【摘 要】
：
高光谱(Hyperspectral,HS)图像是一个三维数据立方体,具有上百个连续的光谱波段,提供了丰富的光谱信息,蕴含了地物的属性特征。但是,高光谱图像的空间分辨率比较低,这限制了高光谱图像更进一步的应用。多光谱(Multispectral,MS)图像具有丰富的空间信息,可以提供图像的精细几何特征。因此,两种图像的融合可以实现信息互补,并提高信息的准确性和可靠性。高光谱与多光谱图像融合是遥感技术
论文部分内容阅读
高光谱(Hyperspectral,HS)图像是一个三维数据立方体,具有上百个连续的光谱波段,提供了丰富的光谱信息,蕴含了地物的属性特征。但是,高光谱图像的空间分辨率比较低,这限制了高光谱图像更进一步的应用。多光谱(Multispectral,MS)图像具有丰富的空间信息,可以提供图像的精细几何特征。因此,两种图像的融合可以实现信息互补,并提高信息的准确性和可靠性。高光谱与多光谱图像融合是遥感技术领域的热门研究课题之一,其中如何恢复图像的高频细节与如何减少空间和光谱信息在重建过程中的丢失是图像融合的
其他文献
超分辨率重建技术(Super Resolution,SR)是指从单幅或多幅连续低分辨率图像中恢复出高分辨率图像的技术。随着遥感技术在农业检测、和军事战略方面的迅速发展,哨兵2号多光谱图像逐渐受到人们的关注。它作为对地表探测研究的重要工具,其超分辨问题也成为研究热点,哨兵2号图像通过10m、20m、60m三种分辨率的图像对地表进行研究,然而采集的低分辨率图像已经不能满足现阶段的应用需求,于是基于遥感
近年来,随着遥感技术的日益发展,高分辨率遥感图像的质量也逐步提高,而遥感图像作为城市道路建设、自然灾害管理、地下资源勘探等多项实际应用任务的主要数据来源,进而针对遥感图像的目标检测任务也尤为重要。具体来说,遥感图像中的目标检测任务就是给定一幅航拍或遥感图像,利用模式识别或机器学习中的相关算法将其中特定类别的物体准确地定位并且识别出来。而由于卫星成像时其高度和姿态的差异性,遥感图像中的物体往往有着较
作为高光谱遥感图像分析领域一个基本的研究问题,高光谱图像分类在国土资源勘查、环境监测和精准农业评估等领域获得了大量关注,国内外研究学者提出了大量出色的分类算法。但是由于高光谱图像的光谱和空间特征的复杂性,高光谱图像分类中需要解决的问题还有很多,其仍是一个极具研究难度的课题。本文研究了基于深度学习模型的高光谱图像分类算法,提出了两种基于深度特征提取的分类模型。同时,将两种方法提取的深度特征与适当的人
随着高光谱遥感技术的快速发展,高光谱遥感图像在保持高分辨率的同时,图像的空间分辨率也得到了很大程度的提升,为地物的准确分类创造了有利的条件,因此被广泛用于农作物监测、城市增长分析、重大灾害管理和矿物制图等领域。高光谱图像为地物目标的识别和分类带来了新机遇,同时对现有的图像处理技术提出了新的挑战:由于图像中含有较多地物类别,纹理较复杂,并且光谱分辨率的提高导致数据量增大,使得利用超像素分割提取图像的
随着IC芯片向高集成度、微型化、细间距的不断发展,对热超声键合换能器的运动柔性、键合效率和振幅输出特性等提出了更高要求,换能器也从单支路结构逐渐向着复合结构方向发展。基于此本课题提出一种柔性夹持的双支路复合结构高频压电超声换能器,对其结构尺寸和夹持方式进行动力学优化设计,深入分析其动力学行为特性变化与合成规律,主要内容如下:(1)提出一种两级圆锥形变幅杆与阶梯-圆锥复合形变幅杆为一体的双支路换能器
高光谱图像通常具有数百个连续光谱带,在土地覆盖分类和识别领域具有广泛的应用前景。其中,高光谱图像监督分类旨在给出图像像素的地物类别信息,可广泛应用于包括矿物勘探,精确农业和环境监测等多个领域。然而,由于高光谱数据高维性、多通道、类别非均衡性、空间复杂等因素,如何联合空间和光谱信息设计有限监督样本下的机器学习分类算法是一个研究热点。本文围绕基于稀疏卷积滤波器学习的高光谱图像分类方法展开深入研究,以充
随着科技的进步与人口的快速增长,全球对能源的需求日益增大,目前能源的供给方式主要以化石能源为主,化石能源的使用导致了环境污染与化石能源的紧缺。为此,新能源的开发与应用已经成为各国科研人员关注焦点,其中质子膜燃料电池(PEMFC)具有效率高、功率密度大、环境友好、可靠性高等优点,已成为新能源转化与使用的热点。日本,欧洲等已经将燃料电池技术列为新能源技术发展的重点。在研制与应用过程中,发现PEMFC的