A Fully Automatic Method to Extract Rare Earth Mining Areas from Landsat Images
A Fully Automatic Method to Extract Rare Earth Mining Areas from Landsat Images
复制标题
从陆地卫星图像中提取稀土矿区的全自动方法
DOI：
10.14358/pers.82.9.729
复制
发表时间：
2016-09
影响因子：
1.3
通讯作者：
Zhang Qiang
中科院分区：
文献类型：
--
作者：
Wu Bo;Fang Chaoyang;Yu Le;Huang Xin;Zhang Qiang
摘要通过综合多尺度、多方向差分形态特征，提出了一种新的形态挖掘特征指数(MMFI)，有效地将S地物从具有相似光谱信号和局部亮度对比度的其他地物中分离出来。MMFI通过突出REMA结构的形态特征，增强了稀土矿区(REMA S)的局部亮度对比度，改善了对具有与REMA S相似光谱特征的道路和裸土的识别能力。此外，提出了一种新的最大化直方图熵的阈值优化方法，无需样本采集和机器学习，即可从MMFI图像中自动提取REMA S。因此，它是一种适用于大面积REMA提取的全自动方法。为了验证该方法的有效性，以中国长汀县3幅时相陆地卫星图像为例进行了REMA信息提取。实验结果表明，与其他方法相比，该方法能够达到较好的分类精度。
Abstract This paper proposes a new morphological mining feature index ( mmfi ) by synthesizing multi-scale and multi-direction differential morphological profiles (DMPs) to effectively separate rema s from other land covers with similar spectral signals and local brightness contrast. The mmfi enhances the local brightness contrast of rare earth mining areas ( rema s) by highlighting the morphological characteristics of rema structure, and improves the identification of roads and bare soil, which have similar spectral signatures to rema s. Moreover, a new threshold optimization method that maximizes the histogram entropy is presented, whereby rema s can be automatically extracted from the mmfi image without sample collection and machine learning. Therefore, it is a fully automatic method suitable for rema extraction over large areas. To validate the proposed method, three temporal Landsat images acquired of Changting County, China, were used to extract rema information. Our results demonstrate that the proposed method can achieve good classification accuracy compared with other methods.
登录
查看更多内容
DOI：
--
发表时间：
2014
期刊：
--
影响因子：
--
作者：
Li Heng-ka
通讯作者：
Li Heng-ka
DOI：
10.1109/jstars.2011.2168195
发表时间：
2012-02-01
影响因子：
5.5
作者：
Huang, Xin;Zhang, Liangpei
通讯作者：
Zhang, Liangpei
影响因子：
1.3
作者：
Huang, Xin;Zhang, Liangpei
通讯作者：
Zhang, Liangpei
DOI：
10.1155/asp.2005.2196
发表时间：
2005-08-11
期刊：
EURASIP JOURNAL ON APPLIED SIGNAL PROCESSING
影响因子：
--
作者：
Jin, XY;Davis, CH
通讯作者：
Davis, CH
DOI：
10.1109/tpami.1985.4767640
发表时间：
1985-01-01
影响因子：
23.6
作者：
LEVINE, MD;NAZIF, AM
通讯作者：
NAZIF, AM