检索结果-南通市图书馆

基于面向对象孪生神经网络的高分辨率遥感影像建筑物变化检测

在线全文

学校读者我要写书评

暂无评论

遥感学报 2024年第2期28卷 437-454页

作者：刘宣广李蒙蒙汪小钦张振超福州大学数字中国研究院(福建) 福州350108 福州大学空间数据挖掘与信息共享教育部重点实验室福州350108 信息工程大学地理空间信息学院郑州450001

建筑物变化检测在城市环境监测、土地规划管理和违章违规建筑识别等应用中具有重要作用。针对传统孪生神经网络在影像变化检测中存在的检测边界与实际边界吻合度低的问题,本文结合面向对象图像分析技术,提出一种基于面向对象孪生神经网... 详细信息

建筑物变化检测在城市环境监测、土地规划管理和违章违规建筑识别等应用中具有重要作用。针对传统孪生神经网络在影像变化检测中存在的检测边界与实际边界吻合度低的问题,本文结合面向对象图像分析技术,提出一种基于面向对象孪生神经网络(Obj-SiamNet)的高分辨率遥感影像变化检测方法,利用模糊集理论自动融合多尺度变化检测结果,并通过生成对抗网络实现训练样本迁移。该方法应用在高分二号和高分七号高分辨率卫星影像中,并与基于时空自注意力的变化检测模型(STANet)、视觉变化检测网络(ChangeNet)和孪生UNet神经网络模型(Siam-NestedUNet)进行比较。结果表明:(1)融合面向对象多尺度分割的检测结果较单一尺度分割的检测结果,召回率最高提升32%,F1指数最高提升25%,全局总体误差(GTC)最高降低7%;(2)在样本数量有限的情况下,通过生成对抗网络进行样本迁移,与未使用样本迁移前的检测结果相比,召回率最高提升16%,F1指数最高提升14%,GTC降低了9%;(3) Obj-SiamNet方法较其他变化检测方法,整体检测精度得到提升,F1指数最高提升23%,GTC最高降低9%。该方法有效提高了建筑物变化检测在几何和属性方面的精度,并能有效利用开放地理数据集,降低了模型训练样本制作成本,提升了检测效率和适用性。

关键词：遥感变化检测孪生神经网络面向对象多尺度分析模糊集融合生成对抗网络高分辨率遥感影像

“人口流动”视域下中国城市中心性和社群格局分析

在线全文

学校读者我要写书评

暂无评论

地球信息科学学报 2024年第3期26卷 666-678页

作者：尹延中邬群勇林瀚赵志远福州大学空间数据挖掘与信息共享教育部重点实验室福州350108 卫星空间信息技术综合应用国家地方联合工程研究中心福州350108 数字中国研究院(福建) 福州350003

城市网络的组织结构与运行机制离不开城市间的关联关系。本文基于2021年10月至2022年9月的百度迁徙大数据,构建了中国366个城市的城际人口流动网络。在节点层面,提出了城际人口流动超越指数衡量城市中心性,探索城市中心性的空间聚类特征... 详细信息

城市网络的组织结构与运行机制离不开城市间的关联关系。本文基于2021年10月至2022年9月的百度迁徙大数据,构建了中国366个城市的城际人口流动网络。在节点层面,提出了城际人口流动超越指数衡量城市中心性,探索城市中心性的空间聚类特征;在网络社区层面,分析了中国366个城市的月际城际人口流动特征及社群格局。结果表明:(1)城际人口流动超越指数能够有效表征城际人口流动网络中各城市的中心性;(2)城际人口流动网络中各城市根据其中心性形成“高高”集聚分布和“低低”集聚分布的特征;(3)城际人口流动集聚格局受节假日因素、新型冠状病毒感染等综合影响,在不同月份表现出不同的特征,总体上符合地理学第一定律,并呈现省际分异特征;(4)城市凝聚子群发现结果表明,成渝、大湾区、中原、关中平原、长三角等城市群人口流动格局较为稳定,具有跨省人口流动融合特征;山东半岛城市群与京津冀城市群的人口流动格局联系密切,出现跨城市群人口流动特征;浙江省省域内人口流动特征逐渐加强;长江中游、海峡西岸城市群仍未形成跨越省界的稳定人口流动社群格局。

关键词：城市中心性城市相互作用社区检测城际人口流动网络格局百度迁徙数据城际人口流动超越指数区域协调发展城市群

在线全文

学校读者我要写书评

暂无评论

基于时空交叉感知的实时动作检测方法

电子学报 2024年第2期52卷 574-588页

作者：柯逍缪欣郭文忠福州大学计算机与大数据学院福建福州350116 福建省网络计算与智能信息处理重点实验室(福州大学) 福建福州350116 空间数据挖掘与信息共享教育部重点实验室福建福州350003

