您现在的位置: 首页> 研究主题> 遥感图像处理

遥感图像处理

遥感图像处理的相关文献在1989年到2022年内共计316篇,主要集中在自动化技术、计算机技术、测绘学、无线电电子学、电信技术 等领域,其中期刊论文209篇、会议论文45篇、专利文献1316858篇;相关期刊142种,包括测绘与空间地理信息、地理空间信息、遥感信息等; 相关会议37种,包括2012中国农村土地整治与城乡协调发展学术研讨会、第二十四届全国空间探测学术交流会、第二十三届全国空间探测学术交流会等;遥感图像处理的相关文献由758位作者贡献,包括刘敏霞、周孝宽、杨武年等。

遥感图像处理—发文量

期刊论文>

论文:209 占比:0.02%

会议论文>

论文:45 占比:0.00%

专利文献>

论文:1316858 占比:99.98%

总计:1317112篇

遥感图像处理—发文趋势图

遥感图像处理

-研究学者

  • 刘敏霞
  • 周孝宽
  • 杨武年
  • 沈占锋
  • 陈少文
  • 马艳
  • 刘定生
  • 刘洋
  • 周海芳
  • 唐娉
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 苏林茂; 曹经
    • 摘要: 遥感图像的分类是遥感图像处理的重要步骤。随着科技快速发展,遥感平台的多样化,遥感图像特征维数不断提高,遥感技术运用领域不断扩展。为提高图像分析有效性和准确性,更好地服务于测绘、导航、军事、生态等战略领域。阐述当前遥感图像分类的原理和方法,算法适用的条件和范围,利用人工智能研究PCA-SVM分类方法,提高遥感图像的分析精度,并针对一些实际情况对数据分类方法进行了全面的论述及验证。
    • 任芳
    • 摘要: 遥感图像处理关键技术已经成为遥感产业敏感技术和“卡脖子”技术。在高校使用国产遥感软件的学习、研究和应用实践活动,培养掌握关键技术的创新应用型人才,具有重要的现实意义。针对遥感类课程学生解决实际问题和创新能力不足的问题,以及在线学习过程缺乏监管、缺乏互动等问题,提出“问题研究+翻转课堂”混合式教学模式,从内容和方法两方面进行了探索,为高校开展面向“理论与实践”相结合课程的混合式教学模式改革提供参考。
    • 雷闪; 戴晓琴; 时会省; 满丹; 常文蝶
    • 摘要: 文章围绕新时代国家职业教育教学的要求及行业发展的需求,对高职遥感图像处理课程教学存在的问题进行了分析,主要集中在学生学情、教学内容和教学方法上。针对存在的问题,笔者提出了教学改革的方法和途径,以实现立德树人与人才培养的教育双赢。
    • 石雪
    • 摘要: 程序设计可培养学生的逻辑思维能力以及利用计算机处理问题和解决问题的思维方式,而遥感图像处理是遥感科学与技术专业的核心关键课程。因此,遥感图像处理程序设计对培养遥感专业复合应用型人才具有重要意义。文章围绕遥感图像处理程序设计教学内容和教学方法进行了探讨,重点分析了遥感图像处理程序设计课程中存在的问题,针对这些问题提出了改革方向,以更好地满足复合应用型人才的培养需要。
    • 周秦汉; 王振
    • 摘要: 随着技术的不断发展,遥感技术被广泛应用于地图绘制、资源勘探以及灾害预警等领域。遥感目标检测是进行遥感图像解译的关键步骤。传统的目标检测算法在对遥感目标进行检测的过程中存在目标漏检、检测精度低以及无法解决小目标检测等问题。提出一种基于多尺度特征增强卷积神经网络(MSFE-CNNs)的遥感目标检测算法,通过对不同卷积层特征进行增强和融合,使得模型具有更快的训练速度和更高的检测精度。所提算法结合特征提取模块、特征增强模块、自注意力机制和金字塔特征注意力机制。特征提取模块对输入的海量遥感数据进行特征提取,获取不同类别目标的多尺度特征;特征增强模块用于增强不同卷积层特征相关性,强化模型的学习能力和特征之间的非线性关系;自注意力机制和金字塔特征注意力机制主要解决传统卷积神经网络无法获取小尺度目标特征的问题。为了验证所提算法的有效性,在DOTA数据集上进行不同方法对比,实验结果表明所提算法在检测精度和训练速度上均优于现有基于深度学习的目标检测算法。
    • 徐从安; 吕亚飞; 张筱晗; 刘瑜; 崔晨浩; 顾祥岐
    • 摘要: 针对遥感图像场景分类面临的类内差异性大、类间相似性高导致的部分场景出现分类混淆的问题,该文提出了一种基于双重注意力机制的强鉴别性特征表示方法.针对不同通道所代表特征的重要性程度以及不同局部区域的显著性程度不同,在卷积神经网络提取的高层特征基础上,分别设计了一个通道维和空间维注意力模块,利用循环神经网络的上下文信息提取能力,依次学习、输出不同通道和不同局部区域的重要性权重,更加关注图像中的显著性特征和显著性区域,而忽略非显著性特征和区域,以提高特征表示的鉴别能力.所提双重注意力模块可以与任意卷积神经网络相连,整个网络结构可以端到端训练.通过在两个公开数据集AID和NWPU45上进行大量的对比实验,验证了所提方法的有效性,与现有方法对比,分类准确率取得了明显的提升.
