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   

面向地震宏观异常的主题爬虫研究     

方帅  李林  张晓东 《震灾防御技术》2013,8(4):475-480

地震宏观异常信息越来越多地以网络为媒介进行传播.通过对地震宏观异常的分析,确定地震宏观异常主题的描述方式,选取特征关键词,构建特征向量空间,利用向量空间模型计算主题相关度,从而实现面向地震宏观异常的主题爬虫.在实验中分别进行了主题爬虫与传统爬虫的信息采集工作,结果表明,主题爬虫在单位时间内可获取更多地震宏观异常信息,这也验证了主题爬虫在地震宏观异常网络信息的获取与传统爬虫相比具有更大优势.  相似文献