文章-世纪中文出版社

李晓斌1,2 江碧涛1 王生进2 《无线电研究》 2019年11期

摘要:

近年来,随着遥感成像技术的快速发展,高空间分辨率光学遥感图像的获取变得越来越便利。在需求的牵引和图像数据的支持下,光学遥感图像场景分类技术获得快速发展。基于主流英文期刊和会议发表的相关论文,从场景分类方法、分类性能评价准则和数据集、分类性能比较3个方面对光学遥感图像场景分类技术进行综述和比较。对于场景分类方法,按所用特征的不同将其分为基于人工设计特征和基于深度特征的方法并进行了详细论述。对于分类性能评价准则和数据集,重点介绍了常用的2种评价准则和4种数据集。对于分类性能,挑选多种有代表性的方法,对其分类性能进行比较和分析,并提出后续重点研究方向。

基于卷积网络的遥感图像建筑物提取技术研究下载：87 浏览：486

付发未建英张丽娜《软件工程研究》 2018年9期

摘要:

Mask RCNN是当前最高水平的实例分割算法,本文将该算法应用到高分辨率遥感图像建筑物提取中,提出了一种高效、准确的高分辨率遥感图像建筑物提取方法。首先,利用Tensorflow和Keras深度学习框架搭建Mask RCNN网络模型;然后,通过有监督学习方式在IAILD数据集上进行模型学习。利用训练出的模型对测试集进行建筑物提取实验,通过与基于KNN和SVM等建筑物提取方法对比可以看出,本文方法可以更加完整的、准确的提取出建筑物。采用m AP评价指标对实验结果进行定量评价,本文算法的查全率和查准率均大于对比算法,且多次实验中本文算法的m AP均在81%以上,验证了基于卷积网络的高分辨率遥感图像建筑物提取的有效性和准确性。

高光谱图像分类的融合分层深度网络联合稀疏表示算法下载：47 浏览：362

王军浩闫德勤刘德山闫汇聪《人工智能研究》 2020年8期

摘要:

在高光谱图像分类领域中每个像素的局部邻域一旦包含来自不同类别的样本,联合稀疏表示将受邻域内字典原子与测试样本之间同谱异类的影响,严重降低分类性能.根据高光谱图像的特点,文中提出融合分层深度网络的联合稀疏表示算法.在光谱和空间特征学习之间交替提取判别性光谱信息和空间信息,构建兼具空谱特征的学习字典,用于联合稀疏表示.在分类过程中将学习字典与测试样本间的相关系数与分类误差融合并决策.在两个高光谱遥感数据集上的实验验证文中算法的有效性.

Landsat 8 OLI-TIRS遥感影像云层去除的3种方法对比分析研究下载：48 浏览：421

刘姝岑冉菊《地理研究进展》 2020年7期

摘要:

遥感影像的拍摄会受到大气、环境等多方面的影响,遥感图像被部分的云覆盖也就不可避免了。为了检验云层去除的效果,采用云量达到28.18%的Landsat-8 OLI-TIRS卫星影像,通过去霾处理、同态滤波、傅立叶变换三种方式,对去除结果从定性和定量两个方面进行了评价。从信息熵、均值、标准差3个具体的定量指标来分析,去霾处理在云层去除方面的效果明显优于其它两种方式。

基于多输入密集连接神经网络的遥感图像时空融合算法下载：67 浏览：388

姚凯旋曹飞龙《人工智能研究》 2019年11期

摘要:

为了解决地表反射率遥感卫星Landsat和MODIS影像的时空融合问题,文中提出基于多输入密集连接网络的遥感图像时空融合算法.首先提出多输入的密集连接网络,学习包含连续时刻间差异信息的过渡遥感影像.基于差异相似假设,融合网络学习得到的2幅过渡影像与已知的2幅高空间分辨率影像,得到最终的预测影像.对Landsat遥感影像和MODIS遥感影像的融合实验表明,文中算法在各项定量指标中均较优,最终的预测图像也可表明,文中算法对噪声具有较好的鲁棒性,能较好地恢复细节信息.

基于深度密集网的多类多尺度遥感图像目标检测方法下载：32 浏览：329

刘东然郭冬滨戚永军《航空航天学报》 2020年9期

摘要:

遥感技术的飞速发展为我们获取空间分辨率越来越高的遥感图像提供了便利,但由于遥感图像中目标物体种类多,尺度变化大、排列方向任意等特点,目标检测依然是极具挑战的任务。本文提出了一种基于深度密集网的目标检测模型,该模型由多个密集块堆叠组成,不仅利用了隐式深度监督信息,还提取多层级、多尺度图像特征构建特征金子塔。通过在两个大规模的公开遥感影像数据集上进行的一系列实验和评价并与主流的目标检测方法进行比较,证明了该模型的有效性和优越性。