    • 侯晓奎; 李元应
    • 摘要: 绿化树木是园林景观的主体部分,同样也是园林建设中的目标植物.然而,绿化植物容易受到低温寒冻害的影响,进而影响园林布局美观.基于此,该文提出郑州园林绿化树木低温寒冻害空间分布特征研究方法,统计郑州园林绿化树木类型,对各样本按照乔木层与灌木层进行分类整理,将频度、显著度、密度等作为计算树木多样性的指标,分析比较结果,根据获得的比较结果,利用遥感图像采集技术对树木进行分层采样处理,提取受冻害植被颜色特征,通过最佳分割阈值算法分割树木与背景,分别获取两个区域的灰度值.最后采用模板匹配方法将马氏距离作为识别树木受冻害的标准,结合受冻指数,得出空间分布特征与植被分布类型有关,且海拔位置越高受冻害影响越严重.根据获得的空间分布特征结果,可及时采取有效的防治措施,加强对郑州园林绿化树木的保护.
    • 王冰; 周焰; 张怀念; 赵凯
    • 摘要: 针对深度学习在遥感影像飞机检测特征提取阶段未专门顾及特定目标的问题,基于单一目标多尺度检测(SSD)框架,提出飞机目标多尺度检测方法(AFSSD).通过分析使卷积神经网络的特征图得到最大响应的视觉模式,结合飞机目标几何特征,建立飞机目标特征提取网络;使用K-均值方法对飞机尺寸聚类,将聚类中心作为代表性的尺寸,构建飞机目标候选框生成网络.仿真结果表明,该方法可以有效检测不同尺寸的飞机目标,提高了检测精度.
    • 李昌洁; 宋慧慧; 张开华; 张晓露; 刘青山
    • 摘要: 目的 卫星遥感技术在硬件方面的局限导致获取的遥感图像在时间与空间分辨率之间存在矛盾,而时空融合提供了一种高效、低成本的方式来融合具有时空互补性的两类遥感图像数据(典型代表是Landsat和MODIS(moderate-resolution imaging spectroradiometer)图像),生成同时具有高时空分辨率的融合数据,解决该问题.方法 提出了一种基于条件生成对抗网络的时空融合方法,可高效处理实际应用中的大量遥感数据.与现有的学习模型相比,该模型具有以下优点:1)通过学习一个非线性映射关系来显式地关联MODIS图像和Landsat图像;2)自动学习有效的图像特征;3)将特征提取、非线性映射和图像重建统一到一个框架下进行优化.在训练阶段,使用条件生成对抗网络建立降采样Landsat和MODIS图像之间的非线性映射,然后在原始Landsat和降采样Landsat之间训练多尺度超分条件生成对抗网络.预测过程包含两层:每层均包括基于条件生成对抗网络的预测和融合模型.分别实现从MODIS到降采样Landsat数据之间的非线性映射以及降采样Landsat与原始Landsat之间的超分辨率首建.结果 在基准数据集CIA(coleam bally irrigation area)和LGC (lower Gwydir catchment)上的结果表明,条件生成对抗网络的方法在4种评测指标上均达到领先结果,例如在CIA数据集上,RMSE(root mean squared error)、SAM(spectral angle mapper)、SSIM(structural similarit)和ERGAS(erreur relative global adimensionnelle desynthese)分别平均提高了0.001、0.15、0.008和0.065;在LGC数据集上分别平均提高了0.001 2、0.7、0.018和0.008 9.明显优于现有基于稀疏表示的方法与基于卷积神经网络的方法.结论 本文提出的条件生成对抗融合模型,能够充分学习Landsat和MODIS图像之间复杂的非线性映射,产生更加准确的融合结果.
    • 杨钧智; 吴金亮; 智军
    • 摘要: 针对遥感图像飞机目标检测因目标尺度不一存在漏警、虚警等问题,该文基于遥感图像中飞机目标形状特征和灰度变化特点提出了一种多尺度圆周频率滤波(MSCFF)与卷积神经网络(CNN)相结合的MSCFF+CNN飞机目标自动检测算法.该算法首先采用多尺度圆周频率滤波器滤除遥感图像复杂背景,实现不同尺度飞机目标候选区域提取;然后,通过构建卷积神经网络(CNN)模型实现候选区域有效分类,最终精确确定飞机目标位置.最后,基于获取的真实遥感图像进行目标检测算法实验验证,经统计该算法的飞机目标检测率为94.38%,虚警率为3.76%,实验结果充分验证了该文算法的有效性,该算法可为机场监管、军事侦察等应用提供重要的技术支持.
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号