导读:本文包含了高空间分辨率论文开题报告文献综述及选题提纲参考文献，主要关键词:遥感影像,分类,纹理特征,几何特征
高空间分辨率论文文献综述
马长辉,黄登山[1]（2019）在《纹理与几何特征信息在高空间分辨率遥感影像分类中的应用》一文中研究指出为充分利用高空间分辨率遥感影像所包含的纹理与几何特征信息,提高影像的分类精度,应用面向对象技术和Log-Gabor小波来提取影像纹理和几何特征信息,并结合影像光谱信息对影像进行分类。选用的分类器为粒群优化算法优化参数的支持向量机分类器,使用资源叁号和高分二号两种不同传感器的卫星影像对方法进行验证,影像数据地物类型包含林地、草地、裸地、沙地、建筑物和道路等典型实体对象。通过对实验结果的目视比较和统计分析结果表明,所提方法分类结果精度较传统方法有所提高。(本文来源于《测绘地理信息》期刊2019年06期）
刘传凯,王泰杰,董卫华,苏建华,孙军[2]（2019）在《玉兔2号月球车大间距导航成像的空间分辨率建模分析》一文中研究指出玉兔2号月球车在月面巡视探测中,因斜坡凹坑众多使得行驶滑移严重.导航点的精确定位是路径规划的前提,也是月球车安全行驶的保障.玉兔2号月球车月面行进采用大间距行进模式,相邻导航点之间大多相距7 m以上,使得前后站图像的缩放尺度差异较大,如何从前后站序列成像中选出最优配对图像以实现特征匹配与定位解算的全自动是导航点定位的关键.本文在分析站点距离和成像倾角对图像重迭度、重迭区尺度变换等因素影响的基础上,提出并建立了图像像素的空间分辨率(单个像素对应月面区域的尺寸)与摄影光线长度和观测面法线方向角的关系模型,给出了不同站点距离和成像距离条件下图像重迭与缩放的定量关系,设计了站点距离、最优配对图像和匹配可行性的计算策略,从根本上确立了站点距离与成像距离对导航点定位的影响关系.结合嫦娥四号任务数据,对上述模型和分析的有效性进行验证,确立了上述方法对工程任务的指导意义.(本文来源于《中国科学:技术科学》期刊2019年11期）
张国平[3]（2019）在《CT图像空间分辨率及其检测方法》一文中研究指出在CT质量的各项参数中,CT的空间分辨率不仅是CT设备质量检测和质量控制的一个重要参数,也是对CT设备性能评价的一个重要指标。本文具体分析了CT空间分辨率的检测方法,包括常见的线对法和调制传输函数法,同时给出了影响空间分辨率的主要相关因素分析,然后结合具体实例,对空间分辨率检测的相关工具、具体实施过程、相关数据的处理等环节,进行了详细说明,这对CT设备的性能评价、质量控制和日常应用等方面,都具有非常重要的意义。(本文来源于《智慧健康》期刊2019年28期）
毛学刚,竹亮,刘怡彤,姚瑶,范文义[4]（2019）在《高空间分辨率影像与SAR数据协同特征面向对象林分类型识别》一文中研究指出【目的】研究对象特征对高空间分辨率遥感影像与星载全极化SAR数据协同面向对象林分类型识别的影响,评价2种数据协同林分类型识别的适宜性,为多源遥感影像结合面向对象分类技术提供科学依据。【方法】以QuickBird遥感影像和Radarsat-2数据为试验数据,选取福建省叁明市将乐县将乐国有林场为试验区进行杉木、马尾松和阔叶林面向对象分类。在面向对象分类过程中,采用基于QuickBird多光谱波段分割、基于Radarsat-2数据分割和QuickBird&Radarsat-2协同分割3种分割方案,每种分割方案采用10种尺度(25～250,步长为25),应用QuickBird遥感影像和Radarsat-2数据提取的光谱、地形、高度和强度4方面32个特征指标,进行4种不同特征组合,运用支持向量机分类器进行面向对象林分类型分类,利用混淆矩阵计算的生产者精度、用户精度、总精度和Kappa系数4个指标对分类结果进行精度评价。【结果】所有组合的分类精度(Kappa系数)均随着尺度增大表现出先增加后降低的趋势,且以只使用单一光谱特征的分类精度最低,依次低于光谱+地形两特征和光谱+地形+高度叁特征的分类精度,引入强度后的四特征组合分类与叁特征组合无明显差异。QuickBird&Radarsat-2协同且在最优尺度参数为100时,结合对象光谱、地形、高度和强度四特征组合进行面向对象林分类型分类精度最高(OA=86%, Kappa=0.86)。【结论】高空间分辨率遥感影像(QuickBird)与SAR数据(Radarsat-2)协同最优尺度多特征组合进行面向对象林分类型分类优势明显,在光谱和地形特征中引入高度特征可进一步提高分类精度。本研究结果可提高面向对象分类中的特征选择效率和科学性,能够为其他影像的面向对象分类技术提供较好的参考依据。(本文来源于《林业科学》期刊2019年09期）