时空动作检测依赖于视频空间信息与时间信息的学习.目前,最先进的基于卷积神经网络(Convolutionsl Neural Networks,CNN)的动作检测器采用2D CNN或3D CNN架构,取得了显著的效果.然而,由于网络结构的复杂性与时空信息感知的原因,这些方... 详细信息

时空动作检测依赖于视频空间信息与时间信息的学习.目前,最先进的基于卷积神经网络(Convolutionsl Neural Networks,CNN)的动作检测器采用2D CNN或3D CNN架构,取得了显著的效果.然而,由于网络结构的复杂性与时空信息感知的原因,这些方法通常采用非实时、离线的方式.时空动作检测主要的挑战在于设计高效的检测网络架构,并能有效地感知融合时空特征.考虑到上述问题,本文提出了一种基于时空交叉感知的实时动作检测方法.该方法首先通过对输入视频进行乱序重排来增强时序信息,针对仅使用2D或3D骨干网络无法有效对时空特征进行建模,提出了基于时空交叉感知的多分支特征提取网络.针对单一尺度时空特征描述性不足,提出一个多尺度注意力网络来学习长期的时间依赖和空间上下文信息.针对时序和空间两种不同来源特征的融合,提出了一种新的运动显著性增强融合策略,对时空信息进行编码交叉映射,引导时序特征和空间特征之间的融合,突出更具辨别力的时空特征表示.最后,基于帧级检测器结果在线计算动作关联性链接.本文提出的方法在两个时空动作数据集UCF101-24和JHMDB-21上分别达到了84.71%和78.4%的准确率,优于现有最先进的方法,并达到73帧/秒的速度.此外,针对JHMDB-21数据集存在高类间相似性与难样本数据易于混淆等问题,本文提出了基于动作表示的关键帧光流动作检测方法,避免了冗余光流的产生,进一步提升了动作检测准确率.

关键词：实时动作检测多尺度注意力时空交叉感知

在线全文

学校读者我要写书评

暂无评论

文旅元宇宙:概念、关键技术及应用场景

遥感学报 2024年第5期28卷 1161-1176页

作者：范占领陈崇成福州大学计算机与大数据学院福州350108 福州大学空间数据挖掘与信息共享教育部重点实验室福州350108 数字中国研究院(福建) 福州350108

元宇宙快速发展正在影响着文旅行业的变革。文旅行业强调创意与场景体验,文旅产品具有重内容、重体验、重参与及重个性化的特点,这与元宇宙的发展高度契合。现阶段,文旅元宇宙的研究还处于襁褓阶段,对文旅元宇宙的概念、核心技术和应用... 详细信息

元宇宙快速发展正在影响着文旅行业的变革。文旅行业强调创意与场景体验,文旅产品具有重内容、重体验、重参与及重个性化的特点,这与元宇宙的发展高度契合。现阶段,文旅元宇宙的研究还处于襁褓阶段,对文旅元宇宙的概念、核心技术和应用场景还处于探索中。首先,本文回顾了元宇宙的演化进程,并基于文旅行业特征,提出了文旅元宇宙的基本定义、概念模型及主要特征,认为文旅元宇宙是元宇宙的一个子系统,是现有信息技术在文旅行业深度融合形成的文旅互联网形态,是文旅活动在三维数字世界的一种重构和虚拟共生。其基于扩展现实技术提供文旅场景的沉浸式体验,基于数字孪生技术生成现实世界文旅场景的镜像,并依托元宇宙统一架构下的政治、经济、文化等体系,实现文旅行业虚拟世界和现实世界的全方位融合;然后,对文旅元宇宙相关关键技术在文旅行业应用的研究进展和应用进行了详细的描述;最后,展望了文旅元宇宙在文化遗产数字化与保护、景区(酒店)开发与管理、导游导览服务、文旅营销、行业监管与市场治理等方面可能的应用场景,提出了文旅元宇宙未来重点的研究方向。虽然文旅元宇宙的发展还面临着诸多的挑战,技术的发展还要不断地经历螺旋式的上升,但是元宇宙终会重塑未来的社会形态和人类的生活方式。

关键词：遥感元宇宙文化旅游虚拟地理环境虚实融合虚拟世界扩展现实

基于Swin Transformer与卷积神经网络的高分遥感影像分类

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2024年第14期61卷 245-256页

作者：何小英徐伟铭潘凯祥王娟李紫微福州大学数字中国研究院(福建) 福建福州350108 福州大学空间数据挖掘与信息共享教育部重点实验室福建福州350002 福州大学地理空间信息技术国家地方联合工程研究中心福建福州350002

