首页>
根据【关键词:遥感】搜索到相关结果 6 条
-
基于航空高光谱的囫囵淖尔水体浊度反演建模
-
作者:
姜倩
曹引
赵红莉
蒋云钟
毛文山
朱彦儒
来源:
南水北调与水利科技(中英文)
年份:
2021
文献类型 :
期刊
关键词:
浊度
遥感
航空高光谱
偏最小二乘
囫囵淖尔
-
描述:
1.74%,最适用于囫囵淖尔水体浊度的反演;2018年9月17日囫囵淖尔东部水域浊度范围为21.2~54.4NTU,呈现出北低南高的趋势,湖中心区域水体浊度较低,南部水域受水中藻类的影响,水体浊度较高。利用航空高光谱遥感影像实现了浊度的定量反演,为航空高光谱遥感数据用于水质参数反演提供借鉴。
-
基于航空高光谱的囫囵淖尔水体浊度反演建模
-
作者:
姜倩
曹引
赵红莉
蒋云钟
毛文山
朱彦儒
来源:
南水北调与水利科技(中英文)
年份:
2021
文献类型 :
期刊
关键词:
浊度
遥感
航空高光谱
偏最小二乘
囫囵淖尔
-
描述:
1.74%,最适用于囫囵淖尔水体浊度的反演;2018年9月17日囫囵淖尔东部水域浊度范围为21.2~54.4NTU,呈现出北低南高的趋势,湖中心区域水体浊度较低,南部水域受水中藻类的影响,水体浊度较高。利用航空高光谱遥感影像实现了浊度的定量反演,为航空高光谱遥感数据用于水质参数反演提供借鉴。
-
基于编解码网络的航空影像像素级建筑物提取
-
作者:
陈凯强
高鑫
闫梦龙
张跃
孙显
来源:
遥感学报
年份:
2021
文献类型 :
期刊
关键词:
卷积神经网络
建筑物提取
深度学习
遥感
航空影像
-
描述:
建筑物提取在城市规划等土地利用分析中发挥着重要作用。用于提取建筑物的传统方法通常基于手工特征和分类器,导致精度较低。本文基于编解码结构的卷积神经网络CNN (Convolutional Neural Networks),自主学习多级的和具有区分度的特征来更好地辨识建筑物和背景,实现航空影像中的像素级建筑物提取。该网络由编码子网络和解码子网络两部分组成,编码子网络对输入图像进行空间分辨率压缩,完成特征提取;解码子网络从特征中提升空间分辨率,完成像素级的建筑物提取。此外,本文使用视野增强FoVE (Field-of-View Enhancement)方法减轻边缘现象(切片边缘附近的建筑物提取精度通常低于中心区域附近的精度)的影响,并分别在两个建筑物提取标准数据集上的实验表明,编解码卷积神经网络能有效实现像素级建筑物提取,FoVE能有效提高建筑物提取准确率;通过改变预测时切片大小和重叠度,分析其对建筑物提取结果的影响,揭示了FoVE的饱和性。
-
基于编解码网络的航空影像像素级建筑物提取
-
作者:
陈凯强
高鑫
闫梦龙
张跃
孙显
来源:
遥感学报
年份:
2021
文献类型 :
期刊
关键词:
卷积神经网络
建筑物提取
深度学习
遥感
航空影像
-
描述:
建筑物提取在城市规划等土地利用分析中发挥着重要作用。用于提取建筑物的传统方法通常基于手工特征和分类器,导致精度较低。本文基于编解码结构的卷积神经网络CNN (Convolutional Neural Networks),自主学习多级的和具有区分度的特征来更好地辨识建筑物和背景,实现航空影像中的像素级建筑物提取。该网络由编码子网络和解码子网络两部分组成,编码子网络对输入图像进行空间分辨率压缩,完成特征提取;解码子网络从特征中提升空间分辨率,完成像素级的建筑物提取。此外,本文使用视野增强FoVE (Field-of-View Enhancement)方法减轻边缘现象(切片边缘附近的建筑物提取精度通常低于中心区域附近的精度)的影响,并分别在两个建筑物提取标准数据集上的实验表明,编解码卷积神经网络能有效实现像素级建筑物提取,FoVE能有效提高建筑物提取准确率;通过改变预测时切片大小和重叠度,分析其对建筑物提取结果的影响,揭示了FoVE的饱和性。
-
基于编解码网络的航空影像像素级建筑物提取
-
作者:
陈凯强
高鑫
闫梦龙
张跃
孙显
来源:
遥感学报
年份:
2021
文献类型 :
期刊
关键词:
卷积神经网络
建筑物提取
深度学习
遥感
航空影像
-
描述:
建筑物提取在城市规划等土地利用分析中发挥着重要作用。用于提取建筑物的传统方法通常基于手工特征和分类器,导致精度较低。本文基于编解码结构的卷积神经网络CNN (Convolutional Neural Networks),自主学习多级的和具有区分度的特征来更好地辨识建筑物和背景,实现航空影像中的像素级建筑物提取。该网络由编码子网络和解码子网络两部分组成,编码子网络对输入图像进行空间分辨率压缩,完成特征提取;解码子网络从特征中提升空间分辨率,完成像素级的建筑物提取。此外,本文使用视野增强FoVE (Field-of-View Enhancement)方法减轻边缘现象(切片边缘附近的建筑物提取精度通常低于中心区域附近的精度)的影响,并分别在两个建筑物提取标准数据集上的实验表明,编解码卷积神经网络能有效实现像素级建筑物提取,FoVE能有效提高建筑物提取准确率;通过改变预测时切片大小和重叠度,分析其对建筑物提取结果的影响,揭示了FoVE的饱和性。
-
基于点特征检测的农业航空遥感图像配准算法
-
作者:
陆健强
李旺枝
兰玉彬
何秉鸿
林佳翰
来源:
农业工程学报
年份:
2021
文献类型 :
期刊
关键词:
数据降维
算法
图像配准
图像处理
点特征检测
遥感
-
描述:
针对当前无人机遥感图像配准算法普遍存在匹配精度差与配准速度慢等问题,该文以点特征检测方法为基础,结合矩阵降维处理方法,提出一种适用于农业航空遥感图像配准的改进算法—SNS