检索结果-南通市图书馆

基于机载高光谱影像的农田尺度土壤有机碳密度制图

在线全文

学校读者我要写书评

暂无评论

遥感学报 2024年第1期28卷 293-305页

作者：刘潜王梦迪郭龙王冉贾中甫胡献君唐乾坤石铁柱深圳大学自然资源部大湾区地理环境监测重点实验室&广东省城市空间信息工程重点实验室&深圳市空间信息智能感知与服务重点实验室深圳518060 华中农业大学资源与环境学院武汉430070 内蒙古自治区测绘地理信息中心呼和浩特010020 海军工程大学武汉430032 自然资源部第三航测遥感院&四川测绘地理信息局成都610100

准确监测土壤有机碳密度SOCD(Soil Organic Carbon Density)对调控土壤碳汇、合理利用土壤资源具有重要意义。机载高光谱影像为精细化SOCD制图提供了重要数据源。由于机载高光谱在数据收集过程中易受到外部因素的影响,光谱中存在噪声影... 详细信息

准确监测土壤有机碳密度SOCD(Soil Organic Carbon Density)对调控土壤碳汇、合理利用土壤资源具有重要意义。机载高光谱影像为精细化SOCD制图提供了重要数据源。由于机载高光谱在数据收集过程中易受到外部因素的影响,光谱中存在噪声影响SOCD的估算精度。因此,本研究旨在探究基于机载高光谱影像估算SOCD的技术流程。对原始光谱进行预处理,包括一阶微分FD(First Derivative)和包络线去除CR(Continuum Removal)变换。采用遗传算法GA(Genetic Algorithm)选择特征波段,并结合不同回归方法,如偏最小二乘回归PLSR(Partial Least Square Regression)、多元线性回归MLR(Multiple Linear Regression)、支持向量机SVM(Support Vector Machine)和人工神经网络ANN(Artificial Neural Network)估算SOCD。结果表明,在经过GA特征波段选择后,原始光谱、FD光谱和CR光谱预测SOCD的精度均有所提高。使用原始光谱特征波段,PLSR、MLR、SVM和ANN共4种模型预测SOCD的决定系数R~2分别为0.672、0.621、0.551和0.678。使用FD与CR光谱特征波段的R~2范围分别在0.452—0.593和0.332—0.602,具有较大的误差。利用原始光谱的特征波段进行SOCD数字制图,不同回归模型预测的SOCD在空间上具有较为相似的变化趋势,与SOCD测量值较为相近,绝对误差较大的点多出现在采样点边缘附近。

关键词：土壤有机碳密度机载高光谱遗传算法数字土壤制图

基于方向相位稠密特征的多传感器遥感影像配准方法和系统

在线全文

学校读者我要写书评

暂无评论

遥感学报 2024年第6期28卷 1525-1538页

作者：叶沅鑫王蒙蒙杨超喻智睿葛旭明西南交通大学地球科学与工程学院成都611756

针对多传感器遥感影像间因显著几何畸变和非线性灰度差异造成的配准困难问题,本文提出了一种基于结构相似性的快速精确配准方法。首先,为构建多传感器影像间的稳健结构特征,本文引入光照和对比度不变性的相位一致性模型,利用相位一致性... 详细信息

针对多传感器遥感影像间因显著几何畸变和非线性灰度差异造成的配准困难问题,本文提出了一种基于结构相似性的快速精确配准方法。首先,为构建多传感器影像间的稳健结构特征,本文引入光照和对比度不变性的相位一致性模型,利用相位一致性特征值和特征方向,构建了一种逐像素的三维结构特征描述符—方向相位稠密特征DFOP(Dense Feature of Orientated Phase)。该特征描述符通过捕捉影像的几何结构分布,能够有效抵抗多传感器影像间的灰度差异;其次,基于模板匹配的策略,将DFOP描述符变换到频率域,并进行快速子像素精度匹配,从而研制出了一种快速鲁棒的多传感器遥感影像配准系统;最后,通过利用多种地貌类型的多传感器遥感影像对所提出的方法进行测试。测试结果表明,相较于其他基于灰度或结构特征的匹配方法,本研究提出的DFOP方法能够获得更高的匹配正确率,且所开发的配准系统也优于商业软件ENVI以及ERDAS的配准模块。

关键词：多传感器遥感影像影像配准相位一致性方向相位稠密特征影像配准系统

神经辐射场应用于大规模实景三维场景可视化研究进展

在线全文

学校读者我要写书评

暂无评论

遥感学报 2024年第5期28卷 1242-1261页

作者：赵强佘江峰万奇峰贺丽霞李思睿吴双品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南京210023 商丘师范学院测绘与规划学院河南省农业遥感大数据发展创新实验室河南省黄河故道生态保护与治理工程技术研究中心商丘476000

