公共文化服务平台

搜索到27036篇“ 高分辨率遥感“的相关文章

一种高分辨率遥感影像灯光控制电路: 本实用新型提供一种高分辨率遥感影像灯光控制电路，包括第一电容电路、第二电容电路、稳压二极管电路、可变电阻电路、三极管电路以及双向TVS管电路；所述第一电容电路包括电容C1以及与所述电容C1并联连接的电阻R1；所述第二电容...; 梁润雄

结构先验感知的高分辨率遥感变化检测: 2025年; 近年来,深度学习和计算机视觉领域的重大进展推动了遥感变化检测的发展。然而,现有的方法仍然依赖于单一的视觉模态,无法有效利用其他模态的信息,如高程图或深度图等结构先验。为了充分利用深度图等结构先验信息,文章提出了一种新型的具有结构先验感知能力的高分辨率遥感变化检测框架SPP-CD,该框架接受双时相光学遥感影像和对应的深度图作为输入,采用孪生编码器结构对输入数据进行特征提取,特征交互模块对双时相特征进行交互与融合,并使用特征解码器对融合后特征进行解码,最终输出精细的像素级变化检测图。基于SPP-CD框架设计了双路径融合多模态特征编码器,利用基于跨模态注意力的全局路径和基于卷积的局部路径使模型兼具远距离上下文建模、跨模态特征建模和精细特征提取能力。实验结果表明,在LEVIR-CD数据集上,与现有单模态基准方法相比,文章提出的方法在关键指标F1分数、交并比和总体准确率上分别达到92.36%、85.81%和99.21%,优于单模态基准方法,从而证明了集成空间结构先验信息能够有效提升变化检测性能,可以缓解现有方法主要依赖视觉信息的局限性。; 陈江伟孟小亮; 关键词：遥感影像变化检测多模态融合

双编码端高分辨率遥感影像语义分割算法: 2025年; 遥感影像具有多尺度对象、复杂背景、不均衡类别等特点。基于卷积神经网络(CNN)的语义分割算法难以捕捉到影像的全局特征,导致分割效果不佳。针对以上问题,利用Swin Transformer的全局特征提取能力,提出了双编码端高分辨率遥感影像语义分割算法DEGFNet。设计特征融合模块(FFB)将Swin Transformer捕获的全局特征引入编码端,应对多尺度对象带来的挑战。在Swin Transformer中设计空间交互模块(SIB),降低复杂背景样本带来的负面影响;在解码端引入全局-局部注意力模块(GLTB)和特征细化模块(FRB),来更好地利用编码端提取的信息,提高语义分割的精确性;采用交叉熵损失和Dice Loss组成的混合损失函数训练模型,减轻样本类别不均衡带来的消极影响。在Vaihingen数据集上,宏观平均F1值(mF1)、平均交并比(mIoU)和整体准确率(OA)指标分别达到91.9%、84.8%和92.4%;在LoveDA数据集上,mIoU指标达到55.0%,均展现出了更好的语义分割效果和良好的泛化性。; 吴梦可高心丹; 关键词：高分辨率遥感影像卷积神经网络

一种高分辨率遥感图像双分支分割方法: 本发明公开了一种高分辨率遥感图像双分支分割方法，包括：获取高分辨率遥感图像数据集并预处理后，划分为训练集、验证集和测试集；构建高分辨率遥感图像语义分割网络模型，包括细节分支、语义分支以及上采样部分；将训练集输入至高分辨率...; 张银胜罗健伟单慧琳吴心悦沙子乔高润泽

基于高分辨率遥感图像的道路车辆定位研究: 2025年; 随着卫星发射技术的不断进步与成熟,高分辨率遥感图像技术随之不断进步,遥感图像数据的获取也变得愈发便捷,从遥感图像中提取到的道路车辆的特征也愈发清晰。基于高分辨率遥感图像对道路车辆定位可以快速识别相对广阔范围内车辆的数量,是智能交通控制和解决交通突发状况的重要手段。文章根据南京市玄武区紫金山区域的高分辨率遥感图像,基于TensorFlow机器学习框架,使用SSD目标检测算法对道路车辆的定位展开研究。考虑到SSD网络框架涉及的参数量较大,用Mobilenet轻量级卷积神经网络替换SSD网络框架中使用的部分VGG网络。采用深度可分离卷积,在大幅度减少所需参数量的同时,缩短获取结果的时间。最后对实验结果进行多指标定量和定性分析后表明,该方法在光照条件良好且视野开阔的区域的道路车辆定位检测准确率高,光照、植被、建筑物干扰时道路车辆定位检测准确率较高,实验结果较YOLO V2和YOLO V3有优势。; 王嘉怡田瑶徐昇; 关键词：遥感技术卷积神经网络目标检测图像处理

