检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

结合特征信息聚类分区的遥感影像配准方法

中国科学院大学学报（中英文） 2024年第1期41卷 97-106页

作者：石正一刘朔夏昊中国科学院空天信息创新研究院北京100089 中国科学院大学北京100049

针对由于地形起伏、地物类型丰富等因素导致一般配准方法无法正确拟合遥感影像局部区域的问题,提出一种基于特征信息层次聚类对影像区域快速划分实现精细拟合的方法。该方法利用差分空间尺度约束提取更高精度的SIFT的特征点,并结合Helli... 详细信息

针对由于地形起伏、地物类型丰富等因素导致一般配准方法无法正确拟合遥感影像局部区域的问题,提出一种基于特征信息层次聚类对影像区域快速划分实现精细拟合的方法。该方法利用差分空间尺度约束提取更高精度的SIFT的特征点,并结合Hellinger变换优化匹配效率,完成特征粗匹配。根据点邻域信息完成初始聚类,得到变换模型;计算匹配点对不同变换模型的符合程度构建倾向集,根据距离合并集合得到聚类中心,使用泰森多边形法生成子区域。求解每个子区域的变换模型并插值拼接,得到配准结果。使用农田、山地、沿海城镇地形的遥感影像进行实验,将SIFT+ST、FSC-SIFT、PSO-SIFT方法的配准效果与该方法进行对比,结果表明该方法的精度与目视配准效果均更优。

关键词：遥感影像配准层次聚类局部拟合子区域划分模型一致性

分布采样对齐的遥感半监督要素提取框架及轻量化方法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第5期46卷 2187-2197页

作者：金极栋卢宛萱孙显吴一戎中国科学院空天信息创新研究院北京100094 中国科学院网络信息体系技术重点实验室北京100190 中国科学院大学北京101408 中国科学院大学电子电气与通信工程学院北京101408

近年来,利用无标签数据辅助少量标签数据进行训练的遥感半监督要素提取任务被广泛研究,大多数工作采用自训练或一致性正则方法提高要素提取性能,但仍存在数据类别分布不均衡导致的不同类别准确率差异大的问题。该文提出分布采样对齐的... 详细信息

近年来,利用无标签数据辅助少量标签数据进行训练的遥感半监督要素提取任务被广泛研究,大多数工作采用自训练或一致性正则方法提高要素提取性能,但仍存在数据类别分布不均衡导致的不同类别准确率差异大的问题。该文提出分布采样对齐的遥感半监督要素提取框架(FIDAS),通过获取的历史数据类别分布,在调整不同类别的训练难度的同时引导模型学习数据真实分布。具体来说,利用历史数据分布信息对各类别进行采样,增加难例类别通过阈值的概率,使模型接触到更多难例类别的特征信息。其次设计分布对齐损失,提升模型学习到的类别分布与真实数据类别分布之间的对齐程度,提高模型鲁棒性。此外,为了降低引入的Transformer模型计算量,提出图像特征块自适应聚合网络,对冗余的输入图像特征进行聚合,提升模型训练速度。该方法通过遥感要素提取数据集Potsdam上的实验,在1/32的半监督数据比例设置下,该方法相较于国际领先方法取得了4.64%的平均交并比(mIoU)提升,并在基本保持要素提取精度的同时,训练时间缩短约30%,验证了该文方法在遥感半监督要素提取任务中的高效性和性能优势。

关键词：半监督学习遥感图像密集要素提取分布对齐采样轻量化

在线全文

学校读者我要写书评

暂无评论

海南岛集中式光伏电站选址综合定量评估

遥感信息 2024年第4期39卷 153-165页

作者：宁湘宇邬明权牛铮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

针对目前光伏电站选址研究以定性化研究为主,投资因素考虑不足,难以直接支持光伏电站投资决策等问题,提出了一种光伏电站选址大数据综合定量评估方法。以海南岛为研究区,利用多源遥感和地理信息数据,将影响光伏电站建设选址的因素归纳... 详细信息