地理实景三维场景是重要的国家数字基础设施,其将地理信息从传统二维平面扩展到信息更丰富更全面的三维空间,数据以显式三维模型的形式存储表达。然而,经典的显式三维模型具有数据量大、可视化效果粗糙等问题,在一定程度上限制了实景三... 详细信息

地理实景三维场景是重要的国家数字基础设施,其将地理信息从传统二维平面扩展到信息更丰富更全面的三维空间,数据以显式三维模型的形式存储表达。然而,经典的显式三维模型具有数据量大、可视化效果粗糙等问题,在一定程度上限制了实景三维模型的实际应用。神经辐射场NeRF(Neural Radiance Field)是一种基于神经隐式立体表达(Neural Implicit Volume Representing)进行可微渲染(Differentiable Rendering)以实现高质量视图合成的新方法,由Mildenhall等(2020)首次提出,以其逼真的视图合成效果与新颖的实现方式成为计算机视觉领域的热点研究方向。自NeRF提出以来,国内外爆发式涌现出大量有关神经辐射场的研究文献,主要聚集于可视化效果的生成方法研究,兼有少量将其用于大规模实景三维场景可视化研究探索。本文回顾了神经辐射场提出的背景,概述了神经辐射场及其在大规模实景三维可视化方面的研究进展,分析了目前利用神经辐射场进行大规模实景三维场景可视化研究中被关注的无边界场景、锯齿效果、瞬态遮挡、光度一致性、场景重照明与可见性场等问题,指出了目前研究在多源数据融合、视觉效果优化、虚拟环境感知等方面面临的挑战,对未来值得进一步深入探索的方向进行了展望。

关键词：遥感神经辐射场视图合成隐式立体表达计算机视觉虚拟地理环境

在线全文

学校读者我要写书评

暂无评论

稠密连接递归特征金字塔的遥感目标检测算法

遥感学报 2024年第6期28卷 1602-1614页

作者：吕奕龙李敏吴肇青何玉杰火箭军工程大学作战保障学院西安710025

针对遥感目标检测中,目标尺寸较小、相似地物易混淆和背景复杂干扰大等问题,提出了一种基于稠密连接递归特征金字塔的遥感目标检测算法。首先,为充分利用遥感图像特征对特征融合模式进行了改进,利用典型相关分析CCA(Canonical Correlati... 详细信息

针对遥感目标检测中,目标尺寸较小、相似地物易混淆和背景复杂干扰大等问题,提出了一种基于稠密连接递归特征金字塔的遥感目标检测算法。首先,为充分利用遥感图像特征对特征融合模式进行了改进,利用典型相关分析CCA(Canonical Correlation Analysis),取代较为简单的逐像素相加融合模式,增强特征融合有效性;其次,为加强对小尺度目标的特征提取加入多感受野机制,利用不同尺寸的空洞卷积提取并融合不同感受野的特征,增强网络感知力;接着,为解决遥感多尺度目标泛化问题对特征递归形式进行改进,引入稠密连接结构,增强特征融合密度,充分利用骨干网络与高低层特征信息;最后,在前文基础上构建稠密连接递归特征金字塔模型DR-FPN(Densely-connected Recursive Feature Pyramid Network),并利用融合信息实现对遥感目标的精准定位。实验结果表明,在通用数据集MS-COCO2017上,使用本文金字塔模型平均精度可以提升9.9%;在遥感数据集NWPU VHR上,使用本文算法平均精度可以提升1.1%;在遥感数据集DIOR上,使用本文算法平均精度可以提升2.2%,超过其他特征金字塔模型和检测算法;在大规模遥感数据集DOTA上,使用本文算法平均精度可以提升1.8%,超过其他特征金字塔模型和检测算法,实现了对遥感目标的高精度检测。

关键词：遥感图像目标检测特征金字塔特征递归稠密连接

Hybrid-Gird:遥感图像细粒度分类可解释方法

在线全文

学校读者我要写书评

暂无评论

遥感学报 2024年第7期28卷 1722-1734页

作者：朱凯雯尤亚楠曹婧宜孟钢乔媛媛杨洁北京邮电大学人工智能学院北京100876 北京市遥感信息研究所北京100192

基于遥感图像的目标细粒度分类深度神经网络已技术日益成熟,网络决策的可解释性研究是当前细粒度分类深度学习算法进一步提高决策可信度的关键问题。为精确表征对模型决策起决定性作用的本质特征,本文基于博弈竞争理论对遥感图像目标细... 详细信息

