期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于迁移学习的GOCI超分辨率重建与海洋漂浮藻类探测
1
作者
朱
红春
朱
国
灿
+4 位作者
李金宇
张怡宁
芦智伟
杨延瑞
刘海英
《山东科技大学学报(自然科学版)》
CAS
北大核心
2024年第2期40-48,共9页
遥感技术是进行海洋漂浮藻类目标识别与变化监测的重要手段。GOCI遥感卫星影像具有高时间分辨率、低空间分辨率的特点,其低空间分辨率影响了海洋漂浮藻类遥感探测的效果。本研究通过对具有较高空间分辨率的Sentinel-2遥感卫星影像结构...
遥感技术是进行海洋漂浮藻类目标识别与变化监测的重要手段。GOCI遥感卫星影像具有高时间分辨率、低空间分辨率的特点,其低空间分辨率影响了海洋漂浮藻类遥感探测的效果。本研究通过对具有较高空间分辨率的Sentinel-2遥感卫星影像结构特征的迁移学习,应用ESRGAN超分辨率重建技术,将GOCI影像的空间分辨率提升至125 m;在此基础上,构建了基于超分辨率重建GOCI遥感影像的U-Net深度学习语义分割网络,实现了海洋漂浮藻类的较高精度探测。实验结果表明:超分辨率重建的GOCI影像显著提升了影像的空间细节清晰度,基于此实现的海洋漂浮藻类探测结果取得了较高的精度,其中面积相对误差下降了51.87%,F1值提高了2.41%。本研究是应用GOCI遥感影像进行海洋漂浮藻类高精度探测的一次成功实践,为实现海洋目标的动态精细化监测提供有益的参考。
展开更多
关键词
GOCI影像
数据融合
超分辨率重建
海洋漂浮藻探测
深度学习
下载PDF
职称材料
地形场景的地理空间认知与内容表达
2
作者
朱
红春
张怡宁
+2 位作者
徐月雪
朱
国
灿
宋词
《地球信息科学学报》
EI
CSCD
北大核心
2024年第4期790-798,共9页
地球表面空间承载着诸多地理实体,随着时空大数据时代的到来,以还原论为基础、以独立分层建模为特征的传统信息描述方式越发难以描述地形及其关联环境要素所具有的海量信息、产生的复杂相互作用和呈现的时空变化规律,相关研究亟需以系...
地球表面空间承载着诸多地理实体,随着时空大数据时代的到来,以还原论为基础、以独立分层建模为特征的传统信息描述方式越发难以描述地形及其关联环境要素所具有的海量信息、产生的复杂相互作用和呈现的时空变化规律,相关研究亟需以系统和整体的角度考察研究对象。针对这一问题,本文从场景学的视角对地形本体及关联环境要素的内容和相互作用开展系统的地理空间认知,提出了地形场景的概念,用于整体性地描述地形场景中的实体、联系与时空变化过程;分析了地形场景的要素构成和逻辑结构,使用时间、地点(空间)、事物、事件、现象为核心的更加整体化、语义化和逻辑化的要素对地形场景进行描述;对地形场景对象及其信息的内容构成进行解析和整理,创建了以“要素-对象-信息”为核心的结构描述框架,并对地形场景未来的发展与可能的技术应用进行了展望。地形场景的提出是场景学概念从整体表达朝向整体研究的一次探索,为进一步进行地形问题的场景化求解和表达奠定基础。
展开更多
关键词
地形
地形场景
地理场景
场景学
地理信息
地理空间认知
内容表达
地理规律
原文传递
题名
基于迁移学习的GOCI超分辨率重建与海洋漂浮藻类探测
1
作者
朱
红春
朱
国
灿
李金宇
张怡宁
芦智伟
杨延瑞
刘海英
机构
山东科技大学测绘与空间信息学院
山东省海洋工程咨询协会
山东科技大学计算机科学与工程学院
出处
《山东科技大学学报(自然科学版)》
CAS
北大核心
2024年第2期40-48,共9页
基金
国家自然科学基金项目(41971339)
山东科技大学科研创新团队支持计划项目(2019TDJH103)。
文摘
