搜索结果: 1-10 共查到“摄影测量与遥感技术 学习”相关记录10条 . 查询时间(0.203 秒)
中国科学院海洋研究所利用深度学习技术提高浒苔边缘的提取精度(图)
浒苔提取 遥感
2022/11/14
2022年11月12日,中科院海洋所李晓峰研究团队基于哨兵一号卫星图像建立了人工智能模型,提高了浒苔提取的精度,并使用该模型提取了2019-2021年黄海绿潮的时间序列,发现2019年绿潮覆盖面积更大,爆发时间更长,而2021年绿潮对山东半岛南岸的影响更大。相关成果近日发表于地球科学和遥感领域Top期刊IEEE Transactions on Geoscience and Remote Sensi...
地表沉降不仅影响社会经济的可持续发展,还威胁人类的生命安全。高精度的地表沉降预测对人类预防地质灾害具有重要意义。现有的预测方法因模型参数难以获取或相关数据的缺乏而难以得到可靠的预测结果,针对此问题,本文提出一种基于深度学习的地表沉降预测方法。首先采用多主影像相干目标小基线干涉技术MCTSB-InSAR获取大区域高精度地表形变时序反演结果;其次利用循环神经网络作为网络架构,用长短期记忆(LSTM)模...
针对异源遥感影像的成像模式、时相、分辨率等不同导致匹配困难的问题,提出了一种基于深度学习特征的匹配方法CMM-Net。首先,利用卷积神经网络提取异源遥感影像的高维特征图,根据同时满足通道最大和局部最大两种条件选取关键点,并在特征图上提取相应位置的512维描述符。在匹配阶段,完成快速最近邻搜索特征匹配后,为解决误匹配点多的问题,提出了动态自适应欧氏距离阈值和RANSAC共同约束的提纯算法,保证误匹配...
耕地是丘陵山区稀缺的土地资源,具有地形条件复杂、种植结构多样的特点,导致了山地耕地信息难以快速、准确获取,并且基于传统的遥感数据及遥感监测方法开展山区耕地信息快速自动提取比较困难。针对这一问题,本文以西南山区贵州省息烽县作为试验区,根据地理空间异质性特征,提出分区控制、分层提取的耕地形态信息提取思路,构建了一种地貌单元约束条件下的分区分层耕地形态信息的提取方法。该方法首先根据地貌-植被特征将试验区...
随着遥感技术的发展,卫星传感器空间分辨率不断提高,我们已经全面进入高分辨率卫星遥感时代。在城市环境中,高大建筑物、树木等遮挡光源在遥感影像中形成阴影。阴影可以减少城市热岛效应,也可以作为遥感影像建筑物识别的线索。然而,阴影的存在影响影像信息的判读和解译,也给城市土地覆被精细化制图带来了高度的不确定性。为此,兰州大学资源环境学院刘勇教授团队利用目前最先进的深度学习框架,提出了一个循环阴影注意模型(R...
近日,中国科学院空天信息创新研究院遥感卫星应用国家工程实验室研究员李正强团队采用深度学习定量遥感方法反演陆地上空气溶胶细模态比例研究取得进展。气溶胶是指空气动力学直径小于100微米、悬浮在空气中的颗粒物。气溶胶光学厚度(AOD)遥感反演已经较为成熟。MODIS作为宽覆盖多光谱全球观测遥感器的典型代表,其暗目标(DT)和深蓝(DB)方法AOD产品被广泛用在全球气候变化和大气环境污染评估方面。细模态比...
基于Sentinel-1A数据的多种机器学习算法识别冰山的比较
冰山 机器学习 Sentinel-1A SAR
2020/6/16
冰山识别对于海洋环境监测和船只安全运行等具有重要的意义,是北极航道开通和北极开发过程中的重要内容。采用合成孔径雷达(SAR)影像进行冰山识别具有独特的优势,多种机器学习算法均可用于SAR影像的冰山识别中。
本文探讨了深度学习在航空影像密集匹配中的性能,并与经典方法进行了比较,对模型泛化能力进行了评估。首先,实现了MC-CNN(matching cost convolutional neural network)、GC-Net(geometry and context network)、DispNet(disparity estimation network)3种代表性卷积神经元网络在航空立体像对上的...