- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[IEEE 2018年第七届农业地理信息学国际会议（Agro-geoinformatics） - 杭州（2018.8.6-2018.8.9）] 2018年第七届农业地理信息学国际会议（Agro-geoinformatics） - 基于提取叶片高光谱影像的水稻叶绿素含量反演
摘要： 利用冠层光谱数据反演水稻叶片叶绿素含量对于了解水稻生长状况和产量估算至关重要。然而，由于水稻冠层的视场范围包含植物器官（即叶片、茎秆和穗部）与背景（即水体、土壤和间隙）的混合体，目标部位的光谱信号会受到其他部位的干扰，从而导致叶片叶绿素含量估算精度有限，尤其在冠层闭合度较低时更为明显。作为先进的遥感技术，高光谱成像传感器能够同时获取图像维度和光谱维度的信息，从而实现对场景中不同植物部位与背景的识别与分离?；谡庖辉?，本文提出了一种利用精制光谱反演水稻叶片叶绿素含量的方法。实验数据包括通过Cubert S185高光谱成像仪获取的58幅水稻冠层高光谱图像，同时采用SPAD仪测量了相应水稻叶片的叶绿素含量。为利用精制光谱反演叶片叶绿素含量，建立了光谱纯化流程：首先通过决策树方法去除水稻图像背景，随后基于面向对象分类去除稻穗部分，最终保留水稻叶片区域。从精制后的叶片光谱中提取植被指数，并与叶片叶绿素含量进行相关性分析。与原始冠层高光谱数据反演叶片叶绿素含量的植被指数性能相比，基于精制光谱的反演精度显著提高。该光谱纯化流程通过消除非目标光谱信号有效降低了背景影响，从而大幅提升了反演精度。该方法可为后续开发原位传感器及无人机遥感平台内置算法奠定良好基础。
关键词： 叶绿素含量、光谱纯化、反演精度、高光谱
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 - 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 - 基于多尺度CNN空间上下文探索的高光谱分类
摘要： 空间上下文已被证明在高光谱图像处理中非常有用。现有的基于卷积神经网络（CNN）的高光谱分类方法通过二维或三维形状的单尺度卷积核来探索空间上下文。然而，这种单尺度卷积可能无法有效挖掘高光谱图像中复杂的空间上下文。本文提出了一种多尺度CNN（MS-CNN），通过自适应空间邻域卷积核同时从像素的空间上下文中提取多个光谱-空间特征，从而在不同尺度上探索空间上下文。这些由不同空间核获得的特征随后被拼接和融合，以进行进一步的特征提取和分类。实验结果表明，所提出的自适应空间邻域卷积比传统的单尺度空间卷积更有效地探索空间上下文，且MS-CNN的分类性能优于多种最先进的CNN方法。
关键词： 分类、高光谱、空间上下文、卷积神经网络
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 - 利用多波段紧凑纹理单元描述符与深度卷积神经网络提升遥感数据分类效果
摘要： 本摘要提出一种通过多波段紧凑纹理单元（MBCTU）描述符和预训练卷积神经网络（CNN）特征提取器来增强高空间分辨率遥感影像分类的方法。该方法利用MBCTU通过多光谱邻域（而非单波段邻域）的相对像素值表征纹理，从而兼顾波段内与波段间的空间交互作用。将生成的新编码影像输入深度特征提取器（微调后的CNN），最终采用k近邻（KNN）算法对所得深度特征进行分类以生成分类图。该方法应用于高光谱与多光谱数据集的分类实验，结果表明相较于使用全光谱数据集的其他方法，本方案能获得更精确的分类结果。
关键词： 高光谱、深度学习、k近邻分类器、多波段紧凑纹理单元、卷积神经网络
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 - 基于高光谱影像与光谱库的城市植被制图
摘要： 城市周边城市化区域的发展与扩张，给城市内部绿地（如草坪、树木、灌木等）的组织、监测与分配带来了新的挑战性问题。事实上，这些绿地能提升居民生活质量并?；ど锒嘌浴１狙芯恐荚冢?）探究利用多波段影像和光谱库进行城市植被物种制图的可行性；2）确定该制图方法在何种尺度上可靠（如单株树木尺度、树群尺度、高/低矮植被尺度）。
关键词： 光谱库，正则化，高光谱，波段选择，植被制图
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 - 基于半参数与非参数方法的高光谱目标检测
摘要： 本文提出了一种新颖的半参数与非参数检测器，用于似然比检验通用检测框架下的加性目标信号模型。半参数检测器采用高斯混合模型估计背景概率密度函数（PDF）的低维近似，而非参数方法则使用多元核密度估计器来估计多维空间中的PDF。我们利用高光谱航空"维亚雷焦2013试验"数据集进行目标检测实验，结果表明这些检测器能有效检测场景中部署的感兴趣目标，并且性能优于著名的自适应匹配滤波检测器。
