共查询到18条相似文献，搜索用时 125 毫秒
1.
针对合成孔径雷达(Synthetic Aperture Radar,SAR)和多光谱(Multi-Spectral,MS)融合图像中存在的空间细节模糊和颜色失真问题,该文兼顾光谱监督和空间细节监督,设计光谱损失函数和空间细节损失函数,提出一种基于双分支卷积神经网络(Convolution Neural Network,CNN)的SAR和MS图像融合算法。该算法网络框架包含光谱保持和细节提升两个分支:光谱保持分支通过上采样MS图像连接到网络的输出,直接将光谱信息传递到融合图像中;细节提升分支对SAR和MS图像通过高通滤波提取高频细节信息,然后应用CNN对细节信息进行特征提取、特征融合及重建,最后将重建的细节信息叠加到上采样的MS图像,得到融合结果。以哨兵-1B GRD级别的SAR图像和Landsat8卫星多光谱图像为实验数据,通过与传统融合算法和深度学习算法RSIFNN进行对比,结果表明,该文算法在定性和定量评价方面效果更好,能够在保持光谱信息的基础上增强多光谱图像的空间细节信息,有利于后续地物分类和目标识别等工作的开展。 相似文献
2.
基于CNN的像素级SAR图像分类利用了输入图像块的邻域信息,但没有凸显出邻域像元对中心像元分类结果的影响力,导致在高噪声条件下中心像元易出现类别误判。针对该问题,该文提出了一种基于点特征相似性的卷积神经网络(Point feature Similarity-based Convolutional Neural Network,PSCNN),并将其用于SAR图像分类,以凸显邻域像元对中心像元分类结果的影响力,从而减小误分,提升分类精度。实验结果表明,相比传统基于CNN的SAR图像分类方法,该算法一方面能更充分利用图像块的邻域信息,有效抑制相干斑的影响,提升匀质区域的分类精度;另一方面借助块匹配方式,能够充分保留图像块的结构信息,有效提升边界定位精度。 相似文献
3.
高分辨率遥感影像中,城市道路表现为局部灰度近似、宽度变化缓慢的狭长区域。根据城市道路这些形态特性,提出基于形态重建的道路提取方法。先对原始遥感影像作增强处理,突出影像边缘信息,用Otsu自动阈值分割法对增强处理后的图像进行初步分割;再根据图像中各要素的形态特征构建不同的标记图像,分别对原图像进行形态重构,将道路和建筑物等分别生成新的图像模块;对形态重构生成的道路模块进行轮廓提取和细化,提取出道路轮廓和中心线。实验结果表明,该方法能有效地从高分辨率遥感影像中提取出城市道路网。 相似文献
4.
《地理与地理信息科学》2016,(2)
针对现有遥感图像融合算法存在的光谱失真及空间细节丢失的问题,提出一种非下采样Shearlet变换(NSST)与稀疏表示(SR)相结合的图像融合算法。该算法利用NSST多尺度、多方向及平移不变的特性对全色图像与多光谱图像亮度分量进行变换分解,并根据稀疏表示能够有效捕捉图像结构特征的特点,对低频分量采用基于结构相关性的稀疏表示加权融合规则,从而减少光谱失真,对高频分量则利用基于改进的拉普拉斯能量和的方法,以保留细节信息,最后通过NSST与IHS逆变换得到融合图像。实验以WorldView-2不同场景下的影像为数据源,与传统的IHS、AIHS、IHS-WV、IHS-WV-SR、IHS-NSST融合方法进行对比,结果表明:新的算法不论在视觉上还是指标参数上都得到了有效提高,光谱分辨率和空间分辨率更接近于融合参考图像。 相似文献
5.
