-
题名基于深度学习的遥感图像分类研究
被引量:14
- 1
-
-
作者
牛鑫鑫
孙阿猛
王钎沣
夏萍
-
机构
安徽农业大学
安徽省智能农机装备工程实验室
-
出处
《激光杂志》
CAS
北大核心
2021年第5期10-14,共5页
-
基金
国家自然科学青年基金(No.51509001)
国际科技合作计划项目(No.1604b0602029)。
-
文摘
作为机器学习的分支,深度学习克服了机器学习在提取特征上的弱点,能从海量数据中提取抽象特征。其特征表达能力和泛化能力高,面对海量遥感影像数据也能高效准确的提取特征。遥感影像分类是从提取影像中各类地物特征并归类处理,是遥感影像处理中的关键技术。基于深度学习的遥感图像分类可以弥补传统机器学习分类精度不高、效率低和泛化能力不足的缺陷,推动了遥感分类技术的进步。将首先介绍现有的部分深度学习模型;其次对遥感图像分类方法做阐述;最后对基于深度学习的遥感图像分类方法研究分析并做总结。
-
关键词
深度学习
遥感图像分类
卷积神经网络
深度置信网络
自编码器
-
Keywords
deep learning
remote sensing image classification
convolutional neural network
deep belief network
auto-encoder
-
分类号
TP249
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于改进的SIFT图像快速拼接方法
被引量:6
- 2
-
-
作者
王钎沣
夏国静
牛鑫鑫
孙阿猛
田波
夏萍
-
机构
安徽农业大学
智能农机装备工程实验室
-
出处
《现代电子技术》
2022年第8期159-162,共4页
-
基金
安徽省国际科技合作计划项目:基于遥感和GIS的巢湖流域土地利用变化及其生态环境效应(1604b0602029)
国家自然科学基金青年基金项目(11802003)。
-
文摘
针对使用传统的尺度不变特征变换(SIFT)算法进行图像拼接时出现的特征点误匹配以及拼接用时长的问题,文中提出一种改进的SIFT图像快速拼接方法。通过使用RANSAC算法对SIFT算法在特征点匹配时进行多次优化迭代,对误匹配点进行剔除和提纯改进,实现将待配准的图像精确匹配。然后,将改进后算法的匹配结果与传统SIFT算法、Harris拼接算法的拼接结果进行对比。结果表明,改进的SIFT算法在图像拼接质量、准确性上较传统的算法均有所提高,匹配使用特征点个数减少,拼接接缝和拼接重影消失,拼接速度提高了约14倍。文中改进方法的图像拼接质量好且拼接时间较短,能够较好地实现农田和建筑物的图像拼接。
-
关键词
图像拼接
改进SIFT
无人机图像
特征匹配
图像采集
迭代优化
对比分析
-
Keywords
image stitching
improved SIFT
unmanned aerial vehicle image
feature matching
image capture
iterative optimization
contrastive analysis
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391
[自动化与计算机技术—计算机应用技术]
-