- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
星载多光谱影像、机载高光谱与激光雷达数据在提取盐地碱蓬湿地植被空间分布及估算地上生物量中的评价
摘要： 海蓬子（S. salsa）对滨海湿地盐沼具有显著?；ぷ饔?。本研究探讨了机载多光谱影像、星载高光谱影像及激光雷达数据在海蓬子空间分布提取与地上生物量（AB）估算中的应用，以绘制其生物量空间分布图。结果表明：增加光谱与结构特征有助于提升湿地植被分类精度和海蓬子生物量估算精度。研究中最优方案是融合高光谱与激光雷达数据，该组合在湿地分类和海蓬子生物量估算中均获得最高精度。单独使用多光谱影像时，海蓬子分类的用户精度与生产者精度相对较高（分别为87.04%和88.28%）。相较于多光谱影像，具有更多光谱特征的高光谱数据使Kappa系数和总体精度略有提升。仅基于高光谱数据的生物量估算即达到较可靠精度（R2=0.812，均方根误差0.295，估算误差24.56%，残差预测偏差2.033，平方和比率1.049）。添加激光雷达数据对海蓬子提取与生物量估算过程的改进有限。所绘制的海蓬子生物量空间分布图与实地调查结果一致。本研究为湿地植被海蓬子的有效信息提取与生物量估算提供了重要参考。
关键词： 多光谱图像，盐地碱蓬，激光雷达数据，精细分类，地上生物量，高光谱图像
更新于2025-09-23 15:23:52
-
[2018年IEEE第十届拉丁美洲通信会议(LATINCOM) - 墨西哥哈利斯科州瓜达拉哈拉(2018.11.14-2018.11.16)] 2018年IEEE第十届拉丁美洲通信会议(LATINCOM) - 用于多光谱遥感图像语义分割的卷积神经网络
摘要： 近期人工智能（AI）方法论的发展浪潮简化了该技术在多个研究领域的应用。此前由于维度限制、处理时间、计算资源等因素制约，这种简化并不现实。在人工神经网络（NN）中处理多光谱遥感（RS）图像曾极为复杂——传统方法需要执行数百万次运算，耗时长久且难以达到与最先进技术（SoA）相媲美的效果。深度学习（DL）策略的应用有效缓解了这些限制，极大提升了神经网络的实用性。本文通过分析DL-NN对多光谱RS图像进行语义分割的效果展开研究，所用影像来自欧洲航天局哨兵2号卫星星座。本研究旨在将场景中每个像素划分为五类：1-植被、2-土壤、3-水体、4-云层和5-云影。为这些类别构建分割输入数据集时，光谱波段的选择至关重要，每种物质的光谱特征有助于区分不同类别。结果表明，本研究所提AI策略在保持具有竞争力的处理时效的同时，其分割精度优于其他最先进技术方法。
关键词： 语义分割、卷积神经网络、遥感、多光谱图像
更新于2025-09-23 07:54:28
-
[IEEE MILCOM 2018 - 2018年IEEE军事通信会议(MILCOM) - 美国加利福尼亚州洛杉矶(2018.10.29-2018.10.31)] MILCOM 2018 - 2018年IEEE军事通信会议(MILCOM) - 关于可见光谱外对抗样本的防御研究
摘要： 基于RGB图像的机器学习（ML）模型易受对抗性攻击威胁，可能对用户构成潜在网络风险。对抗样本是恶意构造的输入数据，旨在测试阶段诱导机器学习系统产生错误。最新研究表明，此类攻击同样可成功应用于多光谱成像的ML模型测试阶段，暗示该威胁很可能延伸至高光谱数据领域。全球军事机构持续增加多光谱与高光谱遥感领域的投资，同时表现出对机器学习系统的浓厚兴趣。本文旨在提升军事界对抗威胁的认知，并为先进人工神经网络提出ML训练策略及弹性解决方案。具体而言，论文引入了一种探索短波红外波段材料响应领域知识的对抗检测网络，以及一个联合框架——该框架整合了多光谱图像的自动波段选择方法、对抗训练和基于对抗规则的光谱检测。实验结果表明，该方法在使用Digital Globe公司WorldView-3卫星16波段图像进行自动语义分割任务时具有显著效果。
关键词： 对抗性机器学习、多光谱图像、对抗样本、防御措施
更新于2025-09-23 10:27:52
-
高光谱与多光谱图像融合的非局部耦合张量CP分解
摘要： 高光谱（HS）超分辨率技术旨在提升高光谱图像（HSI）的空间分辨率，近年来备受关注。常见的超分辨率方法是将高光谱图像与更高空间分辨率的多光谱图像（MSI）进行融合。现有研究通过矩阵分解方法（如解混和稀疏表示）建立低空间分辨率HSI与MSI的退化模型来解决该问题，但这类方法难以有效构建高空间分辨率（HR）HSI与MSI之间的关系。实际上，由于HSI与MSI拍摄的是同一场景，这两种图像源必然存在共同因子。本文提出一种高光谱与多光谱图像融合（HSI-MSI融合）的非局部张量分解模型：首先根据MSI构建HSI的非局部相似像元张量，用于计算所有像元块的平滑阶数以实现聚类；随后通过耦合张量典范秩一分解（CP分解）探究HR HSI与MSI的关系。该模型的核心思想是：HR HSI非局部张量的CP分解因子矩阵可与MSI非局部张量的分解矩阵共享。采用交替方向乘子法求解该模型，从而成功将MSI的空间结构迁移至HSI。在三个合成数据集和一个真实数据集上的实验表明，本方法显著优于现有最先进的HSI-MSI融合技术。
