- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于多目标卷积神经网络模型与决策融合的高光谱海岸湿地分类
摘要： 沿海湿地地物类型存在光谱混叠现象，导致类别混淆。本文提出一种面向沿海湿地高光谱图像的多目标卷积神经网络（CNN）决策融合分类方法。该方法采用基于模糊隶属度规则的决策融合技术处理单目标CNN分类结果，从而获得更高的分类精度。实验结果表明，该方法对水体、滩涂、芦苇及其他植被等六类地物具有良好效果。基于模糊隶属度的决策融合分类方法总体精度达82.11%，较单目标特征波段CNN方法和支持向量机方法分别提高3.33%和6.24%。该多目标CNN决策融合分类方法继承了CNN单目标特征波段的特性，在存在类别混淆的挑战性条件下仍是一种实用的图像分类方案。
关键词： 决策融合、卷积神经网络（CNN）、高光谱图像、分类
更新于2025-09-23 15:22:29
-
D-InSAR与像素偏移跟踪的决策融合在煤矿变形监测中的应用
摘要： 地表沉降是煤矿区普遍存在的现象，会对周边环境造成严重破坏。本文研究采用差分干涉合成孔径雷达（D-InSAR）、多时相InSAR（MT-InSAR）和像素偏移跟踪技术监测煤矿区地表形变。通过双程D-InSAR方法处理20景TerraSAR-X聚束模式影像生成19组干涉图对。结果表明：D-InSAR适用于无高梯度形变的矿区高精度形变监测；像素偏移跟踪法在高梯度形变区域具有优势但稳定性不足。单一技术均无法可靠获取矿区沉降信息，亟需融合不同方法优势的新途径。本文提出基于空间去相关分布图的D-InSAR与偏移跟踪结果融合新方法，并通过ArcGIS人工联合分析制定分布图决策规则确保结果可靠性。实验显示融合结果的均方根误差为0.0748米（D-InSAR为0.1890米，偏移跟踪为0.1358米），证实该融合方法比单一技术更可靠精确，可为矿区沉降监测提供参考。
关键词： 采矿沉降、偏移跟踪、MT-InSAR、D-InSAR、决策融合
更新于2025-09-23 15:21:01
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-2018年7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于Spot6与多时相Sentinel2影像决策融合的城市区域检测
摘要： 将极高空间分辨率多光谱（VHR）影像与具有更多光谱波段但空间分辨率较低的影像时间序列进行融合，可以结合两者的几何与语义优势，从而提升土地覆盖分类精度。本研究提出了一种利用Sentinel-2（S2）和SPOT6卫星影像的独立分类结果进行决策级融合来提取城市范围的流程。首先，采用先进的监督分类方法和卷积神经网络，分别对两种数据源进行五类分类。通过合并分类结果尽可能精确地提取建筑物。随后，将检测到的建筑物与S2分类结果再次融合以提取城市区域：基于这些建筑物对象派生出城市区域先验信息，并与原始S2分类得到的二值分类结果进行合并。两次融合均包含逐像素决策级融合及对比度敏感正则化处理。
关键词： 正则化、多光谱、分割、决策融合、城市分类、城区
更新于2025-09-10 09:29:36