检索结果-南通市图书馆

高/多光谱遥感图像超分辨率融合研究进展与展望

在线全文

学校读者我要写书评

暂无评论

测绘学报 2023年第7期52卷 1074-1089页

作者：张兵高连如李嘉鑫洪丹枫郑珂中国科学院空天信息创新研究院北京100094 中国科学院大学资源与环境学院北京100049 中国科学院计算光学成像技术重点实验室北京100094

高光谱图像作为多模态遥感数据的重要组成部分,能够捕捉地物精细的光谱特征。由于成像机理的限制,空间细节的损失导致高光谱图像的空间表征能力有所退化,一定程度上限制了数据进一步应用的潜力。数据融合是解决空间/光谱分辨率矛盾的有... 详细信息

高光谱图像作为多模态遥感数据的重要组成部分,能够捕捉地物精细的光谱特征。由于成像机理的限制,空间细节的损失导致高光谱图像的空间表征能力有所退化,一定程度上限制了数据进一步应用的潜力。数据融合是解决空间/光谱分辨率矛盾的有效手段,近年来相关理论得到了深入发展。本文全面综述了高/多光谱遥感图像超分辨率融合领域的研究进展与展望。首先,将当前方法系统性地分为细节注入、模型优化及深度学习3大类方法,并对不同方法的原理、模型、代表性算法进行了回顾,重点介绍了模型优化中的矩阵分解、张量表示及深度学习中的监督与非监督方法。在此基础上,梳理了该领域技术在像素级分类、目标提取、在轨融合领域的成功应用案例,指出融合产品的潜能在后续遥感应用未被充分挖掘的现状;然后,从退化模型、数据-模型驱动、多任务一体化及应用耦合4个角度对该领域进行展望;最后,就该领域的研究现状与发展趋势进行总结,归纳各类方法优劣势的同时,点明了多类方法协同、外部数据辅助及实际应用驱动等方面的重要性。

关键词：多模态高光谱多光谱数据融合

维普期刊数据库博看期刊

结合深度学习和超像元的高分遥感影像变化检测

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 2020年第6期25卷 1271-1282页

作者：王艳恒高连如陈正超张兵上海海洋大学信息学院上海201306 中国科学院空天信息创新研究院数字地球重点实验室北京100094 中国科学院大学环境与资源学院北京100049

目的随着遥感影像空间分辨率的提升,相同地物的空间纹理表现形式差异变大,地物特征更加复杂多样,传统的变化检测方法已很难满足需求。为提高高分辨率遥感影像的变化检测精度,尤其对相同地物中纹理差异较大的区域做出有效判别,提出结合... 详细信息

目的随着遥感影像空间分辨率的提升,相同地物的空间纹理表现形式差异变大,地物特征更加复杂多样,传统的变化检测方法已很难满足需求。为提高高分辨率遥感影像的变化检测精度,尤其对相同地物中纹理差异较大的区域做出有效判别,提出结合深度学习和超像元分割的高分辨率遥感影像变化检测方法。方法将有限带标签数据分割成切片作训练样本,按照样本形式设计一个多切片尺度特征融合网络并对其训练,获得测试图像的初步变化检测结果;利用超像元分割算法将测试图像分割成许多无重叠的同质性区域,并将分割结果与前述检测结果叠合,得到带分割标记的变化检测结果;用举手表决算法统计带分割标记的变化检测结果中超像元的变化状况,得到最终变化检测结果。结果在变化检测实验结果中,本文提出的多切片尺度特征融合卷积网络模型在广东数据集和香港数据集上,优于单一切片尺度下卷积神经网络模型,并且结合超像元的多切片尺度特征融合卷积网络模型得到的Kappa系数分别达到80%和82%,比相应的非超像元算法分别提高了6%和8%,在两个测试集上表现均优于长短时记忆网络、深度置信网络等对比算法。结论本文提出的卷积神经网络变化检测方法可以充分学习切片的空间信息和其他有效特征,避免过拟合现象;多层尺度切片特征融合的方法优于单一切片尺度训练神经网络的方法;结合深度学习和超像元分割算法,检测单元实现了由切片到超像元的转变,能对同物异谱的区域做出有效判决,有利于提升变化检测精度。

关键词：高分辨率遥感影像变化检测深度学习超像元多切片尺度特征融合

融合简单线性迭代聚类的高光谱混合像元分解策略

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2015年第17期31卷 199-206页

作者：张飞飞孙旭薛良勇高连如刘长星西安科技大学测绘科学与技术学院西安710054 中国科学院遥感与数字地球研究所北京100094 中国矿业大学计算机科学与技术学院徐州221116

