共查询到18条相似文献，搜索用时 187 毫秒
1.
随着遥感技术的快速发展,遥感图像得到广泛的应用,其中目标检测是遥感图像众多应用中非常重要的一个分支。目前大多数目标检测算法都是基于单时相遥感图像,对于多时相遥感数据的处理方法较少。最近发表的多时相目标检测算法有滤波张量分析,其将多重线性函数与张量相对应的关系应用于遥感图像目标检测,但该算法只能进行单目标检测,无法同时检测多个目标。本文借鉴多目标约束能量最小化算法中对于多个目标输出能量的约束和滤波张量分析中对于应用张量滤波器的思想,提出多目标滤波张量分析算法,能够在多时相遥感数据中实现同时检测多个目标。模拟和真实数据实验结果均表明,该算法可以有效地提高多时相图像中多目标检测精度。 相似文献
2.
本文采用MODIS遥感数据,针对内蒙古半干旱草场生态环境特征,以光能利用率模型为基础与生态模型相结合,研究区域尺度下半干旱草地净第一性生产力(NPP)遥感模型;利用草场植物生长过程中从光合和呼吸作用出发的NPP遥感模型与从植物生物量和衰败量变化出发的GNPP模型的估算值之间构建代价函数,有效地对模型参数进行估算和校正;模型考虑了气温和植物水胁迫的影响,以及时空尺度的差异,并充分利用遥感反演的参数来驱动。模型经内蒙草场MODIS数据、实测数据、相关模型的验证,结果表明,模型参数校正能提高模型估算的精度,且NPP估算精度满足实际应用需要,此遥感模型合理可行。 相似文献
3.
遥感视频卫星的出现为实时连续对地观测提供了新的契机,为遥感动态监测与目标跟踪提供了新数据源。在分析遥感卫星视频目标检测与传统监控视频目标检测的差异的基础上,阐述现有目标检测算法直接应用到遥感卫星视频上存在的不足,提出一种背景差分与帧间差分相融合的方法并将其应用于遥感卫星视频运动车辆的目标检测中。通过抽取UrtheCast遥感卫星视频的4帧实验图像,分别采用背景差分法、帧间差分法和本文提出的方法对运动车辆进行检测并分析。结果表明,本文提出的方法能够更有效抑制移动的背景边缘和残留噪声干扰,提高检测的正确度和质量,在遥感卫星视频运动目标检测中具有良好的应用潜力。 相似文献
4.
针对建立和更新田间图形数据库时，以高分辨率遥感影像为底图人工勾绘地块耗时费力这一问题，探索从边缘检测的角度实现对地块边缘的自动提取。在构建耕地地块边缘遥感影像数据集工作中，尝试深度学习边缘检测模型holistically-nested edge detection（HED）和richer convolutional features（RCF）的基础上，进一步改变模型特征融合方式，并采用空洞卷积结构，提出构建应用于遥感影像的边缘检测模型full dilated-RCF（FD-RCF），提取耕地地块边缘。实验表明，相关方法的精度评定F1值均能达到0.8以上。构建的FD-RCF模型表现最佳，其检测结果在ODS和OIS精度评定中F1值分别达到0.848 1和0.850 2，平均精度0.795 7。比较而言，FD-RCF方法检测结果画面更加清晰，能够显著提高田间地形数据的更新效率。 相似文献
5.
在遥感大数据的时代背景下,将遥感信息与实际生产结合,已经在各行各业得到广泛的应用。随着遥感信息处理与共享被应用到越来越多的领域,单一的遥感数据服务架构已不能满足实际生产条件中对于高可用、易扩展的要求。中国遥感卫星地面站存有海量的遥感影像数据,如何利用现有的数据来提供更好的信息服务一直是地面站探索的方向。在私有云环境下,通过kubernetes容器编排管理构建容器化的遥感信息技术处理平台,提供遥感信息服务。进而在容器化的基础环境、遥感影像计算处理、遥感数据接入以及用户服务模式4个方面展开技术研究,构建了集“数据查询获取—影像计算处理—遥感信息服务”于一体的遥感信息服务平台。 相似文献
6.
传统遥感卫星图像处理采用在地面进行目标检测和跟踪处理的模式，卫星将拍摄到的图像数据下传至地面数据处理中心，由地面数据处理系统对接收到的遥感图像数据进行目标检测和跟踪。然而，随着遥感图像分辨率的不断提高，需要下传的数据量增大，导致星地数据传输的时间大大增加，最终造成目标检测和跟踪的时效性降低。针对上述问题，提出一种基于多特征量判别的Canny边缘检测和联合概率数据关联的在轨海上多运动舰船目标检测和跟踪方法。将该方法利用中国科学院微小卫星创新研究院的高分微纳卫星实测数据在模拟星载的嵌入式开发平台上进行验证，结果表明该方法能够在轨对海上多运动舰船目标进行快速、准确的检测和跟踪。 相似文献
7.
