针对现有的高分辨率遥感影像面向对象分类确定最优分割尺度研究中,大多仅考虑了对象光谱特征而忽略了对象空间特征的局限性,采用RMNE(the ratio of mean difference to neighbors(Abs)to entropy)方法,以高分二号(GF-2)影像为数据源,利...
详细信息
针对现有的高分辨率遥感影像面向对象分类确定最优分割尺度研究中,大多仅考虑了对象光谱特征而忽略了对象空间特征的局限性,采用RMNE(the ratio of mean difference to neighbors(Abs)to entropy)方法,以高分二号(GF-2)影像为数据源,利用影像纹理信息熵作为对象内部同质性指标,对象光谱均值与邻域光谱均值差分绝对值作为对象之间异质性指标,并结合目视确定茶园最优分割尺度为170,进而利用面向对象分类方法实现了茶园提取。结果表明,基于RMNE方法确定最优分割尺度获取的分割结果,较为符合真实的茶园对象边界,并且该分割尺度下的茶园提取生产者精度达到96.76%,用户精度达到83.60%。
辐射度模型是虚拟植物冠层内光分布模拟的主要算法之一,针对其形状因子计算量大,辐射能量计算效率低等问题,提出了一种辐射度计算加速方法。以虚拟枇杷冠层内光分布模拟为例,利用均匀体素剖分场景包围盒及三维体素遍历方法进行光源与树模型之间的遮挡判断,同时结合CUDA技术使辐射度算法的形状因子求解并行化。采用归约求和算法和共享内存实现植物模型接受辐射总能量的快速求解。该方法较CPU串行方法有150多倍的加速比。将太阳直射光合有效辐射（photosynthetically active radiation,PAR）分布模拟结果与光线跟踪模型、传统辐射度模型模拟结果进行对比,天空散射PAR分布模拟结果与龟型算法、传统辐射度模拟对比。计算所得PAR值接近,变化趋势一致,表明该方法有较好的精度保证。
暂无评论