检索结果-南通市图书馆

面向对象的多尺度加权联合稀疏表示的高空间分辨率遥感影像分类

在线全文

学校读者我要写书评

暂无评论

测绘学报 2022年第2期51卷 224-237页

作者：洪亮冯亚飞彭双云楚森森云南师范大学地理学部云南昆明650500 西部资源环境地理信息技术教育部工程研究中心云南昆明650500 云南省地理空间信息技术工程技术研究中心云南昆明650500 昆明市信息中心云南昆明650506 南京大学地理信息科学系江苏南京210023

针对高空间分辨率遥感影像中的地物具有多尺度特性,以及各个尺度的对象特征对地物分类精度的影响具有较强的尺度效性,并结合面向对象影像分析方法和多尺度联合稀疏表示方法在高空间分辨率遥感影像分类中的各自优点,提出了一种面向对象... 详细信息

针对高空间分辨率遥感影像中的地物具有多尺度特性,以及各个尺度的对象特征对地物分类精度的影响具有较强的尺度效性,并结合面向对象影像分析方法和多尺度联合稀疏表示方法在高空间分辨率遥感影像分类中的各自优点,提出了一种面向对象的多尺度加权稀疏表示的高空间分辨率遥感影像分类算法。首先,采用多尺度分割算法获得多尺度分割结果并提取对象的多尺度特征;然后,根据影像对象的多尺度分割质量测度计算各尺度的对象权重,构建面向对象的多尺度加权联合稀疏表示模型;最后,采用2个国产GF-2高空间分辨率遥感数据集和1个高光谱-高空间分辨率航空遥感数据集(WashingtonD.C.数据)验证该算法的有效性。试验结果表明,与SVM、像素级稀疏表示、单尺度和多尺度对象级稀疏表示和深度学习等算法相比较,本文算法获得了较高的OA和Kappa分类精度,提高了各个尺度地物的分类精度,有效抑止了地物分类结果中的椒盐噪声现象,同时保持大尺度地物的区域性和小尺度地物的细节信息。

关键词：高空间分辨率遥感影像面向对象多尺度分割对象莫兰指数加权联合稀疏表示

在线全文

学校读者我要写书评

暂无评论

南海海上搜救困难性评价

热带地理 2022年第7期42卷 1138-1147页

作者：左潇懿程亮楚森森吴洁张雪东南京大学地理与海洋科学学院自然资源部国土卫星遥感应用重点实验室江苏省地理信息技术重点实验室中国南海研究协同创新中心江苏省地理信息资源开发与利用协同创新中心江苏省软件新技术与产业化协同创新中心南京210023

为保障船舶海上航行安全,结合GIS与模糊层次分析法,从海上搜救的自然环境和人文搜救力量2个方面选取9个因子建立海上搜救困难性评价模型,对南海海上搜救困难性进行评价。结果表明:1)自然环境影响下,南海海域搜救困难性具有“V”字形分... 详细信息

为保障船舶海上航行安全,结合GIS与模糊层次分析法,从海上搜救的自然环境和人文搜救力量2个方面选取9个因子建立海上搜救困难性评价模型,对南海海上搜救困难性进行评价。结果表明:1)自然环境影响下,南海海域搜救困难性具有“V”字形分布的特点,由东北向西南难度等级逐渐降低。2)在人文搜救力量影响下,南海海域的搜救困难性整体呈“东北-西南条带式”,难度最大的区域主要位于南海东北―西南的连线上,呈不规则环状向连线两侧递减。3)综合两方面因素,南海部分岛屿周围搜救难度偏高,主要受台风等恶劣天气及远离搜救基地的影响,而远海海域搜救难度在整体上为“东北-西南递减式”空间分布格局,最高和较高的区域由研究区东北延伸至西南,然后向西北、东南两侧递减。总体而言,南海研究区中近21.1%的海域搜救难度≥7级,仍需加强对搜救力量的部署与建设。

