-
题名基于神经网络和分形纹理的夜间浓雾遥感监测技术
被引量：11
- 1
-
-
作者
张顺谦
杨秀蓉
-
机构
四川省农业气象中心
-
出处
《应用气象学报》
CSCD
北大核心
2005年第6期804-810,共7页
-
基金
中国气象局成都高原气象研究所开放实验室基金资助
-
文摘
利用地物光谱信息和图像纹理信息作为地物分类识别标志,将分形理论和BP神经网络应用于夜间浓雾的遥感监测,使夜间浓雾的监测精度明显提高。与传统最大似然法(MLC)比较,晴空地表、雾区、云区的识别精度均有提高,特别是云区的识别精度提高了10%,基于灰度连通域的灰度加权计盒维数图像纹理提取技术使云雾边界的提取更加合理,文章最后对类的归并作了讨论。
-
关键词
夜间浓雾
遥感监测技术
神经网络
分形纹理
气象遥感
-
Keywords
bp neural networks fractal theory cloud and fog separate
-
分类号
P412.1
[天文地球—大气科学及气象学]
-
-
题名神经网络和分形纹理在夜间云雾分离中的应用
被引量：9
- 2
-
-
作者
张顺谦
杨秀蓉
-
机构
四川省农业气象中心
-
出处
《遥感学报》
EI
CSCD
北大核心
2006年第4期497-501,共5页
-
基金
四川省计委项目"四川省农业气象决策咨询服务平台建设"资助
-
文摘
云雾分离是浓雾遥感监测的难点,地物光谱信息和图像纹理信息的综合利用,分形理论和BP神经网络技术的应用,使夜间云雾分离结果更为可信,基于灰度连通域的图像纹理提取提高了云雾边界的识别能力,灰度加权拉伸后的分数维增强了云雾的可分性,与传统最大似然法比较,本文所用方法对晴空地表、雾区、云区的识别精度均有提升,特别是云区的识别精度提高了10%,三类地表的总体识别率提高了7%,达到93%以上,文章最后对类的归并作了讨论。
-
关键词
bp神经网络
分形理论
云雾分离
分类后处理
-
Keywords
bp neural network
fractal theory
cloud and fog separate
post-class processing
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP751
[自动化与计算机技术—控制科学与工程]
-