遥感影像匹配是众多遥感应用中数据处理的关键前置步骤,但高程差导致的影像局部畸变和影像匹配的复杂性严重限制了高分辨率影像的匹配精度。提出一种适用于局部畸变和高外点比例的鲁棒匹配算法,首先利用Delaunay剖分算法在假定匹配点集上施加几何约束,得到特征点局部邻接关系;然后基于邻接信息进行预过滤;采用多尺度的策略建立局部邻接关系一致约束模型;最后定义三角形相似度函数实现匹配恢复。利用3组高分辨率影像开展对比实验,实验结果表明该算法的平均精度比RANSAC提高7.69%,在外点率高于90%时仍旧稳健。 相似文献
8.
《沈阳大学学报（自然科学版）》2014,(6)
针对目前高光谱图像半监督降维算法中基于流形学习的开放性选择近邻参数问题,以及利用传统算法不能有效地获取标签数据的局部信息,提出了一种无需考虑近邻参数的半监督局部稀疏嵌入(SELSE)算法.该算法基于稀疏表示理论,通过求解范数优化问题构建稀疏系数图,并且利用有限的标签数据最大化类间信息,提取高光谱图像的特征.在AVIRIS高光谱遥感图像的Indian Pine数据集上进行仿真实验,结果表明所提出算法在分类精度和计算效率上都有所提高. 相似文献
9.
当前,无人机的对地目标跟踪和逼近是军民领域的研究热点之一.针对基于无人机平台对地目标跟踪与逼近中的相对运动、导引控制等问题,选用大疆多旋翼飞行器平台,设计基于Android的地面站系统.该系统使用改进的核相关滤波视觉检测算法完成对地目标跟踪与位置锁定,利用无人机与目标的距离作为尺度因子,实现多尺度跟踪,融合FHOG+L... 相似文献
10.
集中并行可视化与远程可视化的优点,提出远程数据抽取与并行可视化分析诊断方案. 针对地学研究对象具有多尺度的特点,借助于多尺度、多分辨率数据抽取工具,建立了超大规模地学数据多尺度抽取算法以及并行实现算法;并以海啸数据为例,基于VTK软件实现海啸数据的多尺度显示. 相似文献
11.
基于深度学习方法的建筑物自动提取具有精度高、速度快的技术特点,对城市规划、防灾减灾等的行业应用具有重要意义。针对高分辨率遥感影像建筑物自动提取,引入深度学习特征功能模块和传统遥感应用技术验证环节,形成不同骨架模块、UNet++网络和真实性检验的建筑物遥感提取功能模块嵌合的深度学习业务化应用技术体系,通过VGG、ResNet和Inception等传统卷积网络模型骨架对基础网络进行改造,提升模型运行效率,强化模型特征学习能力,通过真实性检验验证算法的有效性、适用性,展示完整的遥感应用技术链条。以Mnih公开的马萨诸塞州建筑物数据集为数据源,和传统非全卷积网络模型和全卷积网络模型等方法进行对比分析,结果表明通过增加模型深度和宽度可以有效提升模型建筑物提取效果,基于InceptionV3-UNet++骨架模型在召回率、准确度、CSI、F1分数、Kappa系数和总精度表现最为优秀,分别达到85.14%、90.50%、0.7816、0.8774、0.8504和95.57%,并在WHU数据集上验证了它的鲁棒性。该方法在建筑物提取结果和细节上都有显著提高,特别是对复杂不规则建筑物的提取上,将极大促进真实、复杂、大场景高分辨率影像的建筑物提取遥感应用。 相似文献
12.
遥感图像上的飞机目标检测是一件极富挑战性的工作，吸引了广大研究者的兴趣。基于人工神经网络的方法是当前遥感图像飞机目标检测的主流方法，这类方法要求人工标记大量的数据用于训练。对训练图像的人工标注工作费时费力，是制约有效利用大规模数据的主要瓶颈之一。为解决这个问题，提出一种基于生成对抗网络（generative adversarial networks，GAN）的半监督检测方法。在遥感图像飞机目标检测中，该方法不需要标记全部用于训练的图像，只需要标记其中一小部分样本，再和大量未标记数据一起进行训练便能取得优异的检测结果。该方法结合传统的检测网络和基于GAN的半监督学习网络。在对抗训练过程中，生成器学习数据分布并生成假样本，判别器判别真假样本，同时判别器还需要从标记数据中学习类别信息。最后，判别器学习到的决策分类面不仅仅区分出标记数据，而且平行于数据分布的边界。实验证明，在存在大量可供训练的图像的基础上，减少标注数据的比例，全监督学习方法性能会大幅下降；而本文提出的半监督学习方法，由于利用了未标注的数据，能保持更好的检测性能。 相似文献
13.