关键词：南海海上搜救搜救困难性评价模糊层次分析法自然环境人文搜救力量

在线全文

学校读者我要写书评

暂无评论

基于光谱分层的浅海水深遥感反演方法

海洋学报 2023年第1期45卷 125-137页

作者：楚森森程亮程俭张雪东刘晋铭南京大学地理与海洋科学学院江苏南京210023 江苏省地理信息技术重点实验室江苏南京210023 中国南海研究协同创新中心江苏南京210023 自然资源部国土卫星遥感应用重点实验室江苏南京210023 军事科学院国防工程研究院北京100036

卫星水深反演是水深测量的一种重要手段,其中Stumpf比值算法和Lyzenga多项式算法应用广泛并诞生了大量改进算法,但这些算法没有顾及不同光谱的测深极限与适用范围,为此本文提出一种基于光谱分层的水深反演方法。首先,根据红、绿、蓝光... 详细信息

卫星水深反演是水深测量的一种重要手段,其中Stumpf比值算法和Lyzenga多项式算法应用广泛并诞生了大量改进算法,但这些算法没有顾及不同光谱的测深极限与适用范围,为此本文提出一种基于光谱分层的水深反演方法。首先,根据红、绿、蓝光谱对水体的穿透能力差异,提出一种基于影像本身的无参数光谱分层策略,提取红光层、绿光层、蓝光层;然后,根据不同光谱层的波段测深性能,分光谱层构建水深反演优化模型,获取浅海水深反演结果。以我国南沙海域长线礁和美属维尔京群岛巴克岛为实验区,本文方法对经典Stumpf比值算法和Lyzenga多项式算法进行改进后,水深均方根误差、平均绝对误差、平均相对误差分别降低了0.41~0.89 m、0.35~0.65 m、4%~19%,尤其在红光层,即水深较浅区域,平均相对误差降低了58%~149%,精度提升明显。因此,改进算法在提高卫星水深反演效果方面具有可行性和有效性。

关键词：多光谱浅海水深反演 Sentinel-2 Stumpf算法 Lyzenga算法光谱测深

基于软硬协作决策的半监督珊瑚礁底质分类方法

在线全文

学校读者我要写书评

暂无评论

海洋学报 2023年第4期45卷 154-164页

作者：于俊陈辉朱大明程亮段志鑫庄启智楚森森杨伟杜思雨昆明理工大学国土资源工程学院云南昆明650093 南京大学地理与海洋科学学院江苏南京210023

珊瑚礁底质分类对海洋资源开发和海洋生态环境保护起到至关重要的作用。目前,深度学习语义分割方法在遥感图像分类领域应用广泛,但在底质分类方面的研究较少。由于基于全监督深度学习的方法中逐像素标注标签的成本较高,不适用于大规模... 详细信息

珊瑚礁底质分类对海洋资源开发和海洋生态环境保护起到至关重要的作用。目前,深度学习语义分割方法在遥感图像分类领域应用广泛,但在底质分类方面的研究较少。由于基于全监督深度学习的方法中逐像素标注标签的成本较高,不适用于大规模、高频次的底质分类工作,基于半监督的深度学习方法能够有效利用已标注标签为无标签数据产生伪标签,从而有效降低人工成本,然而现有半监督方法的性能易受伪标签噪声的干扰。针对以上问题,本文提出了一种基于软硬协作决策的半监督底质分类方法。首先,利用多模型联合决策生成高质量的伪标签;然后,提出了一种能够顾及伪标签像素置信度的损失函数来指导模型进行训练;最后,采用软硬协作的决策方式得到精确的底质分类结果。在美属维尔京群岛圣克罗伊岛北部的巴克岛礁和夏威夷群岛的中途岛东南约400km处的珍珠与爱马仕环礁的浅层底栖生物栖息地地图数据集上评估了本文方法的精度,实验结果表明,本文提出的方法与全监督学习方法精度相当,比主流的语义分割方法精度平均高3.08%,能够有效服务于珊瑚礁底质调查工作。

