【摘 要】
：
高光谱遥感是一种常用的遥感类型。高光谱图像具有非常高的光谱尺寸并且在光谱维度上被精细地分割,使得高光谱图像的每个像素可以包含地面物体的丰富光谱曲线,可以反映物体光谱的微妙特征。科学技术的发展使高光谱图像越来越多的应用于各个领域,如军事测绘,农业,气象观测,土地规划和地震监测等。通过对高光谱图像进行分类,获得更多有价值的信息,已成为高光谱图像处理技术的研究热点之一。本文利用深度网络在特征学习上的优势
论文部分内容阅读
高光谱遥感是一种常用的遥感类型。高光谱图像具有非常高的光谱尺寸并且在光谱维度上被精细地分割,使得高光谱图像的每个像素可以包含地面物体的丰富光谱曲线,可以反映物体光谱的微妙特征。科学技术的发展使高光谱图像越来越多的应用于各个领域,如军事测绘,农业,气象观测,土地规划和地震监测等。通过对高光谱图像进行分类,获得更多有价值的信息,已成为高光谱图像处理技术的研究热点之一。本文利用深度网络在特征学习上的优势,提出基于空谱特征学习和深度网络的模型,并应用于高光谱图像的分类任务中,主要贡献为:1)针对GAN网络训
其他文献
建国以来,中国在防止土地退化方面取得了很大的进展,尤其是在西北地区,宁夏回族自治区成为中国第一个实现“人进沙退”的省级行政单位。全球干旱半干旱地区的地理生态环境复杂,经济较为落后,人口相对边缘化。干旱半干旱地区土地退化问题是一个长期以来受到广泛关注的环境、经济以及社会问题,也是一个生态环境方面学术研究和政策制定的主要关注领域。本论文从多学科角度入手,采用定量与定性相结合的研究方法,包括官方文件和文
农业转移人口市民化在物理空间和社会空间双重意义上改变着社会的群体构成,并由此带动深刻的社会转型。然而,对于后发现代化国家而言,其所面临的巨大挑战在于在快速的城市化和工业化进程中同时需要应对农业转移人口经济活动上的“去农业化”(deagrarianization)、社会身份上的“去农民化”(depeasantization)以及地理分布上的“去乡村化”(deruralization),而这三个进程又
美国的公共土地是指所有权、处理权和管辖权归联邦政府的土地。在早期美国历史上,通过东部各州的土地让渡和领土扩张,公共土地的规模日趋庞大。公共土地问题贯穿着美国的发展进程,既见证了美国的历史,又承载着美国的未来。公共土地制度是指国会通过一系列土地法令形成的有关公共土地所有、占有、支配、开发、利用及其保护的体系,对美国经济、政治、社会以及生态环境等各个方面均产生了深远影响。1862～1935年是美国公共
高光谱影像是成像光谱仪以其空间和光谱分辨率对目标地物从空间维度和光谱维度的采样数据，实现了数据“图谱合一”。高光谱成像技术广泛地应用在城市规划、水资源和湿地保护、精准农业、地质灾害预报、森林植被调查、军事目标的侦查与识别等领域。地物目标的分类是高光谱影像处理的主要任务之一，指的是对于给定的高光谱影像数据和事先定义好的地物类别，根据地物像素的特征，将其识别为对应的类别。高光谱影像分类是后续高光谱数据
近年来，针对高光谱图像的地物分类成为了遥感数据处理领域的一个热点问题。高光谱图像具有图谱合一的性质，能够同时记录观测对象的光谱信息和空间信息。随着遥感探测技术的不断发展，高光谱图像的光谱和空间分辨率的越来越高，其复杂的空间结构与高维度的光谱信息导致传统方法不能对其有效解译。目前，深度学习依靠其强大的特征提取能力成为了高光谱分类领域的主流算法。在众多深度学习模型中，卷积神经网络凭借权值共享、局部连接
化石能源碳排放所导致的全球气候变暖问题是当今人类社会面临的共同挑战。作为世界上最大的发展中国家和负责任的大国,我国政府承诺到2020年实现碳排放强度相比2005年下降40%-45%;到2030年碳排放强度相比2005年下降60%-65%;以及到2030年左右碳排放总量达到峰值并争取尽早达峰的目标。面对前所未有的减排压力和经济社会发展转型压力,需要探索适合我国国情的节能减排策略。为了实现这一目标,本
特征的有效表示与学习一直是机器学习分类或识别任务中的核心环节，在遥感图像处理两大基本任务一地物分类与目标检测中亦是如此。传统SAR图像地物分类和光学遥感目标检测手工设计的特征提取方法对地物或人造目标特征刻画不够准确，引起判别性不足导致分类或检测性能不理想。基于此，论文立足于探索深度学习方法在处理上述两个任务中的效果，并期待将获取的经验推广至遥感理解与解译领域的更多任务中。就本文思路而言，从多样化任
高光谱图像具有光谱分辨率高、图谱合一的特点,包含了丰富的空间信息和光谱信息。但受限于有限的空间分辨率以及地表物质的自然混合,高光谱图像中普遍存在由多种物质光谱叠加而成的混合像元,这严重限制了高光谱图像的精确分析及应用。因此,用于推断高光谱图像混合像元中端元光谱及其相应丰度分数的高光谱解混技术成为精确分析、处理高光谱数据的一项重要基础技术。基于光谱先验信息的半监督、监督高光谱解混方法,如稀疏解混、卷
根据国家高分辨率对地观测系统重大专项项目“新疆天山中部高分载荷雪冰监测评价”(95-Y40B02-9001-13/15-04)和国家高技术研究发展计划(863计划)课题“高空间分辨率卫星图像分割的新型技术研究”(2008AA12Z106)的研究需求,以新疆天山北坡玛纳斯河流域山前平原为研究区(包含石河子市及其周边区域),基于国产GF-1卫星PMS数据,对面向应用的高空间分辨率遥感图像语义分割的相关
随着航空航天技术的发展和光谱成像技术的进步,高光谱图像的可获得性和可利用性得到了显著的提升。因为可以同时提供地物的空谱信息,高光谱图像已经广泛应用于目标的分类、检测、识别等任务中,并在食品安全、环境监测、农林资源评估、医学诊断等应用领域取得了一系列的成果。然而,鉴于高光谱图像的分辨率有限且地物的分布复杂多样,其像元光谱通常是多种纯物质光谱的混合。为了获得对地物目标更深入的理解,通常需要对高光谱图像