以HJ-CCD为实验数据,采用面向对象分类技术,对地形复杂、类型多样的湖南省进行土地覆盖类型的自动提取.着重研究在大尺度上的土地覆被调查中应用HJA/B遥感影像和面向对象技术获取土地覆被信息的一整套技术方法.将多尺度分割、邻域推移分类法以及野外调查、专家知识有机结合起来,并用野外采样点进行精度检验.湖南省土地覆被调查结果的总体精度84.99%,Kappa系数为82.79%.结果证明了以HJ-CCD影像为遥感数据源,利用面向对象技术进行大尺度的土地覆被调查的可行性和有效性. 相似文献
14.
基于水文站径流数据的SWAT模型参数率定,尽管在站点处模拟精度较高,但率定参数在空间分布上存在不确定性,尤其当站点稀疏时,参数间补偿作用使模型深受异参同效现象的干扰。利用植被模块多目标率定SWAT模型,可提高总体建模质量。一方面,植被在水文过程中至关重要,对植被模块率定加强了对SWAT中间过程的精度控制;另一方面,植被数据属于面源数据,不同于水文站的点源数据,提高了模型在全空间模拟上的精度控制。以梅川江流域为研究区,考虑径流、作物产量、MODIS LAI等数据对SWAT开展多目标率定,并同径流单目标模拟结果对比分析。结果表明,本方法可明显减弱异参同效对模型结果的影响,降低参数的不确定性,提高模型的模拟精度和稳健性。 相似文献
15.
在遥感灾害评估领域，众包可用于集合网络大众的智慧完成灾情评估任务，但在现实的众包平台中存在着工作者的答案质量不够可靠的问题。提出一种新型的结合质量控制的震后房屋倒塌众包评估模型。以玉树地震为例搭建众包平台，对收集到的数据，首先使用黄金数据和一致性检验方法过滤掉低质量的数据，随后根据提出的房屋倒塌众包模型得到可靠的灾情解译结果。实验结果显示，质量控制前后，试验区房屋倒塌评估精度分别为70.59%和85.29%，表明本文提出的评估模型有效地提高了众包灾情解译的准确度，可在震后初期提供可信度较高的遥感目视解译结果。 相似文献
16.
针对在遥感大数据时代背景下,传统变化检测方法的精度和自动化程度难以满足实际应用需求,提出一种联合光谱特征、对象特征和时间特征的遥感影像变化检测方法.在提取遥感影像多种特征的基础上,利用双向长短期记忆网络,提取光谱-对象-时间特征,实现双时相影像变化信息的有效提取.基于双时相中分辨率遥感影像的实验结果表明:本方法的总体精... 相似文献
17.
对于单幅遥感光学图像，目前已经有很多有效的色彩校正算法，但是这些算法需要人工经验或对场景的先验知识，无法满足对快速增长的海量遥感图像进行自动化处理的需求。针对这一问题，提出一种基于稠密卷积神经网络的遥感图像自动色彩校正方法DCN（dense convolutional networks）。该模型可以预测遥感图像的RGB通道的颜色校正系数K，从而对原始图像进行自动色彩校正。DCN使用稠密模块代替部分卷积层，用更少的层数实现更多的连接。DCN模型由3 000幅GF-2号遥感图像在Tensorflow框架上训练得到，损失函数为颜色校正系数向量与真值向量之间的色偏角θ。经过测试验证，校正后的图像与原图像仅有很小的色偏角，且与真实地物颜色吻合。与传统方法相比，该方法在训练后，可直接使用生成的模型对训练集中未出现的图像进行颜色校正，无需对场景的先验知识和人工经验，也无需参考图像，可实现对海量遥感光学图像的自动化色彩校正。与传统的卷积神经网络CNN（convolutional neural networks）相比，基于DCN的模型拥有更少的参数和更好的泛化能力，而且不受输入图像大小的限制，在测试集上有更好的结果。 相似文献
18.
高分辨率遥感影像具有高空间分辨率、高清晰度、信息量丰富等优点,它的出现极大提高了遥感在城市土地利用/覆被变化研究中的应用能力.城市土地利用类型的准确分类是城市土地利用/覆被变化研究的重要前提,高分辨遥感影像凭借其自身优势成为最重要的数据源.本研究从高分辨率遥感影像的发展与特点、分类方法及其在城市专题信息提取中的应用3个方面进行综述,重点回顾高分辨率遥感影像用于城市土地利用分类的代表性方法及其在城市系统中提取建筑物、道路和绿地等专题信息的方法和应用进展,最后指出高分辨遥感影像在城市土地利用/覆被变化研究中的不足以及未来需要解决的问题. 相似文献