关键词：珊瑚礁底质分类软硬协作语义分割半监督学习全监督学习遥感珊瑚礁卷积神经网络

在线全文

学校读者我要写书评

暂无评论

城市出行天空可视指数

武汉大学学报（信息科学版） 2021年第5期46卷 706-717页

作者：吴洁程亮楚森森阮晓光南京大学地理与海洋科学学院江苏南京210023 南京大学中国南海研究协同创新中心江苏南京210023 南京大学软件新技术与产业化协同创新中心江苏南京210023 南京大学江苏省地理信息技术重点实验室江苏南京210023

开阔的天空视野有利于营造舒适的城市出行体验,针对如何评价城市交通出行的天空可视能力这一问题,提出了城市出行天空可视指数(sky view index-urban transportation,SVI-UT)。采用4步走策略:街景全景照片获取;基于街景全景照片的天空... 详细信息

开阔的天空视野有利于营造舒适的城市出行体验,针对如何评价城市交通出行的天空可视能力这一问题,提出了城市出行天空可视指数(sky view index-urban transportation,SVI-UT)。采用4步走策略:街景全景照片获取;基于街景全景照片的天空视觉量计算;腾讯地图服务路径规划;城市出行天空可视指数各指标计算。以中国云南省昆明市中心城区为实验区,多角度衡量居民的城市出行天空可视能力。实验结果表明,SVI-UT为研究人在交通过程中对天空的视觉感知提供了一个新的理论和框架。从公共的街景和交通数据出发,提出了SVI-UT的定量计算框架,拓展了街景图像的实际应用。该指数可以从新的角度指导城市交通规划和城市建设,居民可通过选取SVI-UT值较高的线路和出行方式来提高出行舒适感。

关键词：城市出行天空可视指数街景照片天空视觉量计算交通路线规划

基于区域稀疏表示的高空间分辨率遥感影像分类研究

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于区域稀疏表示的高空间分辨率遥感影像分类研究

作者：楚森森云南师范大学

学位级别：硕士

近年来,遥感技术发展迅猛,高空间分辨率遥感影像(下面简称:高分影像)已经成为地理空间信息的主要数据源,目前广泛应用于测绘制图、城市规划、灾害监测、交通建设、资源环境、精细农业、国防、社会公共服务等领域。高分影像可以清晰地表... 详细信息

近年来,遥感技术发展迅猛,高空间分辨率遥感影像(下面简称:高分影像)已经成为地理空间信息的主要数据源,目前广泛应用于测绘制图、城市规划、灾害监测、交通建设、资源环境、精细农业、国防、社会公共服务等领域。高分影像可以清晰地表示地物的形状、空间分布和结构特征,但是也给高分影像智能化处理带来了新的问题和挑战。随着影像分辨率的提高,地物信息呈现高度细节化,丰富的高频细节使得类内光谱变化加剧和类间光谱差异减少,“同物异谱”和“异物同谱”大量发生。高分影像除了光谱信息还具有丰富的纹理、结构和形状特征,充分利用这些特征提高特征空间的模式可分性,一直是国内外学者研究的重点。但是并不是随着特征维数增加分类精度就相应提高,但相关研究表明随着特征向量维数急剧增加,在没有大量训练样本的情况下,就会引发所谓的“维数灾难”,特征向量维数增加反而会降低地物的分类精度。为了克服上述问题,更好的利用多维特征,本文结合面向对象影像分析方法和稀疏表示理论,提出一种适合高维特征的高分影像分类算法。由于稀疏表示和面向对象方法拥有完善的理论基础,已经广泛应用于信号处理、遥感影像分类和目标识别等领域。所以本文将对稀疏表示理论应用于高分影像分类进行了深入研究和探讨,并结合了面向对象方法,提出了一种的高分辨率遥感影像分类的新方法和新思路。本文主要研究内容如下:1、结合高分影像特点,分析了高分影像处理所面临的问题,阐述稀疏表示和面向对象影像分析方法的优势,并系统地介绍了稀疏表示理论和面向对象影像分析的基本原理和方法。2、总结了稀疏表示理论在图像分类方面的应用,根据稀疏表示在高光谱遥感影像分类中的应用,结合高分影像的地物几何结构和纹理信息明显的特点,提取高分影像多类型特征集(如:纹理、形状、结构、空间关系等特征),弥补了光谱特征的不足,最后采用稀疏表示方法进行多特征分类。3、提出了基于区域的稀疏表示算法。将稀疏表示理论的处理基元由像素级扩展到区域级,在高层次的影像分析中可以获得更丰富的信息,有利于影像处理。本文将基于区域的稀疏表示算法应用于高分影像分类,首先对高分影像进行区域分割,然后将区域内部像元特征组成一个特征集,基于特征字典,得出一个新的代表区域的特征,最后根据稀疏表示分类理论确定区域类别。本文选用三个高空间分辨率遥感数据集进行分类实验,分别为QuickBird卫星影像数据、HYDICE航空影像数据和IKONOS卫星影像数据,采用7种传统分类方法:最小距离分类、最大似然分类、神经网络算法、支持向量机、基于区域的神经网络、基于区域的支持向量机和传统稀疏表示分类,与本文基于区域的稀疏表示算法做对比分析,证明本文算法能获得较高的分类精度,并有效抑制了“维数灾难”的产生。4、提出基于多尺度区域的稀疏表示算法。由于高分影像地物形状和空间分布复杂,具有很强的多尺度性,因此本文进一步对单一尺度的区域稀疏表示扩展到多尺度区域稀疏表示,并提出一种新的多尺度区域稀疏表示分类算法:运用单尺度区域稀疏表示中的方法求出每个尺度各个区域代表特征,根据各个区域的局部莫兰指数和区域方差得出一个区域异质性指数,以区域异质性指数表示各个尺度的权重,采用加权稀疏表示理论完成高分影像分类。实验表明:相对于单尺度分类结果,基于多尺度区域稀疏表示的分类精度有了进一步的提高。