针对目前光伏电站选址研究以定性化研究为主,投资因素考虑不足,难以直接支持光伏电站投资决策等问题,提出了一种光伏电站选址大数据综合定量评估方法。以海南岛为研究区,利用多源遥感和地理信息数据,将影响光伏电站建设选址的因素归纳为限制性因素、资源性因素、经济性因素与投资性因素4大类,构建了光伏电站选址和投资决策的评价体系,其中投资性因素方面主要考虑了预计发电量、建设规模与成本、投资回收周期与投资所需金额等。利用ArcGIS对各类影响因素进行空间分析,得到各因素分级图层。将各因素按照影响大小进行加权综合分级评价,得到各像元光伏选址综合分级评价结果,包括海南岛很适宜、较适宜、低适宜和禁止开发4大类别。研究成果不仅可直接服务于海南省光伏电站选址投资决策,还可以服务于海南省光伏电站建设规划,同时该方法可为其他地区光伏选址提供借鉴。

关键词：新能源光伏电站海南岛建设选址联合国可持续发展目标

基于散射点拓扑和双分支卷积神经网络的SAR图像小样本舰船分类

在线全文

学校读者我要写书评

暂无评论

雷达学报（中英文） 2024年第2期13卷 411-427页

作者：张翼鹏卢东东仇晓兰李飞苏州市微波成像处理与应用技术重点实验室苏州215128 苏州空天信息研究院苏州215128 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 中国科学院大学电子电气与通信工程学院北京100049

随着合成孔径雷达(SAR)图像在舰船检测和识别领域的广泛应用,准确而高效地进行舰船分类已经成为一个亟待解决的问题。在小样本学习场景下,一般的方法面临着泛化能力不足的问题,因此该文引入了额外的信息和特征,旨在增加模型对目标的理... 详细信息

随着合成孔径雷达(SAR)图像在舰船检测和识别领域的广泛应用,准确而高效地进行舰船分类已经成为一个亟待解决的问题。在小样本学习场景下,一般的方法面临着泛化能力不足的问题,因此该文引入了额外的信息和特征,旨在增加模型对目标的理解和泛化能力。该文通过散射关键点构建拓扑结构以表征舰船目标的结构和形状特征,并计算拓扑结构的拉普拉斯矩阵,将散射点之间的拓扑关系转化为矩阵形式,最后将SAR图像和拉普拉斯矩阵分别作为双分支网络的输入进行特征提取。在网络结构方面,该文设计了一个由两个独立的卷积分支组成的双分支卷积神经网络,分别负责处理视觉特征和拓扑特征,并用两个交叉融合注意力模块分别对两个分支的特征进行交互融合。该方法有效地将目标散射点拓扑关系与网络的自动学习过程相结合,从而增强模型的泛化能力并提高分类精度。实验结果表明,在OpenSARShip数据集上,所提方法在1-shot和5-shot任务的平均准确率分别为53.80%和73.00%。而在FUSAR-Ship数据集上,所提方法分别取得了54.44%和71.36%的平均准确率。所提方法在1-shot和5-shot的设置下相比基础方法准确率均提升超过15%,证明了散射点拓扑的应用对SAR图像小样本舰船分类的有效性。

关键词：合成孔径雷达(SAR) 舰船分类小样本学习散射点拓扑双分支卷积神经网络

SAR激励信号正交调制幅相不平衡预失真校正方法

在线全文

学校读者我要写书评

暂无评论

中国科学院大学学报（中英文） 2024年第4期41卷 524-532页

作者：贾颖新王岩飞中国科学院空天信息创新研究院北京100190 中国科学院大学北京100049

模拟正交调制技术是合成孔径雷达(SAR)宽带激励信号产生中最常用也是最重要的技术手段之一,随着雷达系统瞬时带宽越来越大,模拟正交调制的IQ一致性特性无法仅依靠器件的对称特性来保证,而IQ不平衡在宽带雷达发射系统中带来的杂散失真会... 详细信息

模拟正交调制技术是合成孔径雷达(SAR)宽带激励信号产生中最常用也是最重要的技术手段之一,随着雷达系统瞬时带宽越来越大,模拟正交调制的IQ一致性特性无法仅依靠器件的对称特性来保证,而IQ不平衡在宽带雷达发射系统中带来的杂散失真会随着链路逐级恶化。针对上述情况,提出一种数字预失真补偿方法,通过对整个发射通道进行系统误差建模并搭建测试系统,能够提取包含正交调制IQ不平衡在内的整个发射链路上的所有幅相误差,并将幅相误差映射到数字基带信号输出的IQ支路上,通过数字预失真的方式补偿发射通道的幅相失真,使得输出的雷达激励信号具有接近理想的幅相特性。最后结合实际的雷达发射系统,利用预失真算法对整个发射链路进行失真校正,给出校正前后的测试对比结果,通过测试表明方法的有效性。

