排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
基于深度学习的高分辨率光学影像云检测过程中,云和云阴影及其边缘细节丢失较为严重,主要原因在于不同尺度空间语义信息特征融合存在不足。针对该问题,本文构建一种基于深度学习的多尺度特征融合网络（Multi-scale Feature Fusion Network, MFFN）的云和云阴影检测方法,该算法结合防止网络退化的残差神经网络模块（Res.block）、扩大网络感受野的多尺度卷积模块（MCM）和提取并融合不同尺度信息的多尺度特征模块（MFM）。试验表明,本算法能提取丰富的空间信息与语义信息,可取得较为精细的云与云阴影掩模,具有较高检测精度,其中云检测准确率达0.9796,云阴影检测准确率达0.8307。同时,该工作可为深度学习技术应用于业务云检测提供理论支持及技术储备。 相似文献
2.
国外相关研究结果表明,月球表面的光度学稳定度可达10-8/年,是自由空间内稳定的辐射参考源,可用于星载遥感仪器的外定标。与基于地球表面目标观测的在轨定标方法相比,最大的优势在于在轨月球观测信息中没有大气辐射的贡献,大气窗区和非窗区处理方式几乎一致。同时,作为整体发射率稳定的自然天体,月球表面的温度范围在90—390 K之间,完全满足通常对地观测探测的动态范围要求。月球复杂的表面辐射特性,是制约对月定标技术发展的主要原因之一。月球表面辐射特性与月表发射率、月表温度密切相关。月表温度分布是月球重要的热物理参数之一,是月球表面热演化模型的必要边界条件,同时也是研究月球表面发射谱的关键参数。获取月表温度的方法大致可以分为两大类：直接测量温度数据和建立物理模型预测。直接测量温度数据又可以细分为下面3种方法：地基遥感测量、绕月探测卫星遥感测量、登陆月球直接测量表面温度。地基观测的空间分辨率很低,只能反映出一大片区域的平均温度;另外两种方法花费巨大,且不能对全月的温度变化进行长期的观测。月表温度物理模型基于热传导理论,结合月壤样本的热物理参数,将月球当成半无限固体,根据Stefan-Boltzmann定律和能量守恒定律,得到月表物理温度和太阳辐照度、月球内部热流的关系。太阳辐照度是月表温度分布的最重要的因素。本文以天文计算为基础,准确描述月表有效太阳辐照度与太阳常数、太阳辐射入射角以及日月距离之间的关系,建立一个可以计算任意时刻、任意经纬度坐标点的月表温度模型,从而有助于准确描述月表辐射特性。与风云二号G星的观测结果对比,该模型可以准确描述月相的变化。阿波罗15号首次开展了一系列探索月球的科学试验,其中在登月点附近开展的月表热流试验是ALSEP（Apollo Lunar Surface Experiments Package）的重要组成部分。月表热流试验提供了登月点附近长时间的月表温度数据,通过与阿波罗15号实测数据进行对比,当太阳高度角大于0°时,该模型可以准确描述月球表面的温度变化;当太阳高度角在一定范围内时,模型的温度误差在1 K以内。 相似文献
1