关键词： 目标检测、非参数密度估计、高光谱、半参数密度估计
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 - 基于高分辨率多光谱与高光谱影像的海底制图
摘要： 沿海生态系统因其高度的生物多样性和初级生产力而至关重要，然而它们极其复杂且具有高度的空间和时间变异性。因此，要对其进行妥善管理，必须开展系统监测。由于卫星在空间和光谱分辨率方面的提升，以及机载或无人机高光谱传感器的可用性，遥感技术可发挥重要作用。但受限于海床最小反射率及大气与水体扰动导致的传感器低信噪比，沿海区域制图面临挑战。本研究旨在运用面向对象与基于像素的分类方法，结合WorldView-2卫星影像与AHS（机载高光谱扫描仪）数据，在浅水区建立稳健的分类方法以生成精确的底栖生境图。选择西班牙加那利群岛拉斯帕尔马斯省的马斯帕洛马斯地区作为研究对象，因其具有复杂的生态系统特征并分布着重要的海草床。
关键词： 底栖制图、支持向量机、分类、高光谱、海草
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 - 用于岩性填图的长波高光谱成像：案例研究
摘要： 高光谱长波红外成像（LWIR HSI）为矿物填图领域的可见光、近红外和短波红外（VNIR与SWIR）高光谱数据提供了极具前景的补充手段。该技术能够表征硅酸盐和碳酸盐等造岩矿物——这些矿物在VNIR和SWIR波段中要么无可探测特征，要么仅呈现极其微弱的特征信号。过去数十年间，关于卫星、航空及实验室LWIR数据的文献数量持续增长。然而，针对垂直地质露头开展地基近程LWIR HSI遥感应用的研究仍较为匮乏，这正是本研究的重点。我们提出了一套LWIR HSI数据的获取、拼接与辐射校正工作流程，并通过德国某砾石采石场的案例研究验证了该流程的适用性。研究采用标准光谱库进行光谱解混及主要岩石单元制图，其成果通过样品X射线衍射（XRD）分析、薄片鉴定及傅里叶变换红外点光谱仪数据进行验证。
关键词： 热红外、矿物填图、高光谱、长波红外
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 - 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FPGA的高光谱分类卷积神经网络实现
摘要： 卷积神经网络（CNN）已广泛应用于高光谱分类。当前基于CNN的高光谱图像分类研究主要在图形处理单元（GPU）平台上实现。然而，由于成像平台存在空间辐射和供电问题，GPU并不适合星载处理。因此，本文选择FPGA来实现基于CNN的高光谱分类以推进星载处理。具体而言，采用硬件描述语言设计了CNN前向分类步骤的硬件模型，包括CNN计算结构、各层实现方案、权重加载机制及数据交互设计?；谂廖鞘菁姆抡娼峁砻?，所提出的FPGA实现方案与GPU平台结果一致。
关键词： 分类，现场可编程门阵列，高光谱，卷积神经网络
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 - 基于分量替换的高光谱全色锐化的分块与分割方法
摘要： 全色锐化是将全色（PAN）图像与多光谱（MS）或高光谱（HS）图像融合，从而生成兼具高空间分辨率与高光谱分辨率的MS或HS图像。该方法主要从全色图像中提取高频细节，再将这些细节注入多光谱或高光谱图像。这种细节注入可通过多种方式实现：采用全局处理、分块处理或基于聚类的技术。本文针对标准分量替代类全色锐化方法（包括强度-色调-饱和度变换（IHS）、Brovey变换（BT）、Gram-Schmidt正交化流程及主成分分析（PCA）技术），运用了分块处理与聚类处理两种方案。研究同时考察了非重叠分块与重叠分块的情况，并采用k均值、迭代自组织数据分析技术算法（ISODATA）及简单线性迭代聚类（SLIC）等多种分割方法。通过两组特性不同的数据集评估各方案性能，结果表明分块处理与基于分割的处理方法均能显著提升锐化效果。
关键词： 高光谱、超像素、全色锐化、分割、基于块
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 - 基于正割函数优化的超光谱解混
摘要： 本文提出了一种高光谱图像的新型光谱解混方法。该方法将解混问题建模为优化问题，并基于正割函数选取目标函数。通过最小化原始高光谱图像与端元矩阵、丰度分数矩阵乘积之间的正割误差，研究发现正割函数能有效降低光谱失真。所提算法应用于合成数据集和真实数据集，并与若干前沿解混算法进行对比。结果表明，该方法能成功估算丰度分数图。
关键词： 光谱解混，高光谱，正割函数
更新于2025-09-10 09:29:36