遥感技术是进行海洋漂浮藻类目标识别与变化监测的重要手段。GOCI遥感卫星影像具有高时间分辨率、低空间分辨率的特点,其低空间分辨率影响了海洋漂浮藻类遥感探测的效果。本研究通过对具有较高空间分辨率的Sentinel-2遥感卫星影像结构特征的迁移学习,应用ESRGAN超分辨率重建技术,将GOCI影像的空间分辨率提升至125 m;在此基础上,构建了基于超分辨率重建GOCI遥感影像的U-Net深度学习语义分割网络,实现了海洋漂浮藻类的较高精度探测。实验结果表明:超分辨率重建的GOCI影像显著提升了影像的空间细节清晰度,基于此实现的海洋漂浮藻类探测结果取得了较高的精度,其中面积相对误差下降了51.87%,F1值提高了2.41%。本研究是应用GOCI遥感影像进行海洋漂浮藻类高精度探测的一次成功实践,为实现海洋目标的动态精细化监测提供有益的参考。
关键词
GOCI影像
数据融合
超分辨率重建
海洋漂浮藻探测
深度学习
Keywords
GOCI image
data fusion
super-resolution reconstruction
marine floating algae detection
deep learning
分类号
TP751 [自动化与计算机技术—检测技术与自动化装置]
X55 [自动化与计算机技术—控制科学与工程]
下载PDF
职称材料
题名
地形场景的地理空间认知与内容表达
2
作者
朱
红春
张怡宁
徐月雪
朱
国
灿
宋词
机构
山东科技大学测绘与空间信息学院
出处
《地球信息科学学报》
EI
CSCD
北大核心
2024年第4期790-798,共9页
基金
国家自然科学基金项目(41971339)
山东科技大学科研创新团队支持计划项目(2019TDJH103)。
文摘
地球表面空间承载着诸多地理实体,随着时空大数据时代的到来,以还原论为基础、以独立分层建模为特征的传统信息描述方式越发难以描述地形及其关联环境要素所具有的海量信息、产生的复杂相互作用和呈现的时空变化规律,相关研究亟需以系统和整体的角度考察研究对象。针对这一问题,本文从场景学的视角对地形本体及关联环境要素的内容和相互作用开展系统的地理空间认知,提出了地形场景的概念,用于整体性地描述地形场景中的实体、联系与时空变化过程;分析了地形场景的要素构成和逻辑结构,使用时间、地点(空间)、事物、事件、现象为核心的更加整体化、语义化和逻辑化的要素对地形场景进行描述;对地形场景对象及其信息的内容构成进行解析和整理,创建了以“要素-对象-信息”为核心的结构描述框架,并对地形场景未来的发展与可能的技术应用进行了展望。地形场景的提出是场景学概念从整体表达朝向整体研究的一次探索,为进一步进行地形问题的场景化求解和表达奠定基础。
关键词
地形
地形场景
地理场景
场景学
地理信息
地理空间认知
内容表达
地理规律
Keywords
terrain
terrain scenario
geographic scenario
scenario science
geographic information
geospatial cognition
content expression
geographical laws
分类号
P208 [天文地球—地图制图学与地理信息工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于迁移学习的GOCI超分辨率重建与海洋漂浮藻类探测
朱
红春
朱
国
灿
李金宇
张怡宁
芦智伟
杨延瑞
刘海英
《山东科技大学学报(自然科学版)》
CAS
北大核心
2024
0
下载PDF
职称材料
2
地形场景的地理空间认知与内容表达
朱
红春
张怡宁
徐月雪
朱
国
灿
宋词
《地球信息科学学报》
EI
CSCD
北大核心
2024
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部