基于遥感图像的目标细粒度分类深度神经网络已技术日益成熟,网络决策的可解释性研究是当前细粒度分类深度学习算法进一步提高决策可信度的关键问题。为精确表征对模型决策起决定性作用的本质特征,本文基于博弈竞争理论对遥感图像目标细粒度分类任务进行建模,分析了IG、SmoothGrad、Grad-CAM等可解释性方法在遥感图像目标细粒度分类网络上的适用性,提出了一种尺度自适应的目标细粒度分类本质特征可解释性分析方法Hybrid-Grid,使用像素级与局部特征关系融合算法提高对支撑网络决策的目标本质特征的精确描述能力。结果表明:本文提出的Hybrid-Grid对目标细粒度分类网络的解释效果在ADCC量化评估指标上达到78.87,相较Score-CAM有大幅提升;与SmoothGrad、Grad-CAM的解释结果相对比,本文方法在删除及精度损失实验上表现最好,使EFM-Net的Top-1准确率、Top-5准确率、F1得分分别损失了16.92%、1.61%、17.21%,证明Hybrid-Grid准确解释了对细粒度分类网络决策贡献最大的目标本质特征。本文提出的可解释性分析方法能够更精准地揭示当前目标细粒度分类网络的决策特征依据。

关键词：遥感图像可解释性分析方法目标细粒度分类网络可解释人工智能合作博弈理论本质特征

基于元学习和密集残差注意力的遥感图像任意尺度超分辨率重建

在线全文

学校读者我要写书评

暂无评论

遥感学报 2024年第7期28卷 1735-1745页

作者：魏小源孟钢张浩鹏姜志国北京航空航天大学宇航学院北京102206 北京市遥感信息研究所北京100192

超分辨率重建技术在卫星遥感图像信息智能处理领域中有重要的应用。现有面向遥感图像超分辨率重建的深度学习方法大多只能处理一种比例因子的超分辨率重建任务,在多尺度层面上缺少泛化性,难以满足真实遥感图像多倍率连续放大的超分辨率... 详细信息

超分辨率重建技术在卫星遥感图像信息智能处理领域中有重要的应用。现有面向遥感图像超分辨率重建的深度学习方法大多只能处理一种比例因子的超分辨率重建任务,在多尺度层面上缺少泛化性,难以满足真实遥感图像多倍率连续放大的超分辨率重建任务需求。为解决遥感图像超分辨率重建过程中的多尺度放大问题,本文采用元学习的方法,在构建单一自适应模型的基础上实现对遥感图像的任意尺度超分辨率重建,提升遥感图像的空间分辨率,利用密集残差网络和通道注意力机制重建遥感图像中地物纹理、目标边缘等丰富细节信息。在真实遥感图像上的定量实验表明,本文所提方法重建结果的峰值信噪比能达到40 dB以上,同时在多种数据上的定量和定性实验结果证明了本文方法的有效性。

关键词：超分辨率重建遥感图像任意尺度元学习密集残差网络通道注意力机制

融合遥感时间序列时空谱信息的森林扰动检测与归因研究进展

在线全文

学校读者我要写书评

暂无评论

遥感学报 2024年第3期28卷 558-575页

作者：吴伶刘湘南刘美玲张廷伟杨宝文徐宇岐中国地质大学(北京)信息工程学院北京100083

遥感时间序列蕴含自然因素和人类活动等不同驱动因子导致的森林组成、结构、功能变化及其差异信息,能有效提升对森林演替过程、发展态势及其驱动和响应机制的理解能力。本文系统评述了融合遥感时间序列时空谱信息的森林扰动检测与归因... 详细信息

遥感时间序列蕴含自然因素和人类活动等不同驱动因子导致的森林组成、结构、功能变化及其差异信息,能有效提升对森林演替过程、发展态势及其驱动和响应机制的理解能力。本文系统评述了融合遥感时间序列时空谱信息的森林扰动检测与归因研究进展。从数据、特征、算法等多个角度阐述了当前森林扰动检测进展:(1)数据角度。介绍了面向稠密和稀疏时间序列等不同观测频次的变化检测方法;(2)特征角度。归纳了森林扰动光谱响应特征和多光谱特征集成变化检测策略,总结了面向森林扰动检测的时序与空间特征融合方式;(3)算法角度。介绍了并行和串行两种多算法集成策略,描述了面向森林低强度扰动的变化检测算法研究进展。此外,森林扰动归因的本质是面向森林多类型扰动分类问题,本文在分别按照时间顺序和特征维度归纳作为森林扰动归因输入的归因特征的基础上,总结了基于遥感时间序列时空谱和地形特征融合的森林多类型扰动归因方法。最后,本文分析了森林扰动遥感监测目前存在的问题,并对未来研究方向进行了展望,以期为融合遥感时间序列时空谱信息的变化检测和归因研究提供借鉴。

