Google Earth Engine(GEE)-MNDWI水体面积提取和统计分析OTSU算法(东江水库为例).pdf下载

weixin_39822095 2023-11-28 11:00:23
Google Earth Engine(GEE)——MNDWI水体面积提取和统计分析OTSU算法(东江水库为例)Otsu最大类间方差法原理 利用阈值将原图像分成前景,背景两个图象。 前景:用n1,csum,m1来表示在当前阈值下的前景的点数,质量矩,平均灰度 背景:用n2, sum-csum,m2来表示在当前阈值下的背景的点数,质量矩,平均灰度 当取最佳阈值时,背景应该与前景差别最大,关键在于如何选择衡量差别的标准,而在otsu算法中这个衡量差别的标准就是最大类间方差,在本程序中类间方差用sb表示,最大类间方差用fmax 关于最大类间方差法(otsu)的性能: 类间方差法对噪音和目标大小十分敏感,它仅对类间方差为单峰的图像产生较好的分割效果。 当目标与背景的大小比例悬殊时,类间方差准则函数可能呈现双峰或多峰,此时效果不好,但是类间方差法是用时最少的。 最大类间方差法(otsu)的公式推导: 记t为前景与背景的分割阈值,前景点数占图像比例为w0,平均灰度为u0;背景点数占图像比例为w1,平均灰度为u1。 则图像的总平均灰度为:u=w0*u0+w1*u1。 前景和背景 , 相关下载链接:https://download.csdn.net/download/qq_31988139/88528723?utm_source=bbsseo
...全文
191 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:该文档为一段基于Python的Streamlit与Google Earth EngineGEE)集成的应用程序代码,旨在构建一个名为“Sentinel-1 Flood Mapper”的交互式洪水监测工具。系统利用Sentinel-1卫星的合成孔径雷达(SAR)数据,通过时间序列影像对比实现洪涝区域自动识别。主要流程包括:用户输入研究区域(ROI)和事件前后时间范围,系统加载并预处理SAR影像,应用改进的Lee滤波去斑噪声,采用Otsu算法自动计算水体阈值,并结合坡度掩膜去除地形干扰,最终提取仅由洪水引起的新增水体范围,统计淹没面积并支持地图可视化与结果导出。; 适合人群:具备地理信息系统(GIS)、遥感技术背景或环境监测领域的科研人员、灾害应急管理人员以及熟悉Python编程和Earth Engine平台的开发者。; 使用场景及目标:①用于洪灾后的快速响应与损失评估,提供精确的淹没范围制图;②支持科研人员进行长时间序列水体动态监测;③为政府机构或非营利组织提供开源、可部署的自动化洪水分析工具。; 阅读建议:此资源以实际可运行代码形式呈现,建议结合Google Earth Engine账户配置进行本地调试,重点关注影像处理流程(如滤波、阈值分割)与前端交互逻辑的衔接,便于二次开发与功能扩展。

13,654

社区成员

发帖
与我相关
我的任务
社区描述
CSDN 下载资源悬赏专区
其他 技术论坛(原bbs)
社区管理员
  • 下载资源悬赏专区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