【摘 要】
：
高光谱遥感是用多而窄的电磁波波段来获取感兴趣物体相关信息的一种成像技术。高光谱图像数据是二维空间和一维光谱信息组成的图像立方体,它将反映目标辐射的光谱信息与反映目标二维空间的图像信息集于一体,具有“图谱合一”的特性。由于高光谱图像蕴含丰富的空域光谱信息并且分辨率高,其被广泛地应用于农业、生态环境、军事等领域。分类是高光谱图像处理中的热门研究方向和核心问题。联合运用空域和光谱信息进行空域-光谱分类,
论文部分内容阅读
高光谱遥感是用多而窄的电磁波波段来获取感兴趣物体相关信息的一种成像技术。高光谱图像数据是二维空间和一维光谱信息组成的图像立方体,它将反映目标辐射的光谱信息与反映目标二维空间的图像信息集于一体,具有“图谱合一”的特性。由于高光谱图像蕴含丰富的空域光谱信息并且分辨率高,其被广泛地应用于农业、生态环境、军事等领域。分类是高光谱图像处理中的热门研究方向和核心问题。联合运用空域和光谱信息进行空域-光谱分类,是高光谱图像分类的发展趋势。在空域―光谱分类器中,联合稀疏表示分类是一类代表性的方法。然而,传统联合稀疏
其他文献
高光谱图像将地物的空间信息与光谱特征有机结合在一起,受益于较高的光谱分辨率,空间中任意一点都能通过高光谱图像获取连续、精细的光谱曲线,为空间地物分析带来有利的条件,因此,高光谱图像广泛地应用于农业遥感、病虫害监测、植被调查、环境监测、军事探测等领域。近些年,高光谱遥感系统迅猛发展,为对地观测技术带来新的机遇,但也给高光谱图像处理技术提出新的挑战:受制于高光谱传感器限制及复杂的成像条件,尽管高光谱图
陕西省的延安市及榆林市(以下简称陕北)、鄂尔多斯地区及山西地区水资源极其短缺,但同时该地区含有丰富的煤矿资源,煤层埋藏浅、厚度大、层数多,是我国典型的高强度煤炭开采区,煤炭开采给当地区域生态及水资源环境造成严重破坏;与此同时,研究区农业种植面积大,农业灌溉耗水量占水资源总消耗量的比重较大。在采煤、农业灌溉耗水等多重作用下,导致本就稀缺的水资源更加紧张。因此,如何在高强度煤炭开采区定量监测水资源变化
高光谱遥感技术将成像技术与光谱技术有机地结合在一起，其获取的数据同时涵盖了地物的空间信息与光谱信息，因此可以将高光谱遥感数据看作由光谱维和空间维组成的三维立方体。一方面，光谱维的精细划分可以获取更多的波段，但也导致波段间具有较强的相关性，造成光谱维的冗余。光谱维大量冗余波段的存在不利于数据的存储、传输，且容易引起维度灾难现象，造成地物的分类识别率下降;另一方面，空间维存在大量地物训练样本时，虽然这
高光谱遥感图像具有图谱合一的特性，是图像理解和解译领域的重要研究课题。作为其中重要的研究方向之一，高光谱图像异常目标检测能够充分利用丰富的光谱信息，挖掘背景和目标潜在的统计特性，有能力检测到传统单波段图像和多光谱图像难以辨别的地物目标。近年来，随着高光谱图像异常目标检测在实际应用中的不断深入，以及本身所包含的大数据问题亟待解决，基于因果系统的快速检测显得尤为重要。一方面，传统的高光谱异常目标检测都
遥感影像道路提取在自动驾驶、应急指挥、智慧城市建设等基础地图数据处理和服务中具有重要作用和意义。遥感技术的发展和深度学习语义分割方法的不断进步为遥感影像道路提取提供了数据保障和技术支撑。然而,基于深度学习语义分割的遥感影像道路提取依旧面临挑战。遥感影像中道路表现出狭长跨度大、背景复杂、几何纹理特征易与背景混淆、样本不均衡、易被遮挡、拓扑连通难等独特特征,这使得遥感影像道路提取成为深度学习语义分割领
高光谱遥感技术在包括精细农业、环境监测和军事侦察等众多应用领域都有广泛的应用并占据着重要地位。在应用高光谱数据时，对其分类是图像理解与解译的前提。随着遥感探测技术的发展，光谱分辨率和空间分辨率不断细化，使采集到的高光谱图像包含了丰富的光谱和空间信息，这给高光谱图像分类带来机遇的同时也带来了新的挑战。主要面临的问题包括:数据呈现复杂的非线性特性;标记样本缺乏;噪声干扰;“同谱异物”和“同物异谱”现象
遥感高光谱成像是一种将遥感探测的二维空间信息和光谱信息相结合的具有多波段的影像数据。它可以较好地获取连续的窄波段图像数据信息,这些图像具有高分辨率的特点,可提供丰富的地物细节和特征,因此被广泛应用于地质勘探、植被生态监测、大气环境监测、农业遥感、海洋勘测等各应用领域。然而,由于高光谱成像属于被动式成像,且遥感平台离地观测距离较远,在传感器获取影像过程中,会受到多种因素的影响,如:传感器系统硬件、感
近代以来，微波遥感技术以其高稳定性、可靠性以及智能化等特点逐渐被应用在大气探测领域，同时其24小时不间断测量能力成功解决了传统探空数据低时间分辨率的问题，使得人们能够实时的掌握大气运动状态。然而在实际应用中，较低的算法执行效率和数据准确性使得微波遥感技术仍无法完全替代探空测量。高精度的微波遥感技术已成为大气探测领域的难点之一。为提高微波遥感大气参数的精度和效率，本文以地面以上十公里范围内的大气参数
高光谱图像包含紫外到中红外区域连续的几十乃至几百个窄波段图像,而且包含丰富的空间信息,因此具有“图谱合一”的数据特征。近年来高光谱数据已被广泛的应用于地球观测、环境监测、食品安全、精细农业、矿物开采、生物应用、搜救行动等领域。然而由于地球表面物质分布的复杂性、传感器高度、成像视场角以及大气传输效应等的影响,混合像元不可避免。混合像元的存在严重制约着图像数据的精确解译和目标检测。解混模型因为能够提供
智能电网凭借着双向的智能计量体系，为电力公司和用户提供了更加精准的实时监测、控制及预测等能力，为智能家居和智能城市创造了良好的基础环境。但随着细粒度智能计量精度的提高，使得智能电网中用户信息的隐私问题面临着严峻的考验。为此，国内外相关组织在该领域投入了大量的研究，但是智能计量的精度和通信过程中的延迟问题与用户隐私保护之间权衡问题给该领域的研究提出了新的挑战。同态聚合的加密方法在一定程度上缓解了三者