【摘 要】
:
针对遥感图像因分辨率高、能见度低、物体种类多和光照不充足等因素导致遥感图像分割准确率低的问题,搭建一种传播深度和多尺度特征融合的端到端遥感图像分割网络。利用传播深度特征融合保留遥感图像的浅层特征信息,利用浅层特征指导深层特征的提取,在获得高级语义信息的同时没有过度损失浅层的位置特征信息情况下,通过改善并行空洞卷积模块的相关设置提取更多的多尺度信息,从而提高遥感图像分割的准确率。在Satellite
论文部分内容阅读
针对遥感图像因分辨率高、能见度低、物体种类多和光照不充足等因素导致遥感图像分割准确率低的问题,搭建一种传播深度和多尺度特征融合的端到端遥感图像分割网络。利用传播深度特征融合保留遥感图像的浅层特征信息,利用浅层特征指导深层特征的提取,在获得高级语义信息的同时没有过度损失浅层的位置特征信息情况下,通过改善并行空洞卷积模块的相关设置提取更多的多尺度信息,从而提高遥感图像分割的准确率。在Satellite datasetⅠ(global cities)数据集实验,相较于DeepLabv3网络所提出网络的准确
其他文献
真实性检验是近年来定量遥感领域研究的热点和难点。近年来,我国在真实性检验理论研究、标准规范制定和场网建设方面均取得了巨大的进步。目前,真实性检验技术系统尚不成熟,各环节缺乏有效的组织和对接,缺少高质量且具备业务化运行的真实性检验场网体系。根据当前国内外的研究现状,结合近年来的相关工作积累,给出了真实性检验的概念和内涵,在此基础上,提出了一个真实性检验总体架构,并对各部分的组成、技术体系、存在的问题
随着遥感影像获取技术的不断发展,遥感飞机的机型及位置检测成为检测重点。然而,由于其复杂的背景,不同的空间分辨率,姿态和光照变化复杂,导致检测精度不高。此外,本研究中遥感飞机的类内和类间方差都较大,给机型的识别增加了难度。为了提高算法对遥感影像目标的检测精度,本文提出一种基于YOLv4和TripleLoss的目标检测算法,首先运用Sobel算子和Mosaic对数据集扩充和增强;其次,用Triple
为从作物轮作角度分析华南典型赤红壤农区耕地质量空间差异,针对华南典型赤红壤农区构建作物轮作系统遥感分类体系,基于空间分析、文献支持、野外实地调查、农户访谈与专家知识,建立不同作物轮作系统与耕地质量等级之间的关联关系;基于Sentinel-1与Sentinel-2时间序列遥感数据、利用决策树制图方法,开展作物轮作系统遥感制图,并在不同空间尺度分析耕地质量空间差异与规律。结果表明,作物轮作系统与耕地质
遥感影像预测是一种利用不同影像之间的时空及光谱特征进行影像变换的应用方法,能够弥补卫星影像数据的缺失,对于遥感应用领域的发展具有重要的意义。影像的色彩迁移及时序预测就是遥感影像预测包含的研究角度。基于影像色彩迁移的循环一致性生成对抗网络(CycleGAN)是一种不需要其他额外信息就能将一张影像从源域映射到目标域的方法,基于影像时序预测的卷积长短时记忆网络(ConvLSTM)是一种利用多时序影像的状
为了对典型黑土区小流域沟道分布进行遥感监测,并解析影响其发育的主控因素,选择黑龙江省海伦市光荣村为研究区,通过对遥感影像和地形图的目视解译判读和空间分析,量化汇水区面积、坡长等12个变量,结合对264条切沟与等高线分布关系的地貌学分析、统计分析和野外详查,解译地表径流和机耕道作用等6种情形,对典型黑土区小流域切沟发育主控因素进行探讨。结果表明,研究区林地面积大小不能直接控制切沟发育,林地内活跃沟长
随着遥感技术的发展,遥感数据的资源越来越丰富,多源遥感影像的协同应用也正成为遥感科学研究领域新的研究热点。多源遥感影像融合可以有效提取不同源影像的优势特征,为多源遥感协同应用提供可靠数据源;多源遥感影像协同可以有效消除单源影像的限制,获得更加理想的应用效果。全面梳理了近年来多源遥感影像在空-谱融合、时-空融合、时-空-谱一体化融合的国内外研究进展情况,并对多源遥感影像在图像分类、目标信息提取和动态
为定量分析海南岛生态环境质量,基于耦合绿度、湿度、干度、热度4项指标的遥感生态指数(Remote sensing ecological index,RSEI),考虑土地利用强度、人口聚集度与坡度对海岛生态系统的影响,增加土地利用、人口分布、地形3项指标,利用主成分分析法构建了改进遥感生态指数(Improved remote sensing ecological index,IRSEI)模型。利用R
高分辨率遥感影像场景分类近年来已经成为遥感科学领域的一个研究热点,是跨越底层特征与高层语义信息之间语义鸿沟的有效途径。由于高分辨率遥感影像中地物种类繁多、分布复杂且同一地物的不同空间组合也可能代表不同的场景类别,直接基于底层特征进行场景分类不能很好地表达场景语义信息。因此,目前场景分类的代表性方法主要包括基于中层特征的场景分类和基于深度学习的场景分类。针对现有遥感影像场景分类方法存在的局限性,进行
目前研究的遥感图像多方向舰船目标匹配检测方法对数据的匹配度较低,导致检测精度难以达到要求。为了解决上述问题,基于特征矢量研究一种检测遥感图像多方向舰船目标检测匹配方法。利用卷积神经网络对图像细节进行分析,根据分析结果得到底层特征,融合底层特征和高层特征,形成特征图,完成图像特征提取。分析图像像素灰度值,确定图像像素特征矢量,建立模糊子集,实现多方向舰船目标检测。实验结果表明,该方法能够很好地提高匹
及时、准确地监测农业大棚的位置以及空间分布,是开展耕地"非农化"整治的工作重点。遥感技术因其时效性强、覆盖范围广等优势,已逐渐成为大棚监测的主要手段。为了提高农业大棚的遥感识别精度,缓解深度学习方法对于大数据量的需求,提出了一种基于残差神经网络(Residual Neural Network, ResNet)和迁移学习的农业大棚自动识别方法,能有效区分大棚及其混淆地物(林地、耕地、建设用地和水体)