检索结果-南通市图书馆

结合空间—光谱信息的快速自训练高光谱遥感影像分类

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 219-230页

作者：金垚董燕妮杜博中国地质大学(武汉)地球物理与空间信息学院武汉430074 湖北珞珈实验室武汉430079 武汉大学测绘遥感信息工程国家重点实验室武汉430079 武汉大学资源与环境科学学院武汉430079 武汉大学计算机学院武汉430072

自训练方法被广泛应用于高光谱影像分类任务中以解决标记样本获取困难的问题。传统的自训练方法不仅忽略了高光谱影像所能提供的空间信息,导致最终分类精度受到影响;同时在每次迭代过程中都需要完成一次对未标记数据的分类任务,导致需... 详细信息

自训练方法被广泛应用于高光谱影像分类任务中以解决标记样本获取困难的问题。传统的自训练方法不仅忽略了高光谱影像所能提供的空间信息,导致最终分类精度受到影响;同时在每次迭代过程中都需要完成一次对未标记数据的分类任务,导致需要大量的时间成本。因此,针对上述问题,本文提出了一种基于空间—光谱信息的快速自训练方法用于高光谱影像分类。与传统的自训练方法不同,该方法在迭代过程中使用空间—光谱信息对未标记数据进行筛选完成标记样本的扩充,而不是使用分类器对未标记样本进行分类。首先针对初始标记样本使用空间邻域块选择空间近邻点,然后使用自适应阈值对空间近邻点进行二次筛选得到空谱近邻点赋予标记,最后根据扩充后的标记样本对分类器进行训练完成分类任务。结果表明,在Washington DC Mall Subimage高光谱数据集中每类分别选择2个和10个训练样本时,整体分类精度分别达到了93.17%和95.43%;而在Indian Pines数据集中整体分类精度分别达到了59.75%和86.13%。我们提出的结合空间—光谱信息的快速自训练方法和对比方法相比,我们的方法有明显的提升。

关键词：高光谱遥感半监督分类小样本问题空间—光谱信息自训练方法

基于物方一致性的珞珈三号01星视频数据在轨实时稳像

在线全文

学校读者我要写书评

暂无评论

武汉大学学报（信息科学版） 2024年第6期49卷 899-910页

作者：张致齐王密曹金山刘闯廖敦波湖北工业大学计算机学院湖北武汉430068 武汉大学测绘遥感信息工程国家重点实验室湖北武汉430079 武汉华迪维度科技有限公司湖北武汉430074

利用高分辨率敏捷光学卫星的凝视观测能力,对特定区域或目标进行连续观测,从而实现区域监测、目标跟踪等应用,是高分辨率光学卫星的应用热点之一。获取的凝视观测数据经过几何与稳像处理后,能得到稳定的高质量视频数据。但受制于过程中... 详细信息

利用高分辨率敏捷光学卫星的凝视观测能力,对特定区域或目标进行连续观测,从而实现区域监测、目标跟踪等应用,是高分辨率光学卫星的应用热点之一。获取的凝视观测数据经过几何与稳像处理后,能得到稳定的高质量视频数据。但受制于过程中需要的大量运算,星载设备计算与存储能力难以满足,该处理只能由地面系统在事后完成,信息获取的时效性低。针对该问题,基于珞珈三号01星数据特点与星载硬件计算能力,提出一种基于物方一致性的在轨视频帧实时稳像方法。所提方法利用实时几何定位,在卫星成像过程中实时提取并对目标区域影像进行几何校正;同时利用影像帧之间地理信息的一致性,对相邻影像帧进行实时配准,保证帧间相对精度;在此基础上,通过构建算法并行流水线,实时生成带有地理编码的兴趣区视频帧序列。使用珞珈三号01星真实数据与帧率(6帧/s)进行实验,结果表明,基于珞珈三号01星嵌入式星载处理硬件,所提方法能够实现快于6帧/s的处理速度,同时获得的视频帧序列带有地理编码,且帧间稳像精度达0.328像素,可满足星载实时服务需求。