高光谱图像中的混合像元问题广泛存在,混合像元的分解效率一直是遥感应用研究的难点和热点。目前成熟的端元提取算法有纯像元指数（pure pixel index,PPI）、内部最大体积法（N-FINDR）、顶点成分分析（vertex component analysis,VCA... 详细信息

高光谱图像中的混合像元问题广泛存在,混合像元的分解效率一直是遥感应用研究的难点和热点。目前成熟的端元提取算法有纯像元指数（pure pixel index,PPI）、内部最大体积法（N-FINDR）、顶点成分分析（vertex component analysis,VCA）、顺序最大角凸锥（sequential maximum angle convex cone,SMACC）、交替最大体积法（alternating volume maximization,AVMAX）、最小体积封闭单形体（minimum volume enclosing simplex,MVES）等,这些算法从图像所有像元中提取纯光谱,具有提取速度慢、精度不高的缺点。为此,该文引入了一种融合简单线性迭代聚类（simple linear iterative clustering,SLIC）超像元分割的高光谱混合像元分解算法。超像元分割技术能够将具有相似特征的相邻像元组成图像块,并保留进一步进行图像处理的有效信息,从而大幅减少参与端元提取的像元数量,为解决上述问题提供了有效的途径。通过试验对比了降维方式（主成分分析和最大噪声分数）、RGB对应关系（6种）、色彩空间RGB（red,green,blue）和LAB（lightness-A-B）、数据格式（JPG,BIN）和算法参数K对高光谱图像超像元分割结果的影响,并进一步分析了SLIC超像元分割结果对2种典型端元提取算法（AVMAX、MVES）产生的不同效果。试验结果表明,随着K值的增大,混合像元分解的时间逐渐增加,均方根误差（root mean square error,RMSE）持平或减少,而JPG（有损压缩）数据格式的时间始终比BIN（无损压缩）数据格式的要短。SLIC＋MVES的RMSE略高于MVES的RMSE,低于AVMAX的RMSE,但时间远小于MVES。当K足够大的时候,SLIC＋MVES的效果就近似MVES的效果了。在大部分情况下,最大噪声分数的降维效果优于主成分分析。以最大噪声分数作为降维方法、以JPG作为数据格式、以LAB作为色彩空间对混合像元分解结果较为有利。另外,SLIC的参数K的取值在5-10之间较为合适。该研究中的SLIC超像元分割算法简单易行,并且提高了混合像元分解的效率,具备很好的实用价值。

关键词：像元光谱分析算法简单线性迭代聚类超像元

在线全文

学校读者我要写书评

暂无评论

“高分四号”卫星正射校正精度分析

航天返回与遥感 2019年第1期40卷 74-82页

作者：马冯孙旭高连如付晨罡长安大学地球科学与资源学院西安710054 中国科学院遥感与数字地球研究所数字地球重点实验室北京100101 中国电子科技集团公司航天信息应用技术重点实验室石家庄050081 北京理工大学信息与电子学院北京100081

探究"高分四号"(GF-4)卫星影像在无精确控制点情况下进行基于有理函数模型的正射校正时,地形因素、参考影像以及高程数据对其结果的精度影响,并给出最适合GF-4卫星正射校正的经验性结论;文章分别对不同地形、不同分辨率的Landsat8参考... 详细信息

探究"高分四号"(GF-4)卫星影像在无精确控制点情况下进行基于有理函数模型的正射校正时,地形因素、参考影像以及高程数据对其结果的精度影响,并给出最适合GF-4卫星正射校正的经验性结论;文章分别对不同地形、不同分辨率的Landsat8参考影像以及不同分辨率的DEM数据进行正射校正实验,并从自动生成的控制点个数以及均方根误差两方面进行了精度分析。结果表明基于有理函数模型的正射校正对于不同的地形有着不同的校正效果,山地整体效果上略好于平原与城市;参考影像的全色波段与GF-4卫星影像的空间分辨率比例在0.8～1.0之间时,正射校正效果最佳;DEM对于GF-4卫星影像垂直方向正射校正效果显著,且分辨率越高校正效果越好。GF-4卫星影像的正射校正精度高低不仅与自身图像所包含的地形地貌有关,而且其参考影像与DEM数据的分辨率也会对精度有影响,宜选用分辨率相近的参考影像以及较高分辨率的DEM数据参与GF-4卫星的正射校正。

关键词： “高分四号”卫星正射校正有理多项式系数有理函数模型航天遥感应用

灰度共生矩阵和模糊分类的高分辨率光学影像欠发达村落提取

在线全文

学校读者我要写书评

暂无评论

测绘通报 2015年第8期 25-29,45页

作者：梁晓莉李利伟程钢高连如河南理工大学矿山空间信息技术国家测绘地理信息局重点实验室河南焦作454000 中国科学院遥感与数字地球研究所数字地球科学重点实验室北京100094

