修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

10 条数据
?? 中文（中国） ▾

  • 利用非负矩阵分解和误差校正的遥感图像云去除方法

    摘要： 在光学遥感平台的成像过程中，云层是传感器有效观测不可避免的障碍。为恢复被云层及其伴随阴影遮蔽的原始信息，本文提出了一种非负矩阵分解（NMF）与误差校正方法（S-NMF-EC）。首先，基于时空非局部滤波数据融合模型（STNLFFM），利用参考图像和两幅及以上低分辨率图像获取无云融合参考图像；其次，基于NMF利用该无云参考图像去除云污染图像中的云层覆盖；最后通过误差校正进一步优化去云结果。值得注意的是，S-NMF-EC无需云检测步骤，且能最大限度保留云污染图像中的无云信息。通过模拟与真实数据实验验证了所提S-NMF-EC方法的有效性。与其他去云方法相比，结果表明S-NMF-EC在视觉效果和定量指标（相关系数≥0.99）上均能有效去除厚云、薄云及阴影。

    关键词： 非负矩阵分解，多时相，光学遥感影像，误差校正，云去除

    更新于2025-09-23 15:23:52

  • [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（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于P范数回归模型的光学遥感影像时间序列云检测

    摘要： 本文提出了一种无需预先获取参考图像的自动多时相云检测方法。通过稳健拟合受云污染的多时相图像像素，生成一系列参考图像以呈现景观随时间变化的固有渐变特征。随后通过目标图像与参考图像的差值阈值分割进行云检测，该差值仅包含建模为高斯噪声的回归模型误差以及对应云及其阴影的异常值。在LANDSAT数据集上与现有先进算法对比表明，该方法能更有效区分被云和云阴影覆盖的像素与未受污染的像素。

    关键词： p范数分布、稳健回归、稳健尺度估计、云检测、多时相

    更新于2025-09-23 15:21:21

  • 光学多传感器时间序列数据的稳健自动图像配准：用于多时相滑坡检测的数据库生成

    摘要： 要在较长时间内实现可靠的多时相滑坡检测，需要具有高内部几何稳定性以及高相对与绝对精度的多传感器时间序列数据。为此，本研究开发了一种全自动配准新方法，可高效稳健地对源自多种空间分辨率光学卫星遥感数据的标准正射校正产品进行空间对齐?；谙喙匦缘呐渥家匀蚩捎玫牡匦涡Ｕ齃andsat Level 1T时间序列数据作为空间参考，确保了全球适用性。该方法已应用于覆盖吉尔吉斯斯坦南部（中亚）约12,000平方公里滑坡高发区的592组多传感器时间序列遥感数据集，该数据库包含过去26年间Landsat (ETM+)、ASTER、SPOT和RapidEye传感器获取的影像。配准所得空间偏移分析显示，各传感器的对齐差异介于5米至400余米之间。整体精度评估表明，整个配准数据库具有17米（均方根误差）的高影像间相对精度和23米（均方根误差）的高绝对精度，适用于吉尔吉斯斯坦南部的区域尺度多时相滑坡检测。

    关键词： 斑点、协同配准、Landsat、光学卫星数据、多时相、RapidEye、精度、ASTER、滑坡、吉尔吉斯斯坦

    更新于2025-09-23 15:21:01

  • [IEEE 2019国际接入网光纤研讨会（FOAN）- 波黑萨拉热窝（2019年9月2日-2019年9月4日）] 2019国际接入网光纤研讨会（FOAN）- 光纤参数在使用期间的退化：2003-2019

    摘要： 利用合成孔径雷达（SAR）数据进行变化检测在紧急情况和不利天气条件下具有重要价值。本文研究了城市环境中多时相极化无人机SAR数据的变化检测方法，确定了最具鲁棒性的极化参数，并对选定参数应用了最大似然比和双曲正切模型函数的变化检测技术。该模型函数用于量化变化特征，排除季节性变化或与移动地物相关的变化，从而仅检测城市环境中的持久性永久变化。与历史谷歌地球影像的对比显示结果具有良好一致性。通过将双曲正切函数拟合至多时相极化参数，显著降低了误检率，并能明确判断建筑物是新建还是损毁，以及所检测变化的发生时间。

    关键词： 无人驾驶飞行器合成孔径雷达（UAVSAR）、变化检测、极化、多时相、城市

    更新于2025-09-23 15:19:57

  • [2019年IEEE第46届光伏专家会议（PVSC） - 美国伊利诺伊州芝加哥（2019.6.16-2019.6.21）] 2019年IEEE第46届光伏专家会议（PVSC） - 室内土壤沉积室设计改进：迈向标准化之路

    摘要： 利用合成孔径雷达（SAR）数据进行变化检测在紧急情况和恶劣天气条件下具有重要价值。本文研究了城市环境中多时相极化无人机SAR数据的变化检测方法，确定了最稳健的极化参数，并对选定参数应用了最大似然比和双曲正切模型函数的变化检测技术。该模型函数用于量化变化特征，排除季节性变化或与移动物体相关的变化，从而仅检测城市环境中的持久性永久变化。与历史谷歌地球图像的对比显示结果具有良好的一致性。将双曲正切函数拟合至多时相极化参数显著降低了误检率，并能明确识别建筑物是新建还是拆除，以及变化发生的具体时间。