关键词：视频稳像兴趣区提取实时处理星上处理

在线全文

学校读者我要写书评

暂无评论

利用点重要性序列的等高线间接综合

武汉大学学报（信息科学版） 2024年第5期49卷 856-867页

作者：程璐郭庆胜费立凡魏智威武汉大学资源与环境科学学院湖北武汉430079 武汉大学测绘遥感信息工程国家重点实验室湖北武汉430079 中国科学院空天信息创新研究院北京100830

在等高线综合方法中,基于三维(3D)Douglas-Peucker(3DDP)算法的等高线间接综合具有良好的应用前景。3DDP算法是通过设置阈值达到删除地表次要点、保留主要点的目的,然而这种通过阈值更新的方式来获得目标综合尺度所需保留的点集,影响了... 详细信息

在等高线综合方法中,基于三维(3D)Douglas-Peucker(3DDP)算法的等高线间接综合具有良好的应用前景。3DDP算法是通过设置阈值达到删除地表次要点、保留主要点的目的,然而这种通过阈值更新的方式来获得目标综合尺度所需保留的点集,影响了等高线间接综合的效率,且未考虑点被选取时的语义信息。因此对3DDP算法进行修改,并将基于“最佳位置”收敛法提取的结构化地形特征线作为综合约束,提出一种利用点重要性序列的等高线间接综合方法,即在不删除任何点的情况下,根据点的几何与语义权重计算其重要性值,形成包含所有点的重要性值从大到小排列的一个点重要性序列,并从该点重要性序列中确定目标综合尺度所需保留的点集,从而实现等高线间接综合。实验表明,所提方法不仅能够提高等高线间接综合的效率,而且还能有效地防止等高线拓扑关系的变异。

关键词： 3D Douglas-Peucker算法地形特征线点重要性序列等高线间接综合

在线全文

学校读者我要写书评

暂无评论

基于无监督学习的遥感道路阴影遮挡补全

武汉大学学报(工学版) 2024年

作者：杨光义刘泽鹏把硕周逸铭卢方骁武汉大学电子信息学院武汉大学计算机学院武汉大学国家网络安全学院武汉大学测绘遥感信息工程国家重点实验室

针对遥感影像中地物阴影常常遮挡路面，导致路面信息缺失、提取困难的问题，提出一种基于无监督学习的遥感道路阴影遮挡补全方法。方法包含阴影检测和阴影补偿两部分：首先通过设计多特征通道指数进行阴影特征提取，再进行特征融合以获... 详细信息

针对遥感影像中地物阴影常常遮挡路面，导致路面信息缺失、提取困难的问题，提出一种基于无监督学习的遥感道路阴影遮挡补全方法。方法包含阴影检测和阴影补偿两部分：首先通过设计多特征通道指数进行阴影特征提取，再进行特征融合以获得初始阴影伪标签；其次借鉴自训练思想进行基于D-LinkNet的阴影标签迭代训练，去除伪标签中的误提取和噪声干扰，实现阴影精细化检测；最后以精确阴影标签为掩膜进行基于光照强度的阴影信息补偿，实现道路阴影遮挡补全。丰富的实验表明，处理后图像阴影基本去除，道路提取形态完整、精度普遍提高。阴影检测部分迁移性较强，方法不依赖人工标注数据集，在无标签数据集上仍有较高可执行性。

关键词：遥感影像道路遮挡阴影检测阴影补偿 D-LinkNet 无监督学习道路提取

信息熵估计辅助的域自适应多源遥感影像地表覆盖分类

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

武汉大学学报(信息科学版) 2024年第10期 1940-1952页

作者：王定盼董小环黄令勇王晓华李庆君季顺平武汉大学遥感信息工程学院地理信息工程国家重点实验室天津市测绘院有限公司

在多源遥感影像地表覆盖分类中，引入域自适应方法能够对齐源域和目标域影像或其特征，提升深度学习模型的泛化能力，在智能遥感影像解译任务中具有重要意义。提出了一种基于信息熵不确定性估计的伪标签纠正方法，用于自训练的域自适应... 详细信息