在北极东北航道东西伯利亚海和楚科奇海交汇的关键区域,利用四景2012年北极夏季Radarsat-2 SAR海冰图像,通过图像分类提取了海冰密集度;同时采用NASA TEAM算法,基于海洋二号(HY-2)卫星扫描微波辐射计亮温数据反演了对应区域的海冰密集度;并引入美国冰雪数据中心(NSIDC)发布的SSMIS海冰密集度产品进行了对比研究。通过不同来源海冰密集度数据的分析发现HY-2、SAR和SSMIS的结果在4个研究区域上的分布趋势基本吻合;但在海冰边缘区,由SAR图像分类得到的海冰密集度高于HY-2和SSMIS的反演结果,说明了高分辨率的SAR图像在监测边缘区小尺寸浮冰上有优势。三种数据中,原始分辨率相同(25 km)的HY-2与SSMIS的结果最为相近,而HY-2同SAR的相关性与SAR同SSMIS的相关性一致。在冰边缘,HY-2的反演值偏低于SAR和SSMIS的结果,这是受该处较高水汽含量影响的结果,也是未来发展HY-2微波辐射计反演算法需要重点改进的地方。 相似文献
6.
基于Gram Schmidt变换的高光谱遥感图像改进融合方法 总被引：3，自引：0，他引：3
遥感图像融合的目的是综合来自不同空间分辨率和光谱分辨率的遥感信息,生成一幅具有新空间和波谱特征的合成图像。针对高光谱图像的特点,对基于Gram Schmidt变换的图像融合方法进行改进,首先采用光谱重采样方法模拟产生Gram Schmidt变换的第一分量,通过Gram Schmidt变换将高光谱图像转换到正交空间,再利用高空间分辨率图像替换Gram Schmidt变换的第一分量,最后通过Gram Schmidt反变换获得融合图像。利用EO1-Hyperion航天高光谱数据与ALI全色波段进行融合试验,发现改进方法可有效提高高光谱遥感图像与全色高分辨率图像的融合质量。 相似文献
7.
本文提出了一种基于凝聚层次聚类(Hierarchical Agglomerative Clustering,HAC)的合成孔径雷达(Synthetic Aperture Radar,SAR)影像分割算法。该算法采用自底向上的策略,将相似的像素聚合成同一斑块。另外,本文利用了异质性作为衡量斑块相似性的标准。本文利用了两景2010年Envisat ASAR影像来开展图像分割实验。实验结果显示,本文算法的分割精度均在0.75以上,有效保持了SAR影像中溢油斑块的边界信息。 相似文献
8.
利用深度学习技术对高光谱图像进行地表覆被的精细识别与分类已取得瞩目成果.其中,A2 S2 K-ResNet方法分类精度高、综合性能稳定,但其自适应卷积核选取机制未对卷积神经网络的感受野起到实质性的优化作用,进而影响分类结果.该文提出一种面向高光谱遥感图像分类的连续空间依赖增强模块,以弥补A2 S2 K-ResNet方法的不足,并借助三维残差网络框架,形成一种全新的空—谱卷积神经网络.实验采用4组高光谱图像分类标准测试数据集,并结合3种国际通用的精度评价指标进行方法验证.定性分析结果表明,该文方法可增强空间依赖信息,有效抑制噪声现象,大幅减少分类误判现象;定量分析结果显示,相比A2 S2 K-ResNet,该文方法的分类精度更高,计算复杂度更低,且随着训练样本数量递减,其优势逐渐增大.研究结果有助于解决极少训练样本支持下的高光谱图像分类问题,并提高高光谱图像分类模型的泛化能力. 相似文献
9.
《地理与地理信息科学》2016,(1)
遥感图像纹理特征的提取和分析,可以弥补光谱特征在提取遥感图像信息特征方面的不足,提高遥感图像分类、识别的精度。为了得到遥感图像纹理特征中较重要的方向性特征,提出一种检测遥感图像纹理方向特征的新方法:先用改进后的二维集合经验模态分解算法(BEEMD)对原始图像进行处理;再对分解结果进行小波分解与Radon变换来检测图像纹理的方向性特征。实验结果表明,所提算法既能克服小波分解高频信息泄露的缺陷,增强小波分解的适用性;又能获得遥感图像纹理在低频、垂直和水平等部分较为准确、精细的方向特征检测结果,为遥感图像的识别与区分提供更有效的依据。 相似文献
10.
