检索结果-南通市图书馆

面向小麦种植面积反演的自监督学习光谱解混算法

在线全文

学校读者我要写书评

暂无评论

遥感学报 2024年第9期28卷 2405-2415页

作者：胡金龙段金亮沙马阿各张瑞西南交通大学地球科学与环境工程学院测绘遥感信息系成都611756 西南石油大学土木工程与测绘学院成都610500 西南交通大学高速铁路运营安全空间信息技术国家地方联合工程实验室成都611756

遥感作为大范围地表覆盖提取和时空动态监测的有力工具,在小麦种植面积反演领域具有显著优势。然而,混合像元现象限制了小麦种植面积估计的精度,端元的光谱变异性现象也使得传统的混合像元分解方法表现不佳。针对小麦种植面积估计过程... 详细信息

遥感作为大范围地表覆盖提取和时空动态监测的有力工具,在小麦种植面积反演领域具有显著优势。然而,混合像元现象限制了小麦种植面积估计的精度,端元的光谱变异性现象也使得传统的混合像元分解方法表现不佳。针对小麦种植面积估计过程中存在的混合像元和端元光谱变异性等问题,本文提出基于自监督学习的光谱解混算法SLSU(Self-supervised Learning-based Spectral Unmixing Algorithm)。首先,使用变分自编码器实现无监督的端元光谱变异性解释和端元库生成;然后,使用交替最小二乘法和全约束最小二乘模型估计各类端元对应的丰度;最后,利用概率松弛标记法对解混结果进行空间邻域校正,以进一步提高光谱解混和小麦面积估计的精度。以河南省新乡市3个典型的小麦种植区为实验区,利用Sentinel-2影像获取小麦种植面积并利用实地测量的小麦分布现状数据计算提取精度。结果表明:基于SLSU算法获取的小麦种植面积的相对提取误差中位数<1.3个像素,显著优于全约束最小二乘、扩展线性混合模型等传统混合像元分解算法以及支持向量机、随机森林等监督学习分类方法所提结果。所提SLSU算法可以提高小麦提取的精度和稳定性,为农作物分布提取和种植面积估算提供了有效的方法。

关键词：遥感自监督学习变分自编码器混合像元分解地物提取作物面积估计

在线全文

学校读者我要写书评

暂无评论

西安市城市气溶胶污染岛长时间序列特征分析

生态与农村环境学报 2024年第4期40卷 490-498页

作者：李芮陈健陆嘉栋祝善友南京信息工程大学遥感与测绘工程学院江苏南京210044 南京信息工程大学电子与信息工程学院江苏南京210044

城市气溶胶污染岛(UAPI)对人体健康、城市热环境、城市气候、大气辐射传输等有重要影响。该研究利用西安市2016—2019年城郊多个站点的PM_(2.5)数据定量化计算UAPI强度,分析PM_(2.5)和UAPI强度的日变化和年变化规律,并使用经验模态分解... 详细信息

城市气溶胶污染岛(UAPI)对人体健康、城市热环境、城市气候、大气辐射传输等有重要影响。该研究利用西安市2016—2019年城郊多个站点的PM_(2.5)数据定量化计算UAPI强度,分析PM_(2.5)和UAPI强度的日变化和年变化规律,并使用经验模态分解方法(EMD)对UAPI强度的长时间序列多尺度特征进行分析。结果表明,西安市具有明显的城市气溶胶污染岛效应,UAPI强度大于10μg·m^(-3)的比例达87.63%。在日内变化上,UAPI强度呈现夜晚高、白天低的特点;在年内变化上,呈现冬春高、夏秋低的“U”型分布特征;在年际变化上,2016—2019年UAPI效应呈逐年减弱的变化特征。利用EMD分解可以很好地揭示UAPI强度的多尺度特征,如IMF2、IMF4、IMF6分别体现了UAPI强度以周、月、年为周期的变化特征。对比PM_(2.5)和UAPI强度的时间序列,该方法可以较好地排除跨区域传输污染和大区域二次污染等对UAPI强度的影响。

关键词： PM_(2.5) 城市气溶胶污染岛城乡差异经验模态分解

在线全文

学校读者我要写书评

暂无评论

自注意力映射超时相遥感图像超分辨率重建

遥感学报 2024年第6期28卷 1551-1559页

作者：唐晓天杨雪李峰马骏梁亮中国空间技术研究院钱学森空间技术实验室北京100094 河南大学软件学院开封475004 南京大学国际地球系统科学研究所南京210023 清华大学电子工程系北京100084

