期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于增强图注意力网络的高光谱影像分类方法
被引量:
1
1
作者
马东岭
吴鼎辉
+2 位作者
陈家阁
姚国标
毛力波
《山东建筑大学学报》
2023年第2期97-104,共8页
高光谱遥感影像中隐含了不同地物的光谱特征,高光谱地物分类成为了遥感领域的一个研究热点。高光谱数据存在维度灾难以及训练样本标签过少等问题,进而影响了其分类精度。针对此问题,文章提出一种空-谱特征融合的增强图注意力网络高光谱...
高光谱遥感影像中隐含了不同地物的光谱特征,高光谱地物分类成为了遥感领域的一个研究热点。高光谱数据存在维度灾难以及训练样本标签过少等问题,进而影响了其分类精度。针对此问题,文章提出一种空-谱特征融合的增强图注意力网络高光谱影像分类方法,即从高光谱数据中获得初始的空-谱特征作为图的节点属性,并以节点的相邻关系构建图结构;将空-谱特征初步融合的高光谱图数据作为输入,并通过增强图注意力来提取节点的空-谱特征;以深度融合的空-谱特征来实现精准的高光谱地物分类。经在龙口和汉川数据集上的实验测试结果表明:这