关键词：合成孔径雷达正交调制宽带 IQ不平衡幅相误差

“祝融号”火星车驶离着陆平台决策支持几何参数计算方法

在线全文

学校读者我要写书评

暂无评论

中国科学院大学学报（中英文） 2024年第1期41卷 81-87页

作者：李昊马友青张烁刘少创中国科学院空天信息创新研究院北京100101 中国科学院大学北京100101

“祝融号”火星车驶离着陆平台是天问1号探测器系统着陆后进行的第一个关键动作,是后续火星表面巡视探测工作的基础。为向火星车安全驶离提供决策支持,提出基于导航相机立体图像的平面间角度计算方法计算着陆平台驶离轨道异面角(两驶离... 详细信息

“祝融号”火星车驶离着陆平台是天问1号探测器系统着陆后进行的第一个关键动作,是后续火星表面巡视探测工作的基础。为向火星车安全驶离提供决策支持,提出基于导航相机立体图像的平面间角度计算方法计算着陆平台驶离轨道异面角(两驶离轨道间夹角)与驶离轨道坡度角(驶离轨道与火星表面间夹角)。阐述基于导航相机图像的火星车在轨驶离决策支持的流程,首先采用前方交会算法获得火星表面点云坐标及驶离轨道特征点坐标,然后创新性地提出结合随机采样一致性(RANSAC)算法与总体最小二乘法的平面拟合方法拟合出驶离轨道平面与火星表面,并通过模拟实验验证了该方法的合理性,最后计算出驶离轨道异面角(0.203°)与两驶离轨道坡度角(-18.947°、-19.154°),并用于“祝融号”火星车在轨驶离决策中。2021年5月22日,“祝融号”火星车成功驶离着陆平台踏上火星表面。

关键词：火星车两器分离立体测量平面拟合

京津冀地区大气PM_(2.5)污染时空分布特征及成因分析

在线全文

学校读者我要写书评

暂无评论

中国科学院大学学报（中英文） 2024年第3期41卷 334-344页

作者：苏孟倩石玉胜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

基于PM_(2.5)浓度数据、自然因素数据和人类活动因素数据,采用克里金插值法和统计分析法探究2017年京津冀地区13个城市大气PM_(2.5)污染的时空分布特征,并采用相关分析模型和因子分析模型探究其成因。结果表明,京津冀地区:1)PM_(2.5)浓... 详细信息

基于PM_(2.5)浓度数据、自然因素数据和人类活动因素数据,采用克里金插值法和统计分析法探究2017年京津冀地区13个城市大气PM_(2.5)污染的时空分布特征,并采用相关分析模型和因子分析模型探究其成因。结果表明,京津冀地区:1)PM_(2.5)浓度空间分布呈现“北低南高”的特点,南部和北部城市的年平均浓度梯度最高可达到64μg/m^(3);2)PM_(2.5)浓度时间分布呈现“冬高夏低”、“早晚高午后低”的特点,冬季PM_(2.5)浓度是夏季的1.3~2.8倍,四季PM_(2.5)浓度日较差介于11~29μg/m^(3);3)大气PM_(2.5)污染与自然因素关系密切。地势地形影响PM_(2.5)的聚集、传输和扩散过程。风速、日照时数和相对湿度是影响大气PM_(2.5)污染的主导气象因素,冬季PM_(2.5)浓度与气象因素的相关性最强;4)大气PM_(2.5)污染与人类活动关系密不可分,具体可归为:社会经济因素、工业污染排放因素和城市建设因素。研究结果将有助于为京津冀地区大气污染防治查漏补缺。