关键词：高空间分辨率遥感影像稀疏表示面向对象影像分割多尺度加权联合稀疏表示

顾及全局和局部最优的高分辨率遥感影像多尺度分割优化算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

遥感学报 2020年第12期24卷 1464-1475页

作者：洪亮楚森森彭双云许泉立云南师范大学旅游与地理科学学院昆明650500 云南师范大学西部资源环境地理信息技术教育部工程技术研究中心昆明650500 云南师范大学云南省地理空间信息技术工程技术研究中心昆明650500 云南师范大学云南省高校资源与环境遥感重点实验室昆明650500 南京大学地理信息科学系南京210023

遥感影像多尺度分割是面向对象影像分析方法(OBIA)的关键步骤,分割质量直接影响OBIA的分类精度,目前多尺度分割方法都很难让分割结果同时达到全局和局部最优。本文针对上述问题,提出一种新的顾及全局和局部最优的高分辨率遥感影像多尺... 详细信息

遥感影像多尺度分割是面向对象影像分析方法(OBIA)的关键步骤,分割质量直接影响OBIA的分类精度,目前多尺度分割方法都很难让分割结果同时达到全局和局部最优。本文针对上述问题,提出一种新的顾及全局和局部最优的高分辨率遥感影像多尺度分割优化算法。该算法主要包括:(1)采用局部方差准则获得多尺度分割的全局最优分割尺度。(2)对全局最优分割尺度中的过分割和欠分割对象进行优化处理,获得局部最优分割结果。(3)将局部最优化分割结果与全局最优分割结果进行融合,获得最终的多尺度优化分割结果。本文采用2个QuickBird遥感影像进行实验,验证该算法的有效性,并对实验结果进行定性和定量分析,结果表明:(1)从视觉效果来看,优化后的分割结果具有更准确的分割边界,大尺度的地物保持较好的区域性,小尺度的地物保持了更多细节。(2)从定量评价指标(RR、RI和ARI)分析:在实验1中,该算法比全局最优分割尺度的RR\RI\ARI分别提高了2.1%,2.4%,30.2%,比基于K均值优化算法分别提高了8.3%,0.1%,8.1%,比融合边界优化算法分别提高了0.7%,0.4%,17.6%;在实验2中,该算法比全局最优分割尺度的RR\RI\ARI分别提高了4.5%,2.7%,29.3%,比基于K均值优化算法分别提高了17%,0.8%,8.4%,比融合边界优化算法分别提高了1.7%,2.5%,17.2%。(3)相对典型分割算法,该算法的优化结果达到了局部和全局最优;相对其他多尺度分割优化算法,该算法同时减少了欠分割和过分割对象。