关键词：森林扰动遥感时间序列时空谱信息特征融合扰动检测扰动归因

城市居民区植被降温效率分析与最佳降温效率阈值确定

在线全文

学校读者我要写书评

暂无评论

遥感学报 2024年第8期28卷 1899-1913页

作者：孙嘉欣冯莉张枭周亚男冯海蓉河海大学地理与遥感学院南京211100

目前城市植被降温效率的研究大多基于大尺度卫星遥感数据来开展,缺少微尺度下植被降温效率的精细研究。因此,本研究以南京市江宁区典型居民区植被为研究对象,利用无人机可见光数据进行居民区绿地精细分类,在此基础上建立区域绿地容积率R... 详细信息

目前城市植被降温效率的研究大多基于大尺度卫星遥感数据来开展,缺少微尺度下植被降温效率的精细研究。因此,本研究以南京市江宁区典型居民区植被为研究对象,利用无人机可见光数据进行居民区绿地精细分类,在此基础上建立区域绿地容积率RGPR (Regional Green Plot Ratio)指标,基于逐小时无人机热红外数据,提出一种改进的植被降温效率计算方法—区域植被降温效率RCE (Regional Cooling Efficiency)计算方法,并利用该方法计算居民区植被降温效率,探究不同局地气候分区(LCZ)下居民区地表温度与区域绿地容积率指标的响应关系、降温效率时空变化并进一步确定不同居民区绿地容积率的最佳降温效率阈值。结果表明:(1)居民区植被降温效率日变化曲线整体呈现“山峰”形态,RCE随地表温度增强而增大。在观测时间段内,RCE最小值出现在8:00 (均1.4℃),局地气候分区水平下,紧凑型居民区的RCE高于开阔型居民区,而在开阔型居民区类型中,RCE随着区域内建筑平均高度的增加而降低。(2)紧凑型的局地气候分区下,RGPR越高,植被所带来降温效果越强;而开阔型居民区,无论建筑高低,植被降温效率存在一定的RGPR阈值,当RGPR达到一定阈值后,RGPR对地表温度的降温效率达到最大强度。本研究可为城市居民区绿地规划、改善城市微热环境提供科学依据。

关键词：城市居民区微热环境区域植被降温效率(RCE) 局地气候分区区域绿地容积率无人机热红外降温效率阈值城市居民区绿地规划

在线全文

学校读者我要写书评

暂无评论

在轨光学目标检测模型轻量化研究

遥感学报 2024年第4期28卷 1041-1051页

作者：吕晓宁夏玉立赵军锁乔鹏中国科学院软件研究所天基综合信息系统重点实验室北京100190 中国科学院大学北京100049

目前应用广泛的神经网络模型结构复杂、参数量大,对星上有限的计算和存储资源占用较多。本文面向微纳卫星在轨计算平台,提出一种深度可分离卷积神经网络模型,该模型结合反向残差结构与通道注意力的思路改进在轨识别算法Yolov4网络模型结... 详细信息

目前应用广泛的神经网络模型结构复杂、参数量大,对星上有限的计算和存储资源占用较多。本文面向微纳卫星在轨计算平台,提出一种深度可分离卷积神经网络模型,该模型结合反向残差结构与通道注意力的思路改进在轨识别算法Yolov4网络模型结构,改进网络模型的局部模块结构,降低整体网络结构的深度与复杂度;同时利用可分离卷积结构实现空间卷积,改进SPP模块与PANet模块,降低模型参数量;通过合并卷积层与Batch Normalization层,进一步加快前向推理速度;此外借鉴Focal损失函数的思想,改进目标检测网络的损失函数,减缓前景与背景样本比例不均衡问题。通过与原Yolov4网络模型对比,在保证识别精度94.09%的前提下参数量降低约7倍,FLOPs降低约30倍。同时与Yolo系列、SSD、MobileNet、CenterNet等前沿网络模型对比的实验结果再一次验证了本文的算法性能,为实现在轨目标识别与过滤无用数据提供了理论支撑。

关键词：遥感卷积神经网络 Yolov4 在轨目标检测反向残差结构