关键词： 非局部张量、多光谱图像（MSIs）、耦合典范分解（CP分解）、数据融合、高光谱图像（HSIs）
更新于2025-09-16 10:30:52
-
[IEEE 2019年第十届高光谱成像与信号处理研讨会：遥感技术演进（WHISPERS） - 荷兰阿姆斯特丹（2019.9.24-2019.9.26）] 2019年第十届高光谱成像与信号处理研讨会：遥感技术演进（WHISPERS） - 基于LSTM网络的像素级尺度融合模型为卫星图像提供高空间-光谱分辨率
摘要： 多传感器卫星图像的像素级融合能够提升所获数据在空间维度和光谱维度的质量。特别是通过融合多光谱与高光谱图像，可生成兼具高空间分辨率与高光谱分辨率的图像。现有文献中虽有多种实现该任务的方法，但这些技术仍会在融合过程中损失重要的空间信息。本研究提出一种多尺度深度学习模型，用于融合分别具有高空间低光谱分辨率（HSaLS）和低空间高光谱分辨率（LSaHS）的多光谱与高光谱数据，最终获得高空间高光谱分辨率图像（HSaHS）。为实现该目标，我们开发了可扩展的高空间分辨率处理新方法——模型通过学习从低空间分辨率过渡至中间空间分辨率层级，最终生成高空间光谱分辨率图像。这种分步处理过程显著降低了空间信息损失。实验结果表明，本方法在结构相似性指数和信噪比指标上均展现出更优性能。
关键词： 高光谱图像，超分辨率，数据融合，长短期记忆，像素级，多光谱图像
更新于2025-09-12 10:27:22
-
[2019年IEEE国际电子器件与固态电路会议(EDSSC) - 中国西安 (2019.6.12-2019.6.14)] 2019 IEEE国际电子器件与固态电路会议(EDSSC) - 具有栅控肖特基隧穿结的常关型非欧姆GaN RB-MISHEMT
摘要： 由于多光谱遥感图像的光谱通道数量有限，变化信息（尤其是多类别变化）可能表征不足，从而导致变化检测不准确。本文提出采用无监督波段扩展技术生成人工光谱波段与空间波段，以增强多光谱图像变化检测（CD）中的变化表征与区分能力。具体而言，该方法运用乘法和除法两种简单非线性函数实现光谱扩展，并采用多尺度形态学重建扩展波段空间信息。随后将扩展后的波段集应用于三种主流无监督CD技术，用于解决多类别CD问题。在三个真实双时相多光谱遥感数据集上获得的实验结果验证了所提方法的有效性。
关键词： 变化检测（CD）、遥感、非线性波段扩展、变化矢量分析、多时相分析、多光谱图像、维度扩展
更新于2025-09-11 14:15:04
-
遥感中的多分辨率图像融合（）|| 引言
摘要： 人类最伟大的成就之一，是以照片形式记录观测数据的能力，这门科学可追溯至1826年。人类始终试图登上更高处（树梢、山峰、高台等）观察感兴趣的现象，以决定宜居地点、开展农耕等活动。好奇心驱使人类从高处平台拍摄地球影像。摄影技术初期，人们利用气球、鸽子和风筝获取此类照片。1903年飞机发明后，1909年首次在稳定平台上实现了航空摄影[120]。上世纪六七十年代，搭载遥感仪器的主要平台从飞机转向卫星[120]。正是在这一时期，"遥感"一词取代了常用的"航空摄影"。卫星比飞机能覆盖更广的陆地空间，并可定期监测区域。
关键词： 图像融合、遥感、卫星、航拍照片、高光谱图像、多光谱图像、全色图像
更新于2025-09-04 15:30:14
-
遥感中的多分辨率图像融合（）|| 文献综述
摘要： 在许多遥感应用中，融合图像的空间信息与光谱信息同等重要?；谎灾颐切枰本弑付喙馄祝∕S）图像光谱分辨率和全色图像空间分辨率的影像。而同时具备高空间分辨率与高光谱分辨率的传感器几乎难以实现[139]。多光谱图像较低的空间分辨率是受物理和技术限制而折中的结果——抵达探测器的光能量与其光谱范围宽度成正比，因此多光谱传感器的光能量小于全色传感器。为获得可接受的信噪比，本需增加多光谱探测器接收的能量，但技术限制使这成为不可能。此外，若多光谱图像具有高空间分辨率，其传输数据量将大幅增加，在轨存储及向地面传输数据的困难也制约了多光谱图像的空间分辨率。这使得遥感卫星传感器获取低空间分辨率的多光谱图像与高空间分辨率的全色图像：前者具有高光谱分辨率但低空间分辨率，后者则具有高空间分辨率但低光谱分辨率。
关键词： 图像融合、遥感、光谱分辨率、空间分辨率、多光谱图像、全色图像、全色锐化
更新于2025-09-04 15:30:14