针对视频卫星超时相数据高时间分辨率的特点,单帧超分辨率重建算法无法充分利用其时空信息,提出一种基于自注意力的超时相遥感图像超分辨率重建模型。对超时相序列帧先依据帧速率划分为多个时间组,利用3D卷积对空间及时间同时建模的特... 详细信息

针对视频卫星超时相数据高时间分辨率的特点,单帧超分辨率重建算法无法充分利用其时空信息,提出一种基于自注意力的超时相遥感图像超分辨率重建模型。对超时相序列帧先依据帧速率划分为多个时间组,利用3D卷积对空间及时间同时建模的特点提取不同时间组下的时空信息,之后通过改进的广泛自注意力残差块增加注意力计算范围并完成高动态映射,在完成超时相序列帧建模的同时提取其丰富的空间细节信息,最后将多个时间组的特征融合,通过亚像素卷积提升分辨率并完成重建。所提算法的优点在于,对超时相数据的多时间组处理充分利用了其丰富的时空信息,改进的自注意力块可在无配准情况下完成序列帧的建模并提高空间细节信息的提取能力。在高分四号数据上的实验表明,本文算法的主观视觉效果及客观评价指标均优于对比算法,在高分四号数据两倍上采样重建时,较双三次插值算法在PSNR值上提升了2.49 dB以上,且在4倍重建时依然有很强的重建性能,较双三次插值算法有巨大提升。实验结果表明,该方法拥有较好的超分辨率重建效果,有利于超时相数据在各领域的应用。

关键词：遥感超时相数据超分辨率重建深度学习多时间组融合特征广泛自注意力高分四号

高分七号卫星立体影像与激光数据复合测绘处理原理及方法

在线全文

学校读者我要写书评

暂无评论

遥感学报 2024年第6期28卷 1539-1550页

作者：周平唐新明自然资源部国土卫星遥感应用中心北京100048

高分七号卫星(GF-7)是全球首颗同步搭载了光学立体相机和激光测高仪的对地观测卫星,其可以同时获取亚米分辨率的两线阵光学立体影像和稀疏地面激光高程点。为保障GF-7卫星能够实现全球范围1∶1万比例尺立体测图精度,本文根据光学相机和... 详细信息

高分七号卫星(GF-7)是全球首颗同步搭载了光学立体相机和激光测高仪的对地观测卫星,其可以同时获取亚米分辨率的两线阵光学立体影像和稀疏地面激光高程点。为保障GF-7卫星能够实现全球范围1∶1万比例尺立体测图精度,本文根据光学相机和激光测高仪工作过程中的误差传播机理,分析了利用激光高程点提升立体影像高程精度的基本原理;设计了一种GF-7立体影像与激光高程点复合测绘处理方法,构建了激光高程点在立体影像上自动精确量测方法、激光高程点与立体影像联合区域网平差模型等,力求通过激光高程点实现立体影像高程精度的来有效提升。为验证本文所述方法的有效性,选取了河北省北部区域70景GF-7立体影像和463个激光高程点开展复合测绘处理试验。结果表明:立体影像在平地、丘陵、山地、高山地和全区域的高程中误差分别由原来的3.00 m、4.68 m、2.86 m、2.48 m和3.19 m,降低至0.35 m、0.66 m、0.74 m、0.91 m和0.68 m;平面中误差分别是4.99 m、3.52 m、4.42 m、5.99 m和4.82 m。影像平面和高程精度均能满足中国1∶1万比例尺立体测图的精度要求。此外,采用本文所述方法构建的GF-7立体影像与激光高程点复合测绘处理系统已在GF-7卫星牵头主用户单位实现业务化应用,对未来全球范围1∶1万比例尺地理信息资源建设具有重要意义。

关键词：遥感高分七号卫星立体影像激光高程点复合测绘处理 1∶10000比例尺测图

顾及左右摆扫不同影响的航空大视场高分红外扫描仪几何外检校方法

在线全文

学校读者我要写书评

暂无评论

遥感学报 2024年第9期28卷 2372-2382页

作者：金雁敏李益峰宋正翔王超刘世杰柳思聪童小华同济大学汉测绘与地理信息学院上海200092

摆扫航空大视场红外扫描仪具有视场角大、分辨率高等优点,但因在传感器安装、运输、飞行时会受到抖动的影响,常导致传感器的中心、安置角度发生偏移,特别是此类扫描仪不同摆扫方向会对成像质量造成不同影响。因此,有必要对CCD影像进行... 详细信息