欠发达村落是城市化过程中的敏感因子,与城市中其他地物相比变化更加迅速明显。因此,及时掌握这些村落的数量和分布信息对城市规划和可持续发展至关重要。高分辨率光学影像能够提供大量的地面细节信息,广泛应用于土地利用/覆盖信息的自... 详细信息

欠发达村落是城市化过程中的敏感因子,与城市中其他地物相比变化更加迅速明显。因此,及时掌握这些村落的数量和分布信息对城市规划和可持续发展至关重要。高分辨率光学影像能够提供大量的地面细节信息,广泛应用于土地利用/覆盖信息的自动提取。目前这方面的研究已经取得了一定的成果,但是,对于形态结构多样且易与其他地物混淆的欠发达村落的研究很少。本文利用灰度共生矩阵和模糊分类理论相结合的方法进行欠发达村落信息的提取。首先,根据研究区域特点构建类别体系并进行样本的采集;然后,基于灰度共生矩阵理论对每个样本提取不同类别、不同尺度的纹理特征;最后,利用模糊理论实现研究区域地物的分类。为验证算法的有效性和普适性,利用京津地区的验证样本和截取的高分辨率遥感影像进行试验。试验得到的最高精度为93.3%,表明本算法可以有效实现高分辨率光学影像中欠发达村落的提取。

关键词：欠发达村落高分辨率光学影像灰度共生矩阵模糊分类

在线全文

学校读者我要写书评

暂无评论

高光谱影像端元提取算法的进展分析与比较

遥感技术与应用 2015年第6期30卷 1195-1205,1214页

作者：苏远超孙旭高连如陈晓宁西安科技大学测绘科学与技术学院陕西西安710054 中国科学院遥感与数字地球研究所北京100094

对当前国际经典和前沿的6种代表性的端元提取算法进行比较研究,包括SPP-N-FINDR、VCA、SPICE、PCOMMEND、MVSA和MVC-NMF,通过理论和实验两种方式对这些算法进行综合性对比和分析,总结其优势和存在的问题。通过模拟和真实数据实验得出:SP... 详细信息

对当前国际经典和前沿的6种代表性的端元提取算法进行比较研究,包括SPP-N-FINDR、VCA、SPICE、PCOMMEND、MVSA和MVC-NMF,通过理论和实验两种方式对这些算法进行综合性对比和分析,总结其优势和存在的问题。通过模拟和真实数据实验得出:SPP-N-FINDR算法的抗噪声能力不如其他5种算法;VCA和MVSA的稳定性较好;MVC-NMF和SPICE无需知道端元数目,且能直接得出丰度矩阵,自动化程度较高;PCOMMEND在真实高光谱图像中提取端元的结果最好,能直接得出丰度矩阵,但若端元数量为素数时精度会下降。研究成果将为今后围绕这些算法的相关研究提供必要的理论支持和参考。

关键词：高光谱混合像元分解端元提取

结合超像元和子空间投影支持向量机的高光谱图像分类

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 2018年第1期23卷 95-105页

作者：冉琼于浩洋高连如李伟张兵北京化工大学北京100029 中国科学院遥感与数字地球研究所北京100094 中国科学院大学北京100049

目的高光谱图像包含了丰富的空间、光谱和辐射信息,能够用于精细的地物分类,但是要达到较高的分类精度,需要解决高维数据与有限样本之间存在矛盾的问题,并且降低因噪声和混合像元引起的同物异谱的影响。为有效解决上述问题,提出结合超... 详细信息

目的高光谱图像包含了丰富的空间、光谱和辐射信息,能够用于精细的地物分类,但是要达到较高的分类精度,需要解决高维数据与有限样本之间存在矛盾的问题,并且降低因噪声和混合像元引起的同物异谱的影响。为有效解决上述问题,提出结合超像元和子空间投影支持向量机的高光谱图像分类方法。方法首先采用简单线性迭代聚类算法将高光谱图像分割成许多无重叠的同质性区域,将每一个区域作为一个超像元,以超像元作为图像分类的最小单元,利用子空间投影算法对超像元构成的图像进行降维处理,在低维特征空间中执行支持向量机分类。本文高光谱图像空谱综合分类模型,对几何特征空间下的超像元分割与光谱特征空间下的子空间投影支持向量机(SVMsub),采用分割后进行特征融合的处理方式,将像元级别转换为面向对象的超像元级别,实现高光谱图像空谱综合分类。结果在AVIRIS(airbone visible/infrared imaging spectrometer)获取的Indian Pines数据和Reflective ROSIS(optics system spectrographic imaging system)传感器获取的University of Pavia数据实验中,子空间投影算法比对应的非子空间投影算法的分类精度高,特别是在样本数较少的情况下,分类效果提升明显;利用马尔可夫随机场或超像元融合空间信息的算法比对应的没有融合空间信息的算法的分类精度高;在两组数据均使用少于1%的训练样本情况下,同时融合了超像元和子空间投影的支持向量机算法在两组实验中分类精度均为最高,整体分类精度高出其他相关算法4%左右。结论利用超像元处理可以有效融合空间信息,降低同物异谱对分类结果的不利影响;采用子空间投影能够将高光谱数据变换到低维空间中,实现有限训练样本条件下的高精度分类;结合超像元和子空间投影支持向量机的算法能够得到较高的高光谱图像分类精度。