城市轨道交通网络通达性度量与空间特征分析——以广州市为例 总被引：1，自引：0，他引：1
陈少沛 《地理与地理信息科学》2013,29(3)
以广州市轨道交通网络为例,基于公交乘客出行心理特征提出换乘次数和出行时间为网络通达性度量指标;应用公交路径分析算法,获取节点(地铁站)间的最少换乘次数和出行时间,构建换乘和时间矩阵,实现节点的换乘和时间通达性指标计算;在轨道交通网络空间连通性评价的基础上,应用ArcGIS的反距离权重插值方法生成等值线图,勾画出整体网络的通达性空间格局,阐述其空间特征;进一步讨论目前广州市轨道交通网络空间结构的不足,并提出未来发展建议. 相似文献
11.
Di Zhu Ximeng Cheng Fan Zhang Xin Yao Yong Gao 《International journal of geographical information science》2020,34(4):735-758
ABSTRACTSpatial interpolation is a traditional geostatistical operation that aims at predicting the attribute values of unobserved locations given a sample of data defined on point supports. However, the continuity and heterogeneity underlying spatial data are too complex to be approximated by classic statistical models. Deep learning models, especially the idea of conditional generative adversarial networks (CGANs), provide us with a perspective for formalizing spatial interpolation as a conditional generative task. In this article, we design a novel deep learning architecture named conditional encoder-decoder generative adversarial neural networks (CEDGANs) for spatial interpolation, therein combining the encoder-decoder structure with adversarial learning to capture deep representations of sampled spatial data and their interactions with local structural patterns. A case study on elevations in China demonstrates the ability of our model to achieve outstanding interpolation results compared to benchmark methods. Further experiments uncover the learned spatial knowledge in the model’s hidden layers and test the potential to generalize our adversarial interpolation idea across domains. This work is an endeavor to investigate deep spatial knowledge using artificial intelligence. The proposed model can benefit practical scenarios and enlighten future research in various geographical applications related to spatial prediction. 相似文献
12.
利用卷积神经网络从遥感影像中提取水体时,水体对象边缘像素的特征与内部像素的特征之间往往存在较大差异,导致提取结果中边界模糊、内部像素与边缘像素的提取精度差异较大,影响了整体精度的提高。针对如何从高分辨率遥感影像中进行水体高精度、自动化提取的问题,文章首先以高分辨率遥感图像为基础,利用边缘提取算法生成边缘图像,然后以高分辨率遥感图像和边缘图像作为输入,建立了语义特征和边缘特征融合的高分辨率遥感图像水体提取模型（Semantic Feature and Edge Feature Fusion Network, SEF-Net）,用于从高分辨率遥感图像中提取水体对象。实验结果表明,SEF-Net模型在3个数据集中的召回率（91.97%、92.07%、93.97%）,精确率（91.12%、98.37%、97.88%）,准确率（89.56%、95.07%、94.06%）和F1分数（91.54%、95.12%、95.88%）均优于对比模型,说明SEF-Net模型从高分辨率遥感图像中提取水体时,具有更高的精度和泛化能力。 相似文献
13.
Sentinel-1A合成孔径雷达数据不受云、雾等天气条件的影响并具有丰富的纹理信息，为提取城市建设用地信息提供了一种新的数据源。本文发展了一种基于Sentinel-1A合成孔径雷达数据和全卷积网络的城市建设用地监测方法。该方法的优势主要在于可以有效复合不同极化方式下的Sentinel-1A合成孔径雷达数据和综合集成多尺度特征。在甘肃省张掖市甘州区的应用表明，该方法的提取结果总体精度为92.50%，Kappa系数为0.85。与现有方法“KTH-Pavia城市提取器”相比，Kappa系数提高了37.10%，总体精度提高了11.50%。因此，该方法具有良好的应用潜力。 相似文献
14.
15.
摄影测量三维重建中多源信息融合方法探讨 总被引：1，自引：0，他引：1
分析摄影测量三维重建中不同数据源的特点,针对现有多源数据融合存在的有限数据源低层次融合问题,提出一种基于影像特征、GIS信息和3D TIN模型融合的层次结构与算法流程 .该算法主要包括多边形区域增长、几何推理和建筑物几何模型平差等处理,为基于摄影测 量的三维城市模型自动重建提供了一种新的思路与方法. 相似文献
16.