    关键词： 偏振测量、变化检测、多时相、城市、无人飞行器合成孔径雷达（UAVSAR）

    更新于2025-09-19 17:13:59

  • 利用多时相数字航空彩色红外影像改进中欧混交林基于激光雷达的树种制图

    摘要： 数字彩色红外（CIR）航空影像在全球多地已实现常态化采集，是森林资源监测评估的宝贵数据源。然而这些数据用于自动化单木树种识别的潜力尚未充分挖掘。要最大化发挥数字CIR航空影像在单木树种识别中的作用，可将其与激光雷达（LiDAR）系统和三维分割算法等现代互补遥感技术相结合。本研究探讨了多时相数字CIR正射影像能否提升德国东部温带混交林基于机载LiDAR的单木树种识别精度。结果表明：不同视角-光照条件下获取的多时相数字CIR正射影像纹理特征具有树种特异性，将这些纹理特征与LiDAR指标结合后，识别总体精度达77.4%（Kappa系数0.68），显著优于单独使用LiDAR数据（总体精度69.3%，Kappa系数0.58）。其中近红外波段平均灰度值对分类贡献最大。研究表明，多时相数字航空影像与机载LiDAR数据的协同运用，有望实现中欧混交林单木树种的高精度分类。

    关键词： 数字CIR正射影像、纹理特征、多时相、树种、机载激光雷达

    更新于2025-09-11 14:15:04

  • [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-7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 利用多时相InSAR测量卡拉奇垂直形变

    摘要： 卡拉奇位于巴基斯坦最南端、阿拉伯海沿岸。相关机构担忧该市会发生地面沉降，进而加剧相对海平面上升。目前尚未对该市沉降速率及其对城市淹没风险的贡献进行直接测量。我们的研究利用Envisat/ASAR和Sentinel-1A数据，采用先进的时序相干点InSAR技术，首次初步呈现了该区域垂直地表形变的测量结果。这些数据集使我们能够研究2004-2016年间该区域的形变情况（存在部分数据缺失），从而提供长期分析。结果显示，该市多个区域不稳定，形变速率高达约15毫米/年。然而，我们未发现贯穿城市的断层与各区域形变之间存在显著关联。未来研究应重点开展定期形变监测。

    关键词： 合成孔径雷达（SAR）、多时相、TCPInSAR、干涉测量、沉降

    更新于2025-09-10 09:29:36

  • [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（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于极化域变化向量分析的森林区域激光雷达数据无监督变化检测方法

    摘要： 本文提出了一种基于极坐标域变化向量分析的双时相激光雷达（LiDAR）数据变化检测方法。该方法首先采用二维网格法从两期激光雷达点云中提取一系列LiDAR指标；其次将这些指标的变化转换为极坐标表示，以幅度和方向两个维度进行变化分析。通过幅度分析可区分小幅变化/未变化区域与森林砍伐等剧烈扰动区域；通过方向分析则能识别主导变化方向，从而区分不同类型的森林变化。该方法已在加拿大不列颠哥伦比亚省高产常绿针叶林的多时相数据集上进行了测试，实验结果表明：通过变化方向分析，该方法能有效区分各类森林变化类型。

    关键词： 多时相、变化矢量分析、激光雷达、林业、变化检测

    更新于2025-09-10 09:29:36

  • [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（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于卷积神经网络从SAR数据估算NDVI

    摘要： 由于光学遥感图像在多云条件下无法使用，一个可能的替代方案是采用合成孔径雷达（SAR）图像。然而，许多用于地球监测应用的常规技术需要特定的光谱特征，而这些特征仅针对多光谱数据定义。因此，在本研究中，我们提出通过数据融合和深度学习来估计缺失的光谱特征，利用Sentinel-1和Sentinel-2时间序列中的时间和跨传感器依赖性。以归一化植被指数（NDVI）的估计为重点进行验证，所提出的方法显示出非常有趣的结果，根据多个准确性指标，其性能相比线性回归方法有大幅提升。

    关键词： 合成孔径雷达（SAR）、数据融合、多时相、深度学习、植被监测

    更新于2025-09-10 09:29:36

  • [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（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于全极化SAR影像的作物分类

    摘要： 提高分类精度的关键前提是充分提取反映物体物理特性的特征。本研究旨在探究加拿大安大略省四极化合成孔径雷达（SAR）影像的作物分类能力?；袢×硕嗍毕郣ADARSAT-2精细波束四极化SAR数据，采用支持向量机（SVM）分类器，结合极化特征与纹理特征进行分类。从经典Pauli分解中提取了包含奇次散射、双次散射和体散射的极化特征，从灰度共生矩阵（GLCM）中提取了八种纹理特征，并运用主成分分析（PCA）方法降低纹理特征的冗余度。结果表明，多时相SAR数据取得了令人满意的分类精度，SAR数据的纹理特征有助于提升分类精度，SAR数据在农业监测方面具有显著潜力。

    关键词： 多时相、主成分分析、灰度共生矩阵、SAR分解、纹理特征

    更新于2025-09-04 15:30:14