全文获取类型
| 收费全文 | 97篇 |
| 免费 | 6篇 |
| 国内免费 | 4篇 |
专业分类
| 测绘学 | 54篇 |
| 大气科学 | 5篇 |
| 地球物理 | 6篇 |
| 地质学 | 2篇 |
| 海洋学 | 3篇 |
| 综合类 | 27篇 |
| 自然地理 | 10篇 |
出版年
| 2022年 | 2篇 |
| 2021年 | 2篇 |
| 2020年 | 4篇 |
| 2019年 | 1篇 |
| 2017年 | 1篇 |
| 2016年 | 4篇 |
| 2015年 | 2篇 |
| 2014年 | 3篇 |
| 2013年 | 8篇 |
| 2012年 | 2篇 |
| 2011年 | 7篇 |
| 2010年 | 7篇 |
| 2009年 | 7篇 |
| 2008年 | 3篇 |
| 2007年 | 3篇 |
| 2006年 | 6篇 |
| 2005年 | 6篇 |
| 2004年 | 10篇 |
| 2003年 | 7篇 |
| 2002年 | 6篇 |
| 2001年 | 1篇 |
| 2000年 | 3篇 |
| 1999年 | 3篇 |
| 1995年 | 4篇 |
| 1994年 | 3篇 |
| 1993年 | 2篇 |
排序方式： 共有107条查询结果，搜索用时 400 毫秒
51.
阴影辅助下的面向对象城市建筑物提取 总被引：1，自引：0，他引：1
分析高分辨率遥感影像城市建筑物提取的难点,探讨建筑物阴影与建筑物之间的关系,提出一种阴影辅助的建筑物提取方法:首先在高分辨率影像中提取出建筑物阴影对象,通过建筑物与其阴影的空间关系特征分离相互连接的建筑物对象并确认漏提取的建筑物对象,从而提高了建筑物的提取精度;将该方法运用于Quick Bird影像的建筑物提取实验中,取得理想的实验效果. 相似文献
52.
结合对象关系特征的高分辨率卫星影像建筑物识别方法 总被引：1，自引：0，他引：1
基于面向对象特征影像分析的思想,提出了一种结合建筑物和阴影对象邻近关系特征的建筑物识别提取方法。在多尺度影像
分割的基础上,利用对象的光谱和形状等特征,建立简单的分类决策树,提取粗略的建筑物候选区和相对准确的阴影区。计算相邻
近阴影对象和建筑物对象的关系特征,建立简单的知识规则,即可从建筑物候选区中消除广场等噪音,获得准确有效的建筑物目标
信息。通过QuickBird卫星影像的实验,证明了该方法在高分辨率卫星影像建筑物目标识别中具有相当的适用性和准确性。 相似文献
53.
基于自适应共振模型的遥感影像分类方法研究 总被引：9，自引：1，他引：9
人工神经网络（ANN）是人视觉和服的基本功能的抽象、简化和模拟。在对遥感影像的综合解释应用中，与传统的统计方法和符号逻辑方法相比较，ANN更接近人对影像的视觉解译分析过程。自适应共振理论（ART）是一种自组织产生认知编码的神经网络理论，其自组织、反馈式增量学习机能，能兼顾适应性和稳定性，克服了一般神经网络学习速度慢、网络结构难以确定、局部最小陷阱等缺陷。以FUZZY－ART和ARTMAP为基础，提出基于ART遥感影像非监督和监督分类的一般模型，并以实际上土覆盖分类和城市结构信息提取为应用实例，通过与传统统计方法和一般ANN分类器相比较，ART具有正确率更同、学习速度快、自适应性等优点，是复杂数据分类和信息提取的有效工具。 相似文献
54.
55.
56.
57.
58.
我国海岸带及近海卫星遥感应用信息系统构建和运行的基础研究 总被引：5，自引：8，他引：5
我国海岸带和近海的高度开发极大地促进了沿海经济的发展,也引发出一系列的资源和生态环境问题.研究和发展适用于我国海岸带及近海卫星遥感综合应用技术系统,旨在实现宏观、动态、同步监测区域资源开发和保护,以及为生态环境问题提供全新的技术支撑和协调解决整体技术方案,对此着重阐述了面向海岸带及近海卫星遥感应用技术系统的构建.本技术系统主要包括海岸带科学数据平台和信息提取模块、针对海洋过程的应用模块、我国海岸带及近海生态环境集成用户平台等,其目的是推进我国海洋遥感由研究阶段转向应用阶段,并为实现数字海洋提供技术基础. 相似文献
59.
遥感影像理解智能化系统与模型集成方法 总被引：11，自引：0，他引：11
智能化遥感影像分析理解是当前遥感地学分析中的研究热点。本文通过分析当前智能化方法在应用中存在的两个主要问题,指出了智能化遥感影像分析向基于多特征单元为分析对象转变的必要性以及如何在分析过程中更好的融合知识。在此基础上,介绍了多特征单元遥感影像分析和基于神经网络的知识处理的基本思想。并对如何建立基于知识智能计算的多特征单元遥感影像分析理解方法体系进行了探讨,给出了概念框架图。 相似文献
60.
自动提取城市建筑物对城市规划、防灾避险等行业应用具有重要意义,当前利用高空间分辨率遥感影像进行建筑物提取的卷积神经网络在网络结构和损失函数上都存在提升的空间。本研究提出一种卷积神经网络SE-Unet,以U-Net网络结构为基础,在编码器内使用特征压缩激活模块增加网络特征学习能力,在解码器中复用编码器中相应尺度的特征实现空间信息的恢复;并使用dice和交叉熵函数复合的损失函数进行训练,减轻了建筑物提取任务中的样本不平衡问题。实验采用了Massachusetts建筑物数据集,和SegNet、LinkNet、U-Net等模型进行对比,实验中SE-Unet在准确度、召回率、F1分数和总体精度 4项精度指标中表现最优,分别达到0.8704、0.8496、0.8599、0.9472,在测试影像中对大小各异和形状不规则的建筑物具有更好的识别效果。 相似文献