基于ICGAN的高分辨率遥感图像融合方法: 本发明公开了一种基于ICGAN的高分辨率遥感图像融合方法，属于图像融合技术领域。本发明包括获取遥感图像数据构建ICGAN模型，基于遥感图像数据利用生成器和鉴别器训练模型；利用生成器生成高分辨率的多光谱图像，利用鉴别器对生...; 赵书河李培根马晶晶叶柳莹李月谢航船李欣烨

基于高分辨率遥感影像的耕地提取方法研究: 2025年; 为迅速、精确地提取耕地信息,借助高分辨率遥感影像与计算机视觉技术,采用传统机器学习方法、经典深度学习方法(FCN、PSPNet、DeepLabV3+)和结合注意力机制的深度学习方法(MCDeepLabV3+),对杭州市余杭区耕地进行识别与提取,并结合实际测量数据进行精度验证.经过对比分析,深度学习方法准确率均超过90%,显著高于传统机器学习方法.特别是MCDeepLabV3+方法,其准确率为94.93%,在识别细碎田块的边界上具有显著效果.结果证实,结合注意力机制的深度学习方法能在耕地分布细碎的地区实现高精度提取,为合理配置土地资源、提高农业生产效率提供了有力支持.; 郭乐乐席瑞齐家国李战胜刘占宇; 关键词：耕地高分辨率遥感影像

基于TCAM-UNet的高分辨率遥感影像耕地提取: 2025年; 遥感图像的耕地提取对坚守基本的耕地红线,快速、有效地了解耕地现状以及农业发展具有重要意义。然而,传统的语义分割网络在进行耕地提取时存在误分、漏分、边缘不清晰等问题。为此,本文以TransUNet网络为基准设计了TCAM-UNet模型。其融合了专门设计的能够优化跳跃连接的Transformer卷积注意力模块(TCAM)从而提高遥感图像重建质量,并在TCAM模块中引入多头自注意力机制(MSA)和Wide-Focus模块,在获取长距离上下文信息的同时提取图像的细粒度特征,保留目标的边缘细节,减少小目标的误分类问题,使其更加适用于遥感影像耕地提取任务。模型在吉林一号遥感影像制作的耕地数据集上进行检验,结果表明:TCAM-UNet模型的准确率、F1分数和平均交并比(mIoU)分别达到0.972、0.972和0.827,分割准确度较现有模型均有提高,本文工作为提高遥感影像的耕地提取效果提供了新方法。; 过乡宁; 关键词：耕地遥感影像

一种基于高分辨率遥感影像的农业生产监管方法: 本发明提供的基于高分辨率遥感影像的农业生产监管方法，包括：获取农作物种植地的低分辨率遥感影像；对低分辨率遥感影像进行预处理，以得到高分辨率遥感影像；提取高分辨率遥感影像的特征；根据特征对农业生产进行监管。该方法可以在不改...; 姚一鸣刘永廷于潇忱

基于中高分辨率遥感影像的水体提取研究进展: 2025年; 水是地球上最重要的自然资源之一,对于地球上任何生物的生存及发展都有着至关重要的作用。利用遥感数据进行水体监测有助于环境监测、水资源管理、农业及工业生产,其中水体提取是水资源监测的重要前提。本文基于中高分辨率卫星遥感影像对水体提取的方法进行了全面综述,从文献计量学角度分析当前水体提取研究的热点,从数据源和提取方法两方面展开综述。在数据源方面,对光学遥感影像、雷达遥感影像和无人机影像进行优缺点分析,其中,光学遥感影像覆盖范围广、时间序列长,适用于大尺度及长时间序列分析的水体监测;雷达遥感影像不受云雾等影响,可实现全天候监测,适用于对天气条件较为敏感的水体监测;无人机使用灵活,分辨率高,适用于灾害评估或需进行水体边界信息精细化提取的水体监测。在提取方法方面,对阈值分割法、机器学习法和深度学习法进行比较,结果表明,目前基于深度学习方法的中高分辨率影像水体提取的精度较高,基本可达到90%以上。最后针对当前研究的不足做出总结,强调了不同方法的适用场景和局限性,并提出了未来研究的展望和建议。本文对于提高中高分辨率影像水体提取的效率和精度,促进水资源管理和环境监测等应用领域的发展具有重要意义。; 刘憬豫宋开山刘阁周亚明王玉; 关键词：遥感监测神经网络

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