-
题名高光谱遥感及其影像空间结构特征分析
被引量：13
- 1
-
-
作者
郭仕德
马廷
林旭东
-
机构
北京大学遥感所
中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室
-
出处
《测绘科学》
CAS
CSCD
北大核心
2005年第3期35-37,共3页
-
基金
国家 8 6 3项目 (2 0 0 2AA7830 6 0 )
-
文摘
分析了高光谱遥感技术相对于传统的低光谱分辨率遥感的特点,以及其在环境监测等领域的应用。然后分析了高光谱影像的空间结构特征,并指出高光谱影像的空间结构特征在实际应用中也具有很重要的意义。最后,本文使用了统计学分析方法对实验影像的空间结构特征进行了分析,并提出了一个可用于描述高光谱影像空间特征的统计学参数。
-
关键词
高光谱遥感
空间结构
地统计学
-
Keywords
hyperspectral remote sensing
image spatial structure
geostatistics
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于多孔卷积神经网络的图像空间结构信息细节表征
- 2
-
-
作者
徐叶军
-
机构
苏州工业园区服务外包职业学院生物科技学院
-
出处
《盐城工学院学报（自然科学版）》
CAS
2024年第1期20-25,共6页
-
文摘
针对传统图像空间结构信息表征方法存在细节表征模糊度较高、信息训练损失较高等问题,提出一种新的基于多孔卷积神经网络的图像空间结构信息细节表征方法。该方法通过图像空间结构信息细节相似性度量,并以图像的形状、颜色和纹理特征对图像空间结构信息细节进行编码,再去除图像冗余信息,利用多孔卷积神经网络对图像空间结构的深度信息进行融合,从而完成图像空间结构信息的细节表征。实验结果表明,基于多孔卷积神经网络的图像空间结构信息细节表征方法在模糊度、训练损失、图像相似性等方面都比传统的3种方法优越,能够清晰地表征图像空间结构信息。
-
关键词
多孔卷积神经网络
图像空间结构
细节表征
冗余信息
深度信息融合
-
Keywords
porous convolutional neural network
image spatial structure
detail characterization
redundant information
deep information fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
