- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于形态学监督PCA-Net的不平衡学习自动SAR图像变化检测
摘要： 由于未变化类与变化类之间存在不平衡性，变化检测是一项极具挑战性的任务。此外，传统对数比生成的差异图易受斑点噪声影响，这将降低检测精度。本文提出一种基于主成分分析网络（PCA-Net）的不平衡学习变化检测方法，通过设计监督式PCA-Net直接从给定的多时相合成孔径雷达（SAR）图像中获取鲁棒特征，而非依赖差异图。为解决变化类与未变化类的不平衡问题，我们提出形态学监督学习方法，利用两类边界附近像素的知识来指导网络训练。最终提出的PCA-Net可通过含参考图的数据集进行训练，并应用于新数据集，在实际变化检测项目中具有显著实用性。我们在五组多时相SAR图像上验证了该方法，实验结果表明：借助边界训练样本的知识，所学特征能有效提升变化检测效果，使本方法优于随机抽样训练的监督方法。
关键词： 变化检测、不平衡学习、合成孔径雷达（SAR）图像、主成分分析网络（PCA-Net）
更新于2025-09-23 15:23:52
-
利用光学跟踪网络OWL-Net进行短弧段观测的定轨特性
摘要： 为维持11颗国内低地球轨道卫星的轨道星历，研发了光学广域巡天网络（OWL-Net）。该网络的观测调度中曾出现时间重叠事件，导致光学观测机会减少。通过光学观测模拟与轨道测定实验，测试了OWL-Net的短弧段观测策略以降低时间重叠事件。在2014年1月至2016年12月的全规模光学观测模拟中，2014、2015和2016年的第4、34和18周分别出现最频繁的重叠事件（127次、132次和116次）。三年间五个观测站总观测机会的重叠事件平均占比超10%。实施短弧段观测策略后，OWL-Net各观测目标的时间重叠事件均有所减少，其中5秒和10秒方案消除了最多的重叠事件。轨道测定测试结果表明：短弧段观测模拟中，七天后沿迹方向的最大轨道预测误差始终保持在<10公里。该结果表明，短弧段光学观测策略能在增加观测机会的同时更有效地维持轨道星历精度。
关键词： 短弧段观测、光学跟踪网络、OWL-Net、轨道确定、近地轨道卫星
更新于2025-09-23 15:23:52
-
一种用于低光照图像增强的管道神经网络
摘要： 低光照图像增强是计算机视觉领域的重要挑战。大多数在弱光环境下拍摄的低光照图像通常显得噪声多且昏暗，这给后续的计算机视觉任务带来了更大困难。本文受多尺度Retinex启发，提出了一种基于端到端全卷积网络和离散小波变换（DWT）的低光照图像增强流水线网络。首先，我们证明多尺度Retinex（MSR）可视为采用高斯卷积核的卷积神经网络（CNN），而融合DWT处理结果能提升MSR生成的图像质量。其次，我们设计了由去噪网络和低光照图像增强网络（LLIE-net）组成的流水线神经网络，该网络通过学习暗光与明亮图像对的映射函数实现增强。最后，我们在合成数据集和公开数据集上评估了方法性能。实验表明，相比其他先进方法，本方案在定性和定量分析层面均展现出更优效果。
关键词： 卷积神经网络，LLIE-Net，低光照图像增强
更新于2025-09-23 15:22:29
-
[2018年IEEE第20届国际多媒体信号处理研讨会(MMSP) - 加拿大不列颠哥伦比亚省温哥华市(2018年8月29日-8月31日)] 2018年IEEE第20届国际多媒体信号处理研讨会(MMSP) - 基于全卷积神经网络的遥感图像云检测算法
摘要： 本文提出了一种基于深度学习的框架，用于解决遥感图像中精确云检测的问题。该框架利用全卷积神经网络（FCN），能够对Landsat 8图像中的云区域进行像素级标注。同时，提出了一种基于梯度的识别方法，用于识别并排除训练集真实标签中的冰雪区域。研究表明，结合阈值法与深度学习这两种方法的混合方案，在无需人工修正自动生成的真实标签的情况下，提升了云检测的性能。平均而言，Jaccard指数和召回率分别提高了4.36%和3.62%。
关键词： 深度学习、Landsat 8、全卷积网络（FCN）、图像分割、U-Net、遥感、卷积神经网络（CNN）、云检测
更新于2025-09-09 09:28:46