以洪河国家级自然保护区为研究区,选取了多时相的Sentinel-1B和Sentinel-2A影像为数据源,制定出9种多时相主被动遥感数据组合方案,用于沼泽湿地遥感分类;分别对根据9种方案整合的多维数据集,进行基于尺度继承的多尺度分割,得到面向对象的分割影像,建立与不同方案对应的特征数据集;采用随机森林机器学习算法,对多维特征数据集进行特征优化,并进行参数调优,构建沼泽植物的最优遥感识别模型,实现对沼泽湿地中地物的识别与分类。研究结果表明,采用递归特征消除(recursive feature elimination,RFE)算法的变量优选和采样随机森林的参数调优,可以优化随机森林模型,显著减少数据冗余,整合多时相主被动遥感数据方案九的随机森林模型的最佳参数mtry和ntree分别为4和1500,模型训练精度为93.06%,Kappa系数为0.916,其模型训练精度在所有方案中最高;经过变量优选得到最佳特征变量组合,交叉极化方式的后向散射系数(Mean_VH)对于沼泽分类的重要性比同向极化方式的后向散射系数(Mean_VV)高;光谱特征是遥感图像分类的最主要特征,其中,红光和绿光波段(Mean_R和Mean_G)、多光谱红边波段(Mean_REG1和Mean_REG2)、近红外波段1(Mean_NIR1)、红边植被指数(CIgreen和CIreg)都对分类具有较高的重要性;纹理特征熵(GLCM_Entro、GLCM_Ent2)和位置特征像元坐标(X_Min_Pxl和Y_Max_Pxl)对沼泽湿地分类也起到重要作用,相对于其它特征,形状特征对分类的贡献性较小;利用方案九的数据得到的分类结果的总体分类精度为94.42%,主被动遥感数据的特征变量和不同时相的特征变量都对分类做出重要贡献,其中,6月的多光谱特征变量的贡献大于9月的变量;9月的SAR特征变量的贡献大于6月的变量;对分类贡献最大的9月的特征变量为多光谱红边波段2(Mean_REG2),对分类贡献最大的6月的特征变量为绿光波段(Mean_G);融合多时相主被动遥感数据源,可以将不同数据源、不同时相对分类具有较大贡献的特征变量集合在一起,充分利用光谱信息和雷达数据反映的结构信息,构建多维度最佳特征变量组合方案,有效提高沼泽湿地分类精度。 相似文献
17.
基于卷积神经网络和高分辨率影像的湿地群落遥感分类——以洪河湿地为例 总被引：2，自引：0，他引：2
以洪河国家级自然保护区为研究对象,应用卷积神经网络（CNN）方法进行高分辨率湿地遥感影像的分类研究,并与基于光谱支持向量机（SP-SVM）的方法和基于纹理及光谱的支持向量机（TSP-SVM）的方法进行了对比。结果显示,对于所选取的2个研究区域,CNN分类方法的全局精度高于SP-SVM方法5.61%和5%,高于TSP-SVM方法4.18%和4.15%。尤其对于部分湿地植被的分类精度明显高于SP-SVM和TSP-SVM方法。研究表明,卷积神经网络为湿地识别的精细划分提供了有利的手段。 相似文献
18.
采用双注意力机制Deeplabv3+算法的遥感影像语义分割 总被引：1，自引：0，他引：1
针对DeepLabv3+网络在遥感影像上呈现出拟合速度慢,边缘目标分割不精确,大尺度目标分割类内不一致、存在孔洞等缺陷,提出在该网络中引入双注意力机制模块（Dual Attention Mechanism Module, DAMM）,设计并实现了将DAMM结构与ASPP（Atous Spatial Pyramid Pooling）层串联或并联的2种不同连接方式网络模型 ,串联连接方式中先将特征图送入DAMM后,再经过ASPP结构;并联连接方式中将双注意力机制层与ASPP层并行连接,网络并行处理主干网提取特征图,再融合两层处理特征信息。将改进的2种方法通过INRIA Aerial Image高分辨率遥感影像数据集验 证,结果表明,串联或并联方式2种网络都能有效改善Deeplabv3+的不足,并联方式网络性能更好,其对原网络缺陷改善效果更明显,并在测试数据集上mIoU达到85.44%,比Deeplabv3+提高了1.8%,而串联方式网络提高了1.12%。并联结构网络更符合本文需求,其形成了一种对DeepLabv3+网络上述问题进行统一改善的方案。 相似文献