基于SAR遥感影像的水体提取研究

使用基于Swin Transformer的深度学习模型,成功应用于Sentinel-1合成孔径雷达(Synthetic Aperture Radar,SAR)遥感图像水体提取任务。通过MSTAR数据集进行预训练和迁移学习,模型在遵义地区的实验中表现出显著的准确性和效率。采用图像预处理和Swin Transformer的窗口注意力机制,成功提高了水体提取性能。实验结果显示,该模型在提取水体矢量信息方面取得了显著成果,为遥感图像处理和水体提取领域的进一步研究提供了有力支持。

基于GAN网络的遥感图像去云研究

主要研究了遥感图像应用中的重要问题,特别是云遮挡可能导致数据准确性下降的情况。为了克服这一问题,采用了组卷积、多头自注意力机制和生成对抗网络,构建了一种端到端的遥感图像去云网络。通过在RICE数据集上的实验证明,研究的方法在解决云层遮挡问题方面表现显著,成功生成了清晰且无云的遥感图像。总体而言,为水利工程和遥感图像处理领域提供了一种高效的解决方案,尤其在空间信息利用、计算和参数优化方面具备明显优势。