基于卷积神经网络的电成像图像空白条带填充方法     

张浩  司马立强  王亮  车国琼  郭宇豪  杨琴琴 《地球物理学进展》2021,36(5):2136-2142

全井眼微电阻率成像(Fullbore Formation Micro Imager,FMI)技术广泛应用于强非均质性的碳酸盐岩储层测并精细解释.然而,由于各极板间间隙的影响,FMI无法测量360°全井壁地层电阻率信息,这使得FMI图像出现空白条带,严重影响了图像视觉和测井解释进程.为获取全井壁的电阻率信息,必须有效的填充空白条带.本文在探讨现有的电成像图像空白条带填充方法基础上,提出了一种基于卷积神经网络的电成像图像空白条带填充方法.与常用的Criminisi插值法对比填充效果显示:该方法完全适用于各种特征的电成像图像空白条带填充,延续了所有待填充边缘的暗色条带和亮色背景,填充结果与原始图像的像素值频率占比相关性高达0.9581.Criminisi插值法在复杂区域电成像图像的填充结果连通性较差且存在干扰区域,填充结果与原始图像的像素值频率占比相关性仅为0.5924.本文提出的方法具有处理速度快、干扰区域少、连通性强、相关性高的特点,能够满足电成像空白条带成规模填充的实际应用需求,还可为测量极板间的测量缺失带信息处理提供参考手段.  相似文献   

光谱保真归一化卷积高光谱超分辨率重建方法     

徐宏根  李春来  杨淼  董小环 《华南地质与矿产》2019,35(4):504-513

高光谱遥感图像受到成像系统硬件限制,无法同时具有高空间分辨率和高光谱分辨率,较低的空间分辨率制约高光谱图像的应用,超分辨率重建技术可提高图像的空间分辨率。针对高光谱图像的超分辨率重建中光谱保真度的问题,在重建方法中耦合光谱保真度函数,结合结构自适应归一化卷积方法,提出基于光谱保真约束的归一化卷积方法。具体地,将图像局部邻域内像素间的光谱相关性作为约束条件,将与中心像素光谱类似的像素赋予较大权值,从而提高重建后图像光谱特性的保持程度。实验中分别从空间结构与光谱信息保真两个方面来评价重建后结果,结果表明该方法具有较好的光谱信息保持度。  相似文献   

基于双分支卷积神经网络的SAR与多光谱图像融合实验     

吴佼华  杨学志  方帅  董张玉 《地理与地理信息科学》2021,37(2):22-30

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   

基于卷积神经网络的遥感影像地表覆盖分类     

朱宏张艳王欢 《地理信息世界》2020,(5):58-64

遥感影像地表覆盖分类是地理国情监测和地理信息资源建设中至关重要的环节,利用卷积神经网络对遥感影像进行特征提取和分类,具有十分重要的科研和应用价值。为提高遥感影像的地表覆盖分类精度,在深度卷积神经网络VGGNet的基础上,采用SeLU函数作为激活函数,并将激活函数中的λ、α作为训练参数,得到改进的VGGNet,用逐层贪婪算法对网络参数初始化,并选择适当的学习次数利用迁移学习的方法对网络参数调整,以提高网络的泛化能力来提取遥感影像各类别的深层特征,从而有效进行地表覆盖分类。通过GF-1卫星影像的实验表明本文方法在地表覆盖分类精度方面的优越性。  相似文献   

基于卷积神经网络的高分辨率遥感影像云检测     

《地理空间信息》2017,(11)

在深度学习理论模型的基础上,提出了基于卷积神经网络的云检测方法。以GF-2号卫星影像为数据源,选取广西壮族自治区贵港市为实验区,提取了不同下垫面的云,验证了该方法的有效性。  相似文献   

一种基于渐消因子的区间卡尔曼滤波器方法          下载免费PDF全文

徐韩  曾超  黄清华 《武汉大学学报(信息科学版)》2017,42(12):1826

在噪声环境中,运动目标发生稳态突变会降低卡尔曼滤波器的滤波性能,进而导致组合导航的可靠性降低,导航系统抗干扰能力下降,影响导航的精确度。为了提高卡尔曼滤波器性能,提高抗干扰能力和导航精度,在采用基于卡尔曼滤波器的超紧耦合同时,提出一种新型的基于渐消因子的区间卡尔曼滤波器算法。该算法通过引入渐消因子和区间矩阵对滤波器增益矩阵进行实时调整,并利用区间运算中的交集运算将各种误差源约束到交集区间,进而保证在区间运算中保真集合映射的完备性并取得最优化。结果显示,该算法能够克服原有滤波器算法的缺陷,在噪声环境中提升对稳态突变目标的跟踪能力,且在噪声中滤波器效果提高,算法计算量没有明显增加。  相似文献   

