共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
船只目标检测识别技术是现阶段遥感图像研究领域的一个重要发展方向。随着国产高分辨率卫星的快速发展,高分遥感卫星陆续发射,基于光学遥感图像的船只检测识别技术会逐步成为研究热门。主要介绍了近年来基于光学图片的船只检测识别技术发展、以及当前技术存在的问题。当前基于深度学习的船只目标检测识别技术取得了较好的检测效果,成为主流研究方向,但在光学遥感图像船只检测领域基于深度学习的方法有一些基本问题限制了检测效果,对这些问题进行了归纳总结,并对未来光学遥感图像船只检测技术的发展进行了展望。 相似文献
3.
4.
《航天返回与遥感》2017,(4)
水边线提取对揭示沿海地区自然资源管理状况和人工海域使用程度具有重要的指示作用。文章以津冀地区沿海城市海岸带为例,选取"高分一号"卫星数据为遥感数据源,首先对数据进行了辐射校正、几何校正、影像融合和裁剪等处理,然后采用面向对象的目标提取技术自动提取了研究区内大范围的水边线,并在充分了解不同海岸类型的遥感解译标志的基础上对提取的岸线进行了分类。结果显示研究区的岸线类型主要以砂砾质岸线、养殖/盐田岸线和港口码头岸线为主。在分类结果的精度验证过程中,以与"高分一号"卫星相近时期的亚米级遥感影像为底图,以目视解译的方式从中提取高精度的海岸线,并将目视解译的结果与从"高分一号"卫星数据中提取到的岸线进行对比。通过比较发现,两者位置、长度等基本吻合,从而证明了该海岸线提取方法对高分辨率遥感影像的有效性。该方法为基于"高分一号"卫星遥感数据进行大范围海岸的水边线提取提供了技术支撑,也为实现中国海岸线的定期自动更新奠定了基础。 相似文献
5.
6.
“高分二号”卫星数据在遥感地质调查中的初步应用评价 总被引:1,自引:0,他引:1
《航天返回与遥感》2015,(4)
"高分二号"(GF-2)卫星是迄今为止中国研制的空间分辨率最高的民用遥感卫星,标志着中国民用遥感卫星进入亚米级"高分时代"。为了更好地了解卫星的应用性能,充分发挥和利用好GF-2卫星数据在地质矿产调查工作中的应用,尤其是在条件艰苦地区和境外区域。文章利用GF-2卫星在新疆哈密地区的相关影像数据开展了遥感地质调查应用评价,从数据处理、地质构造信息提取、地层及岩体等岩性信息的识别,以及可识别地质体精度等方面分别进行评价。结果表明,GF-2卫星数据能有效地划分遥感影像地质单元、识别地质构造空间展布特征,很好地满足优于1∶25 000尺度的遥感地质调查工作,可为地质矿产资源调查及评价提供强有力的数据支撑。 相似文献
7.
丘陵地区耕地地块具有结构复杂、种植类型多样且破碎度高等特点,针对传统分类方法对耕地信息难以快速准确提取的问题,文章基于“高分一号”卫星影像和Unet++网络模型,采用余弦退火学习率实现了复杂丘陵地区耕地信息的准确深度分割和分类。首先利用多尺度分割方法完成了深度迁移学习模型中典型区域耕地样本标签的制作及其结果验证;其次,采用规则格网裁切方法构建影像和标签训练数据集,在PyTorch环境完成了模型的训练;最后,将改进后模型与Unet和SVM方法进行了分类精度和泛化性能的对比分析。结果表明:改进的Unet++网络模型在复杂丘陵地区耕地提取结果的总体精度为92.75%,比SVM和Unet的提取精度分别提高了9.06%和2.50%。因此,基于Unet++的深度学习模型不仅能够有效抑制复杂的背景噪声,还能从遥感影像中学习到更强的语义特征,从而获得更加准确的耕地信息。该方法可为农作物面积监测和产量估算等实际应用提供基础数据支持。 相似文献
8.
"高分五号"卫星是世界首颗实现对大气和陆地综合观测的全谱段高光谱卫星,对于土地利用类型分类具有重要的应用价值,如何利用深度学习技术开展高光谱图像分类是当前研究的热点问题。深度学习中的语义分割方法在地面场景的图像中已经获得较好的应用,但是对于高光谱遥感图像的精度和适用性较差,无法准确获得精确的分类结果。文章采用U-net模型开展高光谱土地利用类型分类研究,首先基于"高分五号"卫星高光谱数据,构建样本数据集,然后训练分类模型,进行土地利用类型分类,探讨语义分割方法在高分五号高光谱数据上的应用能力。结果表明,采用深度学习中的语义分割方法能够有效提高精度水平,U-net模型的整体分类精度为0.9357,Kappa系数达到0.92,均高于SVM方法和CNN方法。采用深度学习中的语义分割方法,可以为"高分五号"高光谱数据的土地利用分类提供技术支撑,有效提升"高分五号"卫星的应用能力。 相似文献
9.