无人机遥感图像海上舰船目标识别技术的研究下载：144 浏览：2309

刘宇超《光电子进展》 2025年4期

摘要:

随着现代化技术以及信息化手段的高速发展，社会已经进入到了全新的发展进程中，这也为各大社会行业的发展起到了良好的促进作用，而目前的舰船目标识别技术，已经得到了较为全面的发展优化，无论是在军事领域还是民事领域当中都得到了较为广泛的应用。而通过舰船目标识别技术与无人机遥感技术之间的充分结合，已经成为了一种快速获取海上目标信息的重要措施。因此，文章首先对无人机遥感图像技术的发展展开深入分析；在此基础上，提出无人机遥感图像海上舰船目标识别技术的应用措施。

遥感图像特征提取与分类算法在自然灾害监测中的应用下载：165 浏览：2837

吴阳《光电子进展》 2024年4期

摘要:

本研究聚焦于遥感图像特征提取与分类算法在自然灾害监测中的应用，旨在探讨如何有效地利用遥感技术来提高自然灾害的监测和应对能力。遥感图像作为一种强大的数据源，具有广泛的应用潜力，可以为自然灾害的实时监测和预测提供宝贵信息。本研究将重点关注特征提取和分类算法的创新应用，以提高自然灾害监测的准确性和效率。本研究的主要目标是探索遥感图像特征提取与分类算法在自然灾害监测中的应用潜力。我们将介绍先进的特征提取技术，如卷积神经网络（CNN）和主成分分析（PCA），以及分类算法，如支持向量机（SVM）和深度学习模型，它们在自然灾害分类和定位中的作用。

基于YOLOv4算法的遥感图像军事目标检测系统下载：325 浏览：3246

刘大伟高树静《光电子进展》 2023年8期

摘要:

针对信息化战争中的军事目标检测问题，设计实现了一款基于深度学习的遥感图像军事目标检测系统。系统基于YOLOv4目标检测算法，首先通过构建飞机、油罐、立交桥、舰船这4类常见军事目标的数据集，并对数据进行训练得到4类目标的检测模型；然后使用Flask开发了基于检测模型的B/S系统，实现了4类军事目标的快速精准检测。通过对系统的准确性、检测速度等指标进行测试，结果显示该系统各项性能良好，可以满足军事目标检测任务需求。

基于深度学习的航空摄影测量技术分析及研究下载：81 浏览：1032

徐标《中国航空航天科学》 2024年8期

摘要:

本论文旨在探讨深度学习技术在航空摄影测量中的应用，以提高地图制图、地理信息系统和土地管理等领域的效率和精度。通过综合研究现有文献和技术，本文提出了深度学习在航空摄影测量中的三个关键应用方向，包括特征提取与匹配、三维重建和遥感图像分类。在每个应用方向中，分析了深度学习的具体方法和技术，并讨论了其优点和挑战。最后，本文强调了跨学科合作和国际合作的重要性，以推动深度学习在航空摄影测量中的应用。通过本文的研究，可以为相关领域的研究者提供有关深度学习技术的详尽信息，以指导未来的研究和实践。

基于激光光谱遥感图像处理的地理信息系统研究下载：83 浏览：832

武丹《信号处理与图像分析》 2024年2期

摘要:

本文研究了激光光谱遥感技术在地理信息系统（GIS）中的应用，探讨了其独特的优势如物质组成识别、植被分类和环境监测等。文章还介绍了激光光谱遥感图像的处理方法，并讨论了其在生态监测、城市规划与管理、灾害评估等领域的应用案例。同时，文章也指出了激光光谱遥感技术与GIS融合所面临的挑战，如数据处理速度、图像分辨率提升、跨平台数据整合以及数据精度和可靠性等问题。最后，文章展望了激光光谱遥感技术与GIS融合的发展前景，包括人工智能技术的应用、多源数据融合、精准农业和环境监测、城市规划和管理以及跨学科的融合发展等方面。

卫星遥感图像在油田污染物治理中的应用下载：152 浏览：1591

陆升阳《信号处理与图像分析》 2023年11期

摘要:

油田是重要的能源资源开发地区，但同时也是污染物排放的重要源头之一。因此，有效的油田污染物治理至关重要。卫星遥感技术作为一种远程监测手段，可以提供全面、实时的地表信息，为油田污染物治理提供有力支持。本文将探讨卫星遥感图像在油田污染物治理中的应用，包括污染源监测、环境监测、治理效果评估等方面，以供参考。

	在线客服
	客服电话：400-188-5008
	客服邮箱：service@ccnpub.com
	投诉举报：feedback@ccnpub.com

	在线客服：：点击联系客服
	联系电话：：400-188-5008
	客服邮箱：：service@ccnpub.com
	投诉举报：：feedback@ccnpub.com