基于卷积神经网络的极光图像分类          下载免费PDF全文

王菲  杨秋菊 《极地研究》2018,30(2):123-131

极光是由带电粒子经磁层—电离层碰撞大气而产生的。面对形态各异、演变过程复杂的极光图像,对其合理分类为进一步探究日地电磁活动和能量耦合等空间物理问题奠定了基础。针对该问题,引入深度学习的方法,通过卷积神经网络模型自主表征极光特征并实现极光图像分类。该方法对2003年北极黄河站越冬观测的38 044幅和8 001幅典型极光图像分类正确率达93.17%和91.5%;自动识别2004—2009年观测数据的极光形态,4类极光时间分布规律与三波段激发谱能量分布基本一致。实验结果表明,基于卷积神经网络的极光表征方法,能有效实现极光图像的自动分类。  相似文献   

基于残余插值的卷积神经网络去马赛克算法     

贾慧秒  李春平  周登文 《南京气象学院学报》2017,9(6):650-655

在去马赛克问题中,为了精确插值倾斜边缘并提高结果图像的整体质量,提出一种基于残余插值的卷积神经网络去马赛克算法.针对Bayer格式的颜色滤波阵列,插值绿色平面时,对于红蓝通道信息不全的问题,采用同通道邻近像素值近似代替,综合考虑3个通道的梯度,运用倾斜方向的边缘检测算子,将倾斜边缘分为不同方向的边缘分别插值.在插值完成后,利用深度卷积神经网络,进一步训练插值结果.在标准的IMAX数据集上,与目前流行的算法相比,本文算法视觉上更接近原图,具有更高的峰值信噪比和更短的运行时间.  相似文献   

以节点操作实现多边形求交的算法     

杜爽  陈成永 《测绘通报》2007,(10):21-24

根据多边形之间的交点状态确定与交点相关的节点信息,以节点操作为核心求解两多边形之间的交集。在此基础上,考虑重叠边、边边相交于边节点等情形,通过遍历交点来完成交集多边形边界的构建,从而提出一种多边形求交运算的改进算法。该算法结构简单,具有较快的计算速度和较高的效率,适合于地理信息系统中的空间叠置分析、缓冲区分析应用,对于地图制图中区域要素的截取操作也具有重要的参考价值。  相似文献   

AlexNet支持下的地图建筑物形状分类方法     

焦洋洋  刘平芝  刘爱龙  刘松林 《地球信息科学学报》2022,24(12):2333-2341

地图目标的形状在地图制图综合、空间查询等研究中发挥着重要作用。地图建筑物形状的识别与分类作为建筑物轮廓化简与典型化的基础,一直是制图综合研究的热点问题。目前,主要的建筑物形状识别方法主要依赖对建筑物轮廓的描述,对建筑物等地图面状要素的形态特征有较强的依赖性,通常只在应对特定类型的规则轮廓或直角化轮廓时能发挥较好的效果,对于形状不规则或复杂的情况识别不佳。本文提出一种AlexNet支持下的地图建筑物形状分类方法,将矢量地图中建筑物数据的形状分类问题,转化为建筑物栅格图像的分类问题,通过完成卷积神经网络的图形分类实现建筑物的形状识别。该方法首先结合空间认知规律提出一系列典型建筑物形状类型,然后利用矢量-栅格转换的方法从OSM数据采样单体建筑物栅格图像,通过人工标识获得建筑物形状分类训练样本,训练AlexNet卷积神经网络分类模型,最后利用训练好的模型对大比例尺建筑物数据进行智能形状分类与识别。本文利用北京、香港2个城市的OSM建筑物数据作为样本训练建筑物形状分类模型,并在广州部分城区的OSM建筑物数据上进行验证。相较传统形状相似性度量方法,本文提出的方法对实验区建筑物的识别分类总体查全率提高了2.48%,达到92.32%,对于较为复杂的形状（如T形、十字形）识别也具有更高的精度,查准率分别提高了13.83%和24.53%。实验结果表明本文提出的方法对建筑物形状分类的效果有明显提升,能够实现常见建筑物形状的有效分类,为下一步的建筑物化简、典型化等综合操作打下了基础。  相似文献