关键词：遥感高分辨率遥感影像多尺度分割局部莫兰指数空间统计指数优化算法

融合像素—多尺度区域特征的高分辨率遥感影像分类算法

在线全文

学校读者我要写书评

暂无评论

遥感学报 2015年第2期19卷 228-239页

作者：刘纯洪亮陈杰楚森森邓敏云南师范大学旅游与地理科学学院云南昆明650500 西部资源环境地理信息技术教育部工程研究中心云南昆明650500 中南大学地球科学与信息物理学院地理信息系湖南长沙410083 中国矿业大学江苏省资源环境信息工程重点实验室江苏徐州221000

针对基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象和面向对象影像分析方法的"平滑地物细节"现象,提出了一种融合像素特征和多尺度区域特征的高分辨率遥感影像分类算法。(1)首先采用均值漂移算法对原始影像进行初始过分割,... 详细信息

针对基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象和面向对象影像分析方法的"平滑地物细节"现象,提出了一种融合像素特征和多尺度区域特征的高分辨率遥感影像分类算法。(1)首先采用均值漂移算法对原始影像进行初始过分割,然后对初始过分割结果进行多尺度的区域合并,形成多尺度分割结果。根据多尺度区域合并RMI指数变化和分割尺度对分类精度的影响,确定最优分割尺度。(2)融合光谱特征、像元形状指数PSI(Pixel Shape Index)、初始尺度和最优尺度区域特征,并对多类型特征进行归一化,最后结合支持向量机(SVM)进行分类。实验结果表明该算法既能有效减少基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象,又能保持地物对象的完整性和地物细节信息,提高易混淆类别(如阴影和街道,裸地和草地)的分类精度。

关键词：高分辨率遥感影像融合多尺度像元形状指数支持向量机

融合边界信息的高分辨率遥感影像分割优化算法

在线全文

学校读者我要写书评

暂无评论

中国图象图形学报 2016年第8期21卷 1096-1105页

作者：楚森森洪亮陈杰邓敏杨昆刘纯云南师范大学旅游与地理科学学院昆明650500 西部资源环境地理信息技术教育部工程研究中心昆明650500 中南大学地球科学与信息物理学院地理信息系长沙410083

目的针对目前区域分割算法获取的区域边界与真实地物边界不一致问题,利用高分辨率遥感影像地物内具有均质性和地物间边缘信息突出的特点,提出一种融合边界信息的高分辨率遥感影像分割优化算法。方法首先采用Canny算法对遥感影像进行边... 详细信息

目的针对目前区域分割算法获取的区域边界与真实地物边界不一致问题,利用高分辨率遥感影像地物内具有均质性和地物间边缘信息突出的特点,提出一种融合边界信息的高分辨率遥感影像分割优化算法。方法首先采用Canny算法对遥感影像进行边缘提取并进行边缘连接处理,产生闭合边界;然后将边界与初始分割结果进行融合处理,获得新的分割结果;最后在闭合边界约束下,基于灰度相似性准则对新的分割结果进行区域合并,获得优化后的最终分割结果。结果采用本文提出的分割优化算法对Mean Shift算法和eCognition软件获得的分割结果进行优化处理,优化后的分割结果与初始分割结果相比正确分割率(RR)平均提高了4%,验证了本文算法的有效性。结论该优化算法适用性广,可优化基于区域、基于边界和基于聚类等多种分割方法,同时该算法既能保持高分辨率遥感影像分割的区域完整性,又能保持地物边缘细节特征,提高了分割精度。

关键词：高分辨率影像影像分割边缘特征融合区域合并