在多源遥感影像地表覆盖分类中，引入域自适应方法能够对齐源域和目标域影像或其特征，提升深度学习模型的泛化能力，在智能遥感影像解译任务中具有重要意义。提出了一种基于信息熵不确定性估计的伪标签纠正方法，用于自训练的域自适应任务。其核心是提出一种熵不确定损失函数，用于跨源遥感影像之间的地表覆盖分类。首先，用含标签的源域影像训练语义分割模型，对缺乏真实标签的目标域影像预测并生成伪标签。然后，用伪标签继续训练目标域影像，计算预测结果的信息熵，并将该信息熵作为伪标签的不确定性估计，以校正伪标签并再次进行目标域影像的自训练，得到适用于目标域数据集的地表覆盖分类模型权重。最后，在3个数据集（武汉市2017年及2019年地表覆盖影像分类数据集、ISPRS 2D语义标注比赛数据集、WHU建筑物变化检测数据集）上进行了跨域的多源遥感影像地表覆盖分类实验。结果显示:引入所提方法对现有语义分割网络的性能有显著提升；相比于传统自训练方法，所提方法具有一定的提升，同时，所提方法也超越了最新的基于Kullback-Leibler散度不确定性估计的方法。以上结果表明，所提方法能够在原有预训练语义分割模型基础上进一步提升该模型对不含标签的目标域影像的分割能力，且不需要在原模型上增加额外的模块和参数。

关键词：域自适应自训练信息熵伪标签纠正多源遥感影像地表覆盖分类

基于权重动态变形和双重网络自我验证的遥感影像分类方法

在线全文

同方期刊数据库

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8期61卷 275-285页

作者：张庆芳丛铭韩玲席江波荆青青崔建军杨成生任超峰顾俊凯许妙忠陶翊婷长安大学地质工程与测绘学院陕西西安710054 中国自然资源航空物探遥感中心北京100083 武汉大学测绘遥感信息工程国家重点实验室湖北武汉430079

目前主流的神经网络在面对复杂多样的地物目标时难以精确区分,同时样本数量少、弱监督条件也容易为神经网络带来大量噪声与错误。为此,在分析遥感影像的地物特点后,提出一种基于权重动态变形的双重网络遥感影像分类方法,通过构架灵活、... 详细信息

目前主流的神经网络在面对复杂多样的地物目标时难以精确区分,同时样本数量少、弱监督条件也容易为神经网络带来大量噪声与错误。为此,在分析遥感影像的地物特点后,提出一种基于权重动态变形的双重网络遥感影像分类方法,通过构架灵活、简易却有效的权重动态变形结构,构建经过改进的分类网络与目标识别网络,形成双网络对照的自我验证,从而提高学习性能、修复误差、增补遗漏、提高分类精度。实验结果表明,所提方法在容易实施的基础上,表现出更强的地物认知能力和更强的噪声抵抗能力,即其能够适应各种遥感影像的分类任务,具有较为广阔的应用潜力。

关键词：遥感影像分类神经网络权重动态变形双重神经网络自我验证

在线全文

学校读者我要写书评

暂无评论

无序无人机影像的并行化SfM三维重建方法

测绘学报 2024年第5期53卷 946-958页

作者：姜三马一尘李清泉江万寿郭丙轩王力哲中国地质大学(武汉)计算机学院湖北武汉430074 人工智能与数字经济广东省实验室(深圳) 广东深圳518060 湖北珞珈实验室湖北武汉430072 武汉大学测绘遥感信息工程国家重点实验室湖北武汉430079

增量式运动恢复结构(ISfM)已成为无人机影像三维重建的关键技术。然而,大数据量、大重叠度和高分辨率的无序无人机影像导致的匹配对检索代价大、迭代优化误差累积和效率低的问题,使其难以满足大场景ISfM处理需求。本文提出联合全局描述... 详细信息