关键词：高光谱图像图像分类子空间投影超像元支持向量机

结合空间光谱预处理和约束非负矩阵分解的高光谱图像混合像元分解

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 2017年第4期22卷 542-550页

作者：彭倩张兵孙旭高连如于文博中国科学院遥感与数字地球研究所北京100094 郑州大学信息工程学院郑州450001

目的混合像元问题在高光谱遥感图像处理分析中普遍存在,非负矩阵分解的方法被引入到高光谱图像解混中。本文提出结合空间光谱预处理和约束非负矩阵分解的混合像元分解流程。方法结合空间光谱预处理的约束非负矩阵分解,如最小体积约束、... 详细信息

目的混合像元问题在高光谱遥感图像处理分析中普遍存在,非负矩阵分解的方法被引入到高光谱图像解混中。本文提出结合空间光谱预处理和约束非负矩阵分解的混合像元分解流程。方法结合空间光谱预处理的约束非负矩阵分解,如最小体积约束、流行约束等,通过加入邻域的空间和光谱信息进行预处理获得更优的预选端元,从而对非负矩阵分解的解混结果进行优化。结果在5组不同信噪比的模拟数据实验中,空间预处理(SPP)和空间光谱预处理(SSPP)均能够有效提高约束非负矩阵分解(最小体积约束的非负矩阵分解和图正则非负矩阵分解)的解混结果,其中SPP在不同信噪比的情况下都能优化约束非负矩阵分解的结果,而SSPP在低信噪比的情况下,预处理效果更佳。利用美国内华达州Cuprite矿区数据进行真实数据实验,SPP提高了约束非负矩阵分解的解混精度,而SSPP在复杂场景下,解混精度更佳。模拟数据和真实数据的实验均表明,空间光谱预处理能够有效地提高约束非负矩阵分解的解混精度,特别是对于信噪比较低的情况下,融合空间和光谱信息对噪声有很好的鲁棒性。结论本文对约束非负矩阵分解的解混算法添加空间光谱预处理,利用高光谱遥感数据的空间和光谱信息,优化预选端元,加入空间光谱预处理的非负矩阵解混实验流程,在复杂场景情况下,对噪声具有较好的鲁棒性。

关键词：高光谱图像混合像元分解非负矩阵分解空间光谱预处理光谱混合分析

在线全文

学校读者我要写书评

暂无评论

遥感大数据智能解译的地理学认知模型与方法

测绘学报 2022年第7期51卷 1398-1415页

作者：张兵杨晓梅高连如孟瑜孙显肖晨超倪丽中国科学院空天信息创新研究院北京100094 中国科学院大学北京100049 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室北京100101 中国科学院计算光学成像技术重点实验室北京100094 国家遥感应用工程技术研究中心北京100101 自然资源部国土卫星遥感应用中心北京100048

随着遥感数据和计算机算力的爆炸式增长、智能分析算法瓶颈的突破,亟须提升与之相匹配的遥感大数据处理与分析能力。针对复杂场景下遥感大数据智能处理与地理学认知耦合关联和交叉融合的关键问题,本文分析了遥感大数据与地理科学各自的... 详细信息

随着遥感数据和计算机算力的爆炸式增长、智能分析算法瓶颈的突破,亟须提升与之相匹配的遥感大数据处理与分析能力。针对复杂场景下遥感大数据智能处理与地理学认知耦合关联和交叉融合的关键问题,本文分析了遥感大数据与地理科学各自的特点与相互关系,提出了多模态知识融合关联的深度网络构建和面向地理制图的遥感智能解译思路,建立了遥感大数据智能处理与应用体系框架;面向技术发展和行业应用,本文提出了分别建设通用高分辨率遥感智能处理系统和智能精准应用平台的总体路线,以期推动遥感智能解译技术创新和工程化应用的全面发展。

关键词：遥感大数据地理学智能图像处理国土资源调查