针对现有基于深度学习的遥感智能解译方法直接获取全局信息具有挑战性,造成地物边缘模糊、相似类间分类精度低等问题,提出基于Swin Transformer和卷积神经网络的高分遥感图像语义分割模型(SRAU-Net)。SRAU-Net以Swin Transformer编码器... 详细信息

针对现有基于深度学习的遥感智能解译方法直接获取全局信息具有挑战性,造成地物边缘模糊、相似类间分类精度低等问题,提出基于Swin Transformer和卷积神经网络的高分遥感图像语义分割模型(SRAU-Net)。SRAU-Net以Swin Transformer编码器-解码器框架为基础,采用U-Net形状,提出了以下改进:构造基于Swin Transformer和基于卷积神经网络的双分支编码器,用不同尺度空间细节特征补充具有全局信息的上下文特征,以获得更高的地物分类精度和更清晰的地物边缘;设计特征融合模块,作为双分支编码器的桥梁从通道和空间维度对全局和局部特征进行有效融合,提升对小目标地物的分割精度;添加特征增强模块,利用注意力机制自适应融合来自编码器和解码器的特征,进一步有效聚合空间和语义特征,提升模型对特征的提取效果。结果表明,SRAU-Net能够更好地提取地物的边缘信息,总体分类精度较原始模型提升了2.57百分点,提高了对小尺度地物的分类精度,有效区分如树木和低矮植被等类间相似的遥感地物,总体精度和F1分数分别为92.60%和86.90%,总体效果优于对比模型。

关键词：高分辨率遥感影像卷积神经网络 Swin Transformer 特征融合语义分割

在线全文

学校读者我要写书评

暂无评论

改进Mask R-CNN的车辆检测算法

福州大学学报（自然科学版） 2024年第4期52卷 421-429页

作者：汪菊孙玉吴宜良福州大学空间数据挖掘与信息共享教育部重点实验室福州大学地理空间信息技术国家地方联合工程研究中心福建福州350108

为提升在不同复杂场景下的车辆检测性能,提出一种基于改进Mask R-CNN的车辆检测算法.在算法的主干网络ResNet50中引入PSA极自注意力机制提升主干网络特征提取能力;在特征金字塔顶层网络中添加一个带有ECA注意力机制的分支与原分支进行... 详细信息

为提升在不同复杂场景下的车辆检测性能,提出一种基于改进Mask R-CNN的车辆检测算法.在算法的主干网络ResNet50中引入PSA极自注意力机制提升主干网络特征提取能力;在特征金字塔顶层网络中添加一个带有ECA注意力机制的分支与原分支进行特征融合,缓解顶层特征由于通道降维造成的信息损失.重新设计卷积检测头使得边框回归更为准确,并使用余弦退火算法和Soft-NMS算法来优化训练过程和后处理结果.实验结果表明,改进的Mask R-CNN车辆检测算法相比原Mask R-CNN算法在复杂场景下具有更高的检测精度,在CNRPark-EXT测试集中平均精确度提高3.8%,在更具挑战性的MiniPark测试集中平均精确度提高7.9%.

关键词：车辆检测 Mask R-CNN算法 PSA极自注意力机制 ECA注意力机制 Soft-NMS算法

基于增温敏感性指数的城市功能区升温效应空间分异研究

在线全文

学校读者我要写书评

暂无评论

热带地理 2024年第3期44卷 557-568页

作者：杨慧徐伟铭邵尔辉廖云婷林馨福州大学数字中国研究院(福建) 福州350108 福州大学空间数据挖掘与信息共享教育部重点实验室福州350002 福州大学地理空间信息技术国家地方联合工程技术研究中心福州350002

利用福州市三环内的POI数据和Place2vec模型识别城市功能区,并在此基础上分析各功能区的热场等级空间分异特征,借助增强回归树算法(Boosting Regression Tree, BRT)构建功能区增温敏感性指数,对不同功能区在地表升温过程中的敏感性差异... 详细信息

利用福州市三环内的POI数据和Place2vec模型识别城市功能区,并在此基础上分析各功能区的热场等级空间分异特征,借助增强回归树算法(Boosting Regression Tree, BRT)构建功能区增温敏感性指数,对不同功能区在地表升温过程中的敏感性差异进行定量测度,进而对区域尺度上的城市热环境空间分异机制进行深入探讨。结果表明:1)基于Place2vec模型的城市功能区识别结果具有较高的精度;2)除绿地与广场区外的4类功能区均具有高温现象,其中产业区的热场强度最高;3)各类功能区整体增温敏感性由高至低依次是:产业区、生活服务与住宅区、商业区、公共管理与服务区、绿地与广场区;不同升温阶段的功能区增温敏感性存在差异,在高温梯度下差异显著;地表覆被增温敏感性具有明显的功能区域分异特征。