摆扫航空大视场红外扫描仪具有视场角大、分辨率高等优点,但因在传感器安装、运输、飞行时会受到抖动的影响,常导致传感器的中心、安置角度发生偏移,特别是此类扫描仪不同摆扫方向会对成像质量造成不同影响。因此,有必要对CCD影像进行几何外检校,以提高传感器影像的几何质量。本文针对航空大视场红外扫描仪成像特点,构建了考虑左、右摆扫不同影响的几何外检校模型。该检校模型具有如下特点:(1)左、右摆影像同时检校,并分别设置不同的安置参数矩阵。扫描仪的左、右摆扫会造成成像积分方向的不同,进而导致左、右摆影像定位精度的不一致,因此该模型利用不同的左、右摆参数矩阵,消除摆扫角误差对成像几何精度造成的影响。(2)增加检校参数伪观测方程。由于该航空大视场红外扫描仪存在大摆扫角,随着摆扫角的变化,相机与定位定姿系统安置误差检校参数间可能存在较强相关性,因此引入检校参数伪观测方程来解决参数间的强相关性,提升检校参数的解算精度。实验验证结果表明该检校模型能有效提升影像的几何定位精度,检校后左右摆影像反投影偏差降低到亚像素水平。

关键词：遥感航空大视场高分红外扫描仪左右摆扫几何外检校检校参数反投影残差

改进YOLOv5的国产光学影像辐射异常检测方法

在线全文

学校读者我要写书评

暂无评论

测绘通报 2024年第8期 60-65,72页

作者：石一剑谭海钟旭辉辽宁工程技术大学测绘与地理科学学院辽宁阜新123000 自然资源部国土遥感卫星应用中心北京100048

随着国产光学卫星数量不断增多,获取的卫星影像数据大规模增加,卫星获取并通过传感器校正处理的影像中存在大量的影像辐射异常问题,影像辐射质量是决定影像质量检验等级评价的重要因子,目前检查主要采用人机交互方式。针对目前光学影像... 详细信息

随着国产光学卫星数量不断增多,获取的卫星影像数据大规模增加,卫星获取并通过传感器校正处理的影像中存在大量的影像辐射异常问题,影像辐射质量是决定影像质量检验等级评价的重要因子,目前检查主要采用人机交互方式。针对目前光学影像质检存在影像辐射问题,本文提出了利用改进的YOLOv5深度学习网络对辐射异常区域进行目标识别的方法,将改进后的Light-BiFPN特征融合网络和ShuffleNetV2主干网络融入YOLOv5s。通过探索影像辐射异常原理,此网络能够精确判断辐射异常影像目标的范围,训练出的模型能通过锚框较好地检测出辐射问题的范围,为进一步模型的部署应用做好准备工作。

关键词：深度学习轻量化遥感图像辐射异常目标检测

在线全文

学校读者我要写书评

暂无评论

迁移深度卷积神经网络模型秋粮作物泛化识别

遥感学报 2024年第3期28卷 661-676页

作者：张凤张锦水段雅鸣杨志北京师范大学遥感科学国家重点实验室北京100875 北京师范大学地理科学学部北京市陆表遥感数据产品工程技术研究中心北京100875 北京师范大学地理科学学部遥感科学与工程研究院北京100875 青海师范大学高原科学与可持续发展研究院西宁810016

深度卷积神经网络DCNN (Deep Convolutional Neural Networks)具有“端到端”、高效提取多尺度语义特征的优点,被广泛应用于遥感农作物识别中,取得了重要的进展。但深度学习模型需要大量标签样本,获取费时费力、成本高,限制了其广泛使... 详细信息

