数字图像处理技术的细小河流自动识别方法。首先,利用阈值分割来区分水体指数影像中的细小河流与面状水体;然后,对水体指数进行线状特征增强,突出线状河流信息,并抑制其他地物信息;再利用双阈值线段追踪方法,提取影像中的细小河流;最后通过3种方法分别去除阴影、道路和其他类型噪声。结果表明,本文方法能有效地提取细小河流,同时排除多种噪声的干扰,结果的制图精度高于82%,用户精度高于93%,Kappa系数高于0.993,完整度高于90%。</abstract></addata></record>
fulltext fulltext
identifier ISSN: 1001-1595
ispartof 测绘学报, 2014 (7), p.705-710
issn 1001-1595
language chi
recordid cdi_chongqing_primary_67728866504849524855484856
source Publicly Available Content Database
subjects 水体指数
特征提取
细小河流
遥感
title 基于线状特征增强的TM遥感影像细小河流提取方法
url http://sfxeu10.hosted.exlibrisgroup.com/loughborough?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-06T13%3A22%3A30IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-chongqing&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E7%BA%BF%E7%8A%B6%E7%89%B9%E5%BE%81%E5%A2%9E%E5%BC%BA%E7%9A%84TM%E9%81%A5%E6%84%9F%E5%BD%B1%E5%83%8F%E7%BB%86%E5%B0%8F%E6%B2%B3%E6%B5%81%E6%8F%90%E5%8F%96%E6%96%B9%E6%B3%95&rft.jtitle=%E6%B5%8B%E7%BB%98%E5%AD%A6%E6%8A%A5&rft.au=%E5%A7%9C%E6%B5%A9%20%E5%86%AF%E6%95%8F%20%E8%82%96%E6%A1%90%20%E7%8E%8B%E6%98%8C%E4%BD%90&rft.date=2014&rft.issue=7&rft.spage=705&rft.epage=710&rft.pages=705-710&rft.issn=1001-1595&rft_id=info:doi/&rft_dat=%3Cchongqing%3E67728866504849524855484856%3C/chongqing%3E%3Cgrp_id%3Ecdi_FETCH-chongqing_primary_677288665048495248554848563%3C/grp_id%3E%3Coa%3E%3C/oa%3E%3Curl%3E%3C/url%3E&rft_id=info:oai/&rft_id=info:pmid/&rft_cqvip_id=67728866504849524855484856&rfr_iscdi=true