关键词：京津冀地区 PM_(2.5) 时空分布相关分析因子分析

基于Sentinel⁃2A影像光谱和纹理特征的冬小麦叶面积指数估算模型研究

在线全文

学校读者我要写书评

暂无评论

遥感技术与应用 2024年第2期39卷 290-305页

作者：陈家华张立福黄长平郎萍康孝岩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

叶面积指数(Leaf Area Index,LAI)是反映作物生长状态的重要指标,常用植被指数来反演。传统的反演模型大都是基于多变量的多元回归模型,而基于双变量的多元回归模型在LAI反演中的潜力还未被充分发掘。通过提取卫星影像的光谱特征和纹理... 详细信息

叶面积指数(Leaf Area Index,LAI)是反映作物生长状态的重要指标,常用植被指数来反演。传统的反演模型大都是基于多变量的多元回归模型,而基于双变量的多元回归模型在LAI反演中的潜力还未被充分发掘。通过提取卫星影像的光谱特征和纹理特征,基于皮尔逊相关系数分析各个遥感特征与冬小麦LAI之间的相关性,利用简单回归模型(Simple Regression,SR)、多元线性回归模型(Multiple Linear Regression,MLR)和随机森林回归模型(Random Forest Regression,RFR)开展遥感特征与冬小麦LAI之间的关系模型构建反演研究,并结合精度指标(决定系数R2,均方根误差RMSE,相对均方根误差rRMSE)判定各反演模型的反演精度,以提出最优的反演模型。研究表明:①所有植被指数和部分纹理指数在反演LAI中取得了较好的反演效果(R2>0.6)。其中,通用归一化植被指数(Universal Normalized Vegetation Index,UNVI)在各植被指数中表现最好(R2=0.754,RMSE=0.606,rRMSE=12.99%)。除了部分波段的均值特征反演精度与植被指数相当外,大多数纹理特征反演冬小麦LAI的精度欠佳;②通过两两变量组合,得到了冬小麦LAI反演精度最高的双变量多元线性回归模型(R2=0.780,RMSE=0.573,rRMSE=12.29%);③在有多个输入变量(至少3种特征变量)的情况下,RFR的反演效果优于MLR。相较于纹理特征,纹理指数的反演性能更佳。研究结果可为后续基于卫星影像的大规模农作物LAI的监测工作提供一种新的思路与方法。

关键词：简单回归模型多元线性回归模型随机森林回归模型冬小麦 LAI Sentinel⁃2A

基于OCO-2/3卫星的中国超大型燃煤电厂CO_(2)排放量的遥感反演

在线全文

学校读者我要写书评

暂无评论

中国科学院大学学报（中英文） 2024年第4期41卷 490-502页

作者：郭文月石玉胜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

基于轨道碳观测者2/3(OCO-2/3)卫星数据和高斯羽流模型对发电厂CO_(2)排放量进行遥感反演。首先基于OCO-2(2014-09-06—2021-10-01)和OCO-3(2019-08-06—2021-10-01)数据检索中国超大型燃煤电厂(≥5000 MW)附近图像,共在托克托、嘉兴、... 详细信息

基于轨道碳观测者2/3(OCO-2/3)卫星数据和高斯羽流模型对发电厂CO_(2)排放量进行遥感反演。首先基于OCO-2(2014-09-06—2021-10-01)和OCO-3(2019-08-06—2021-10-01)数据检索中国超大型燃煤电厂(≥5000 MW)附近图像,共在托克托、嘉兴、外高桥电厂附近识别到7个CO_(2)羽流。综合利用3种大气背景值确定方法,经过高斯羽流模型估算的CO_(2)排放量范围为43~77 kt/d,模型拟合的相关系数0.50~0.87。单个羽流的不确定性变化为8%~32%(1σ),风速是最大的不确定性(6%~31%),其次是背景值(5%~18%)、增强值(1%~21%)和羽流上升(1%~8%)。经验证,估算结果与碳监测行动、碳简报、全球电厂排放数据库等排放清单一致性较高(托克托:(76.48±15.75)kt/d、外高桥:(55.98±6.90)kt/d、嘉兴:(64.55±15.89)kt/d)。这项研究有助于监测点源碳排放,这不仅是电力行业开展碳减排的前提,也有助于针对性制定区域碳减排政策,从而减少人为碳排放。

关键词：二氧化碳高斯羽流模型轨道碳观测者2号轨道碳观测者3号超大型燃煤电厂