关键词：城市功能区城市热环境地表升温增温敏感性 Place2vec模型 BRT算法福州市

基于广义相加模型的东南沿海叶绿素a浓度的多重影响与季节差异

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1期39卷 134-148页

作者：张婧薇陈佐旗苏华福州大学卫星空间信息技术综合应用国家地方联合工程研究中心、空间数据挖掘与信息共享教育部重点实验室福建福州350108 福州大学数字中国研究院(福建) 福建福州350108

叶绿素a浓度可以评估海水富营养化状况,对沿海叶绿素a浓度影响因素的研究在海洋环境保护方面具有重要意义。而现有研究多关注自然因素对沿海叶绿素a浓度的影响,忽视了人为因素的作用。因此实验以夜间灯光遥感数据表征人类活动强度,根据... 详细信息

叶绿素a浓度可以评估海水富营养化状况,对沿海叶绿素a浓度影响因素的研究在海洋环境保护方面具有重要意义。而现有研究多关注自然因素对沿海叶绿素a浓度的影响,忽视了人为因素的作用。因此实验以夜间灯光遥感数据表征人类活动强度,根据夜间灯光亮度和沿海叶绿素a浓度间的关系将东南沿海的城市分为3个类型,并同时结合海表温度、风速、太阳辐射、降水等自然因素,通过广义相加模型(GAM)分析不同季节下3类城市中人为和自然等多重因素对沿海叶绿素a浓度的影响。结果表明:在北海、汕头等类型Ⅰ城市中自然因素主导叶绿素a浓度的变化,春季的主导因素为风速,夏、秋、冬季为海表温度;而人类活动对叶绿素a浓度的影响较小且没有显著的影响关系。珠海、东莞等类型Ⅱ城市的叶绿素a浓度受自然因素主导,春、秋、冬季的主导因素为风速,夏季为海表温度;而人类活动在夏、秋季对沿海叶绿素a浓度有较大的促进作用。深圳、香港地区等类型Ⅲ城市中人为因素主导叶绿素a浓度的变化,春、夏、秋季人类活动对叶绿素a浓度的影响最大且为负相关,冬季海表温度对叶绿素a浓度的影响最大。

关键词：叶绿素a 人类活动自然因素广义相加模型(GAM) 东南沿海

精准扶贫背景下中国贫困县的夜间灯光时空变化分析

在线全文

学校读者我要写书评

暂无评论

遥感学报 2024年第4期28卷 940-955页

作者：华婧吴宾陈佐旗杨成术唐曦孙斐然吴健平余柏蒗华东师范大学地理信息科学教育部重点实验室上海200241 华东师范大学地理科学学院上海200241 福州大学空间数据挖掘与信息共享教育部重点实验室福州350116 福州大学数字中国研究院(福建) 福州350116

2020年是中国全面打赢脱贫攻坚战的收官之年。合理评估减贫效果是当前验收工作的重点,并对探索解决相对贫困的长效机制具有重要意义。本文通过生产精准扶贫阶段(2014年—2020年NPP-VIIRS)夜间灯光遥感年合成数据,构建县域夜间灯光指数... 详细信息

2020年是中国全面打赢脱贫攻坚战的收官之年。合理评估减贫效果是当前验收工作的重点,并对探索解决相对贫困的长效机制具有重要意义。本文通过生产精准扶贫阶段(2014年—2020年NPP-VIIRS)夜间灯光遥感年合成数据,构建县域夜间灯光指数和变化指数,分别探讨了中国831个国家级贫困县和14个集中连片特困区的减贫效果。结果表明:2014年以来中国大部分贫困县的经济水平得到显著提高,减贫效果突出;仍有108个贫困县夜间灯光强度呈现负增长趋势,主要位于西部地区的集中连片特困区交界处,西部地区内部出现南北发展不平衡现象;14个集中连片特困地区的夜间灯光亮度变化呈现出基数小增速快(Ⅰ型)、基数大增速快(Ⅱ型)、基数大增速慢(Ⅲ型)和基数小增速慢(Ⅳ型)4种类型,且在集中连片特困区交界处和省级行政边界交汇处呈现高高集聚和低低制约的空间分布格局,交界处的贫困县易被边缘化。进一步分析表明,实施基础设施扶贫、特色产业扶贫、资产收益扶贫(光伏扶贫)、易地搬迁扶贫这4类脱贫路径的贫困县夜间灯光变化明显。

关键词：夜间灯光 NPP-VIIRS 国家级贫困县集中连片特困地区时空变化减贫效果