深度卷积神经网络DCNN (Deep Convolutional Neural Networks)具有“端到端”、高效提取多尺度语义特征的优点,被广泛应用于遥感农作物识别中,取得了重要的进展。但深度学习模型需要大量标签样本,获取费时费力、成本高,限制了其广泛使用。本文基于模型迁移学习策略,将美国农业部统计署作物数据层CDL(Cropland Data Layer)作为作物标签数据,利用伊利诺伊州和印第安州的作物生长季Landsat OLI卫星影像训练2016年—2019年4个单年份模型和2016年—2017年、2016年—2018年两个多年份的U-net模型,将模型直接在美国3个测试区和中国黑龙江省黑河市的2016年—2020年迁移泛化分类。研究结果表明:1)基于CDL训练的U-net模型能够在美国本土推广应用,美国3个测试区的2016年—2020年的时间泛化总体精度在80%以上,玉米识别精度高于大豆,说明了模型在空间上具有很好的迁移能力。(2)对于黑河市秋粮,多年玉米识别总体精度平均高出大豆3%,原因是玉米种植地块更为规整、种植规模更大,单年份秋粮识别总体精度69%—79%,但多年份模型要优于单年份模型,这可能是随标签样本数量增多提升了训练样本的代表性,将中国与美国秋粮种植的差异通过样本数量的增加得以弥补,模型迁移到中国黑河区域的精度均低于美国本土,这是由于洲际间气候、作物物候、种植农业景观等差异导致遥感特征不一致,导致模型泛化能力降低。

关键词：遥感迁移学习 CDL 时空泛化大豆玉米

在线全文

学校读者我要写书评

暂无评论

基于深度学习模型的复杂困难路网提取方法

测绘通报 2024年第5期 155-159页

作者：张楠张蕴灵中国公路工程咨询集团有限公司北京100097 中咨数据有限公司北京100097

针对复杂困难地区公路信息提取中存在的数据获取困难、道路特征不统一、自然环境干扰、道路变化频繁等难点问题,本文应用高分遥感技术,开展了复杂困难地区路网信息的提取、处理研究。基于深度学习模型不断优化的路网提取方法,以高分卫... 详细信息

针对复杂困难地区公路信息提取中存在的数据获取困难、道路特征不统一、自然环境干扰、道路变化频繁等难点问题,本文应用高分遥感技术,开展了复杂困难地区路网信息的提取、处理研究。基于深度学习模型不断优化的路网提取方法,以高分卫星为主要数据源,通过对复杂困难地区不同类型农村公路的光谱、纹理及可分离性特征集等进行学习,识别出等级低和道路条件差的农村公路,为农村路网识别与判别提供准确的数据保障;及时获取客观、准确和全面的农村公路基础数据解决了复杂困难地区路网信息不足的问题;为复杂困难地区公路网的规划、建设提供科学的决策依据,为出行交通诱导提供了便利。

关键词：卫星遥感数据路网提取深度学习

基于改进YOLOv7的遥感图像小目标检测方法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第10期60卷 246-255页

作者：苗茹岳明周珂杨阳河南大学计算机与信息工程学院河南开封475004 河南省空间信息处理工程研究中心河南开封475004

针对遥感图像中小目标数量众多且背景复杂所导致的识别精度低的问题,提出了一种改进的遥感图像小目标检测方法。该方法基于改进的YOLOv7网络模型,将双级路由注意力机制加入至下采样阶段以构建针对小目标的特征提取模块MP-ATT(max poolin... 详细信息

针对遥感图像中小目标数量众多且背景复杂所导致的识别精度低的问题,提出了一种改进的遥感图像小目标检测方法。该方法基于改进的YOLOv7网络模型,将双级路由注意力机制加入至下采样阶段以构建针对小目标的特征提取模块MP-ATT(max pooling-attention),使得模型更加关注小目标的特征,提高小目标检测精度。为了加强对小目标的细节感知能力,使用DCNv3(deformable convolution network v3)替换骨干网络中的二维卷积,以此构建新的层聚合模块ELAN-D。为网络设计新的小目标检测层以获取更精细的特征信息,从而提升模型的鲁棒性。同时使用MPDIoU(minimum point distance based IoU)替换原模型中的CIoU来优化损失函数,以适应遥感图像的尺度变化。实验表明,所提出的方法在DOTA-v1.0数据集上取得了良好效果,准确率、召回率和平均准确率(mean average precision,mAP)相比原模型分别提升了0.4、4.0、2.3个百分点,证明了该方法能够有效提升遥感图像中小目标的检测效果。

关键词：深度学习目标检测遥感图像小目标 YOLOv7