"高分二号"(GF-2)卫星影像中精细的空间信息可用于高精度的土地利用分类研究。为了获取基于GF-2卫星影像土地利用分类的最优特征空间,以及将旋转森林算法应用于提高遥感影像分类精度中,文章利用GF-2卫星影像数据,基于光谱特征(4个多光谱波段和1个全色波段)、指数(植被指数、水体指数及简单比值指数)和变换成分(主成分、最小噪声分离成分与独立成分)构建特征空间,应用基于决策树的旋转森林算法构建面向对象的分类规则集,进行土地利用分类,并与最近邻和决策树算法的分类结果对比分析。结果表明,结合光谱特征、几何特征和纹理特征,采用旋转森林算法得到的分类总体精度为84.85%,Kappa系数为0.819;引入指数、变换成分后分类总体精度提高4.90%,Kappa系数提高0.058;相比于最近邻分类器和决策树分类器,结合旋转森林思想的决策树分类器总体精度分别提高11.97%和15.44%,Kappa系数分别提高0.142和0.184。研究结果可为中国高分辨率卫星影像的信息提取及基于旋转森林算法的土地利用分类研究提供参考。 相似文献
10.
植被修复对于矿区生态重建和矿区生态环境改善具有重要意义,为了解决传统现场检测方式对大矿群区而言费时费力的问题,利用高分辨率遥感卫星影像对矿区生态恢复成效进行了评估。文章基于"高分二号"卫星遥感影像研究,采用监督分类和人工修正后处理的方法,对矿区植被修复生态环境进行了监测和评估,分析了2016年和2018年岫岩县偏岭镇矿区生态环境恢复情况,结果表明:2016年~2018年偏岭镇植被的复垦面积为0.041 4km2,增加矿区面积0.073 6km2。以无人机考察方式选取典型地块赴现场进行提取精度评价,植被和矿区面积的遥感图像识别精度分别达到92.1%和98.4%。矿山地质环境恢复治理取得一定成效,但总的植被面积增加尚不明显,需进一步开展治理工作。 相似文献
11.
12.
《航天返回与遥感》2015,(4)
标志着中国遥感卫星进入亚米级"高分时代"的"高分二号"(GF-2)卫星在太原成功发射,它将为地质灾害调查提供可靠的数据支持。文章以滑坡灾害频发的云南东川区为研究对象,首先对GF-2卫星采集的研究区数据进行正射校正、配准、融合和裁剪等预处理;然后采用面向对象的分类方法,通过影像分割、合并分块,并结合滑坡灾害的光谱、纹理和数字高程模型等多种信息特征,建立滑坡灾害识别规则,实现滑坡信息的遥感分类;最后对分类结果进行误分对象剔除,得到研究区滑坡信息。结果显示,利用GF-2卫星数据可以较好地提取滑坡灾害信息,基本满足滑坡的灾害识别要求。文章通过面向对象的滑坡灾害特征提取所输出矢量结果可以方便地计算出滑坡的面积,对滑坡研究提供了极大的便利。 相似文献
13.
14.
15.
“高分二号”卫星在西藏矿山遥感监测中的应用研究 总被引:1,自引:0,他引:1
《航天返回与遥感》2015,(4)
西藏自治区海拔高、地形起伏大,利用优于1m分辨率卫星影像监测当地的矿业开发活动存在较多难点。文章以墨竹工卡重点矿集区为例,通过影像的正射校正、融合镶嵌、几何校正、信息提取等处理工作,完成了基于"高分二号"(GF-2)卫星影像的1∶1万比例尺矿山遥感监测工作。通过与国际多元多尺度卫星影像的对比研究,GF-2卫星影像对于开采硐口的识别、开采面及开发占地性质的确定、水体污染现象的识别等矿山开发信息提取的准确率有了明显提高,完全能够满足1∶1万尺度矿山遥感监测技术要求,在替代国际同等分辨率商业卫星数据的同时,亦可节省大量的野外验证工作,具有显著的社会经济效益。 相似文献
16.
随着遥感影像数据规模的快速扩张,如何高效准确地识别遥感影像中的典型目标成为当前的研究热点。为解决传统遥感影像目标检测方法准确率低的问题,用基于深度卷积神经网络进行遥感影像目标检测,在遥感影像数据集上用基于Faster-RCNN的神经网络模型对VGG16卷积网络进行训练,对输入的遥感影像通过区域推荐网络标注出待检目标的包围框和置信度,实现对遥感影像的目标检测。以飞机和油罐为例,在TensorFlow深度学习框架下实现了数据预处理、网络训练、目标检测等功能,并在当前测试数据集上取得了较高的检测准确率和置信度。该研究成果可应用于遥感影像解译和处理等相关领域。 相似文献
17.
18.
19.