增量式运动恢复结构(ISfM)已成为无人机影像三维重建的关键技术。然而,大数据量、大重叠度和高分辨率的无序无人机影像导致的匹配对检索代价大、迭代优化误差累积和效率低的问题,使其难以满足大场景ISfM处理需求。本文提出联合全局描述子和图索引的无人机影像并行化SfM方法。针对影像特征数量大、影像检索编码本尺寸增加导致的匹配对检索效率低的问题,设计了联合全局描述子和图索引的高效影像检索方法,从而加速影像匹配。针对分块并行化SfM子场景合并存在同名点搜索效率低、内存消耗大、合并解算精度低的问题,设计了基于按需匹配图和双向重投影误差的子场景合并方法,实现无人机影像的并行化SfM重建。利用不同场景、不同采集方式获取的真实无人机影像进行试验,结果表明本文方法能够实现36~108倍加速比的匹配对检索,ISfM重建效率达到30倍加速,且相对定向和绝对定向精度与传统方法相当。

关键词：数字摄影测量无人机遥感运动恢复结构影像检索

维普期刊数据库博看期刊

基于高分六号的南昌市植被地上生物量遥感估算

在线全文

学校读者我要写书评

暂无评论

测绘地理信息 2024年第3期49卷 107-112页

作者：刘奕彤邵振峰吴长枝齐晓飞武汉大学测绘遥感信息工程国家重点实验室湖北武汉430079 西安测绘研究所陕西西安100081

结合高分六号(GF-6)遥感数据对植被的光谱特征和纹理特征等参数进行提取,对于实地测量的树高和胸径等数据,使用异速生长方程将其转化为地上生物量的观测值。分别采用随机森林(random forest,RF)、支持向量机(sup⁃port vector machine,S... 详细信息

结合高分六号(GF-6)遥感数据对植被的光谱特征和纹理特征等参数进行提取,对于实地测量的树高和胸径等数据,使用异速生长方程将其转化为地上生物量的观测值。分别采用随机森林(random forest,RF)、支持向量机(sup⁃port vector machine,SVM)和K近邻算法(K-nearest neigh⁃bor,K-NN),结合实地采样数据构建植被地上生物量遥感反演模型,并对模型进行拟合效果检验和精度验证。结果表明,在3种机器模型中,随机森林模型的数据结果最优,其决定系数为0.6638,均方根误差为28.13。最终选择随机森林模型对南昌市植被地上生物量进行估算,得到南昌市的植被生物量分布图,为后续研究城市生物量遥感估算和城市生态研究供科学依据。

关键词：地上生物量高分六号遥感反演机器学习

在线全文

学校读者我要写书评

暂无评论

路段级导航属性信息挖掘

测绘学报 2024年第2期53卷 367-378页

作者：张彩丽向隆刚李雅丽高松峰潘传姣河南城建学院测绘与城市空间信息学院河南平顶山467000 武汉大学测绘遥感信息工程国家重点实验室湖北武汉430079 沈阳建筑大学交通与测绘工程学院辽宁沈阳110000

大量的自动或半自动道路提取方法如雨后春笋,但生成的产品通常缺乏导航属性信息,如路段的等级、限速等,制约“大路优先”“限速提醒”等智能导航服务。因此,本文以路段为分析单元,考虑上下游邻接路段强相关性,提出一种改进的路段等级、... 详细信息

大量的自动或半自动道路提取方法如雨后春笋,但生成的产品通常缺乏导航属性信息,如路段的等级、限速等,制约“大路优先”“限速提醒”等智能导航服务。因此,本文以路段为分析单元,考虑上下游邻接路段强相关性,提出一种改进的路段等级、限速属性信息挖掘方法。首先进行轨迹、路网数据预处理,实现轨迹点与归属路段的连接。然后基于对数据和任务的认识进行多模态道路互补特征设计。最后顾及目标路段及其上下游邻接信息,利用随机森林开展面向路段的等级、限速信息分析。与单类特征相比,集成路网与轨迹特征之后提高了路段等级、限速分类准确率。与仅顾及目标路段进行路段等级、限速分类相比,顾及空间邻接信息进行路段等级、限速分类效果更好。

关键词：众源轨迹导航属性挖掘多模特征融合空间邻接信息道路等级识别道路限速识别