苏丹丹[5]（2019）在《DEM空间分辨率确定方法的研究进展刍议》一文中研究指出DEM空间分辨率的选定对于研究成果的准确性会产生重要影响。如何在研究区域定量确定DEM空间分辨率,是一个非常热门的研究课题。目前,确定研究区域DEM空间分辨率的方法很多,本次研究对这些确定DEM空间分辨率的方法进行总结、分类,发现这些方法主要集中于"借助坡面地形因子逆向推导DEM空间分辨率"和"借助河网提取参数逆向推导DEM空间分辨率"两个方向。针对这两个方向的研究方法,分别进行归纳、对比阐述,为以后最佳DEM空间分辨率定量确定研究提供参考。(本文来源于《科技与创新》期刊2019年17期）
姚丙秀,黄亮,许艳松[6]（2019）在《一种结合超像素和图论的高空间分辨率遥感影像分割方法》一文中研究指出超像素分割已成为遥感影像预处理研究的新热点,但易形成过分割。为解决该问题,提出一种结合超像素和图论的高空间分辨率遥感影像分割方法。首先,采用简单线性迭代聚类(simple linear iterative clustering,SLIC)算法对遥感影像生成超像素过分割影像;然后,采用图论算法对超像素进行合并,通过计算得到每次合并后的分割数对应的局部方差,确定合适的影像分割数;最后,根据合适的影像分割数用图论算法对超像素重新聚类合并。实验数据为4幅不同空间分辨率、不同场景的遥感影像,采用定性和定量相结合的方法评价实验结果。实验结果表明,该方法能有效地解决遥感影像过分割结果的问题,获得了良好的分割结果。(本文来源于《国土资源遥感》期刊2019年03期）
郝怀旭,万太礼,罗年学[7]（2019）在《利用OpenStreetMap数据进行高空间分辨率遥感影像分类》一文中研究指出针对高分辨率遥感影像分类样本标注困难的问题,提出了一种利用OpenStreetMap(OSM)数据自动获取标注样本的方法。与现有的利用OSM数据进行分类的方法不同,该方法加入了空间特征以弥补单独使用光谱特征分类的不足。首先,基于OSM数据提供的地物类别和位置信息进行样本标注,为了降低OSM数据中少量错误信息对分类结果的影响,采用聚类分析的方法对样本进行提纯;其次,使用形态学轮廓来提取影像的结构特征,挖掘高分辨率遥感影像丰富的空间信息,与光谱特征相迭加并输入分类器进行分类。试验证明,本文提出的方法能够有效避免人工样本标注所需要的人力物力;同时,联合影像的光谱空间特征能够更好地描述地物特性,得到较高的分类精度。(本文来源于《测绘通报》期刊2019年07期）
王瑞,耿建华,陈炜,杜召猛,张朝坤[8]（2019）在《重建技术对不同机型PET/CT图像空间分辨率的模型研究》一文中研究指出目的探讨不同重建条件对PET断层空间分辨率的影响,为临床更好使用PET/CT提供参考。方法采用两种机型(GE Discovery Elite PET/CT、GE Discovery ST-16型PET/CT),模拟临床条件采集,对分布于长轴方向上的5条线源的椭圆柱分辨率模型行PET成像。选择滤波反投影法(FBP),3种迭代法:点扩散(PSF)技术、飞行时间(TOF)技术以及VUE Point HD法对图像进行重建。以线源半高宽(FWHM)表示重建图像的空间分辨率,计算五条线源六个层面上径向FWHM。结果在临床采集、重建条件下,使用PSF技术前后图像空间分辨率范围分别为:4.71mm～6.41mm、4.28mm～5.37mm(Elite型);7.66mm～8.62mm、4.34mm～6.77mm(ST-16型)。使用TOF技术前后图像空间分辨率分别为4.92mm～6.58mm、4.97mm～6.41mm(Elite型)。FBP算法重建图像空间分辨率分别为4.63mm～7.45mm(Elite型)、7.87mm～13.92mm(ST-16型);VUEPointHD算法空间分辨率分别为4.07mm～6.58mm(Elite型)、4.24mm～8.89mm(ST-16型)。结论 PSF技术能够有效提高PET图像空间分辨率,而TOF技术对图像空间分辨率的影响不大。Elite型较ST-16型图像空间分辨率明显改善。重建算法及参数设定对PET图像空间分辨率的影响较大,需依据临床需求和经验选择来辅助决策。(本文来源于《中国医学装备大会暨2019医学装备展览会论文汇编》期刊2019-07-18）
鞠量,彭斌,黄和,曾慧中,张万里[9]（2019）在《针尖-样品距离对近场扫描微波显微镜空间分辨率的影响》一文中研究指出根据近场微波测试原理搭建了一套近场扫描微波显微镜系统,在不同针尖-样品距离情况下,测试了宽度分别为260μm和470μm的NiFe薄膜在宽度方向的轮廓,研究结果表明,随着针尖-样品距离的增加,测试的空间分辨率降低.通过对扫描得到的轮廓曲线进行分析,发现测试得到的薄膜线宽随针尖-样品距离的增大而线性增加.结合近场微波领域的基本理论,提出了一种获得薄膜真实线宽的测试方法,为近场扫描微波显微镜的进一步研究奠定了基础.(本文来源于《测试技术学报》期刊2019年04期）
李军军,曹建农,廖娟,程贝贝,朱莹莹[10]（2019）在《多尺度对象高空间分辨率遥感影像谱聚类分割》一文中研究指出针对基于像素模型的单尺度或多尺度谱聚类影像分割方法在相似矩阵存储、特征分解效率及分割精度方面存在的不足。该文首先通过给定多组空间及光谱带宽参数,利用mean-shift初分割生成不同尺度的超像素对象层;然后联合像素与超像素对高空间分辨率影像中的不同类别地物进行的多尺度建模表达其空间拓扑关系,即在图割理论框架下建立"像素-超像素"联合的多尺度无向权图模型G(V,E,W),同时根据遥感影像纹理特征丰富的特点,在顶点相似性计算过程中融合纹理特征;最后使用基于normalized cut准则的谱聚类算法,对图模型划分得到最终分割结果。该方法较好地降低了基于像素的谱聚类分割方法的计算复杂度,同时提高分割结果准确率。标准测试数据集和"高分2号"遥感影像分割结果表明了该方法的有效性。(本文来源于《测绘科学》期刊2019年10期）
高空间分辨率论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
玉兔2号月球车在月面巡视探测中,因斜坡凹坑众多使得行驶滑移严重.导航点的精确定位是路径规划的前提,也是月球车安全行驶的保障.玉兔2号月球车月面行进采用大间距行进模式,相邻导航点之间大多相距7 m以上,使得前后站图像的缩放尺度差异较大,如何从前后站序列成像中选出最优配对图像以实现特征匹配与定位解算的全自动是导航点定位的关键.本文在分析站点距离和成像倾角对图像重迭度、重迭区尺度变换等因素影响的基础上,提出并建立了图像像素的空间分辨率(单个像素对应月面区域的尺寸)与摄影光线长度和观测面法线方向角的关系模型,给出了不同站点距离和成像距离条件下图像重迭与缩放的定量关系,设计了站点距离、最优配对图像和匹配可行性的计算策略,从根本上确立了站点距离与成像距离对导航点定位的影响关系.结合嫦娥四号任务数据,对上述模型和分析的有效性进行验证,确立了上述方法对工程任务的指导意义.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
高空间分辨率论文参考文献
[1].马长辉,黄登山.纹理与几何特征信息在高空间分辨率遥感影像分类中的应用[J].测绘地理信息.2019
[2].刘传凯,王泰杰,董卫华,苏建华,孙军.玉兔2号月球车大间距导航成像的空间分辨率建模分析[J].中国科学:技术科学.2019
[3].张国平.CT图像空间分辨率及其检测方法[J].智慧健康.2019
[4].毛学刚,竹亮,刘怡彤,姚瑶,范文义.高空间分辨率影像与SAR数据协同特征面向对象林分类型识别[J].林业科学.2019
[5].苏丹丹.DEM空间分辨率确定方法的研究进展刍议[J].科技与创新.2019
[6].姚丙秀,黄亮,许艳松.一种结合超像素和图论的高空间分辨率遥感影像分割方法[J].国土资源遥感.2019
[7].郝怀旭,万太礼,罗年学.利用OpenStreetMap数据进行高空间分辨率遥感影像分类[J].测绘通报.2019
[8].王瑞,耿建华,陈炜,杜召猛,张朝坤.重建技术对不同机型PET/CT图像空间分辨率的模型研究[C].中国医学装备大会暨2019医学装备展览会论文汇编.2019
[9].鞠量,彭斌,黄和,曾慧中,张万里.针尖-样品距离对近场扫描微波显微镜空间分辨率的影响[J].测试技术学报.2019
[10].李军军,曹建农,廖娟,程贝贝,朱莹莹.多尺度对象高空间分辨率遥感影像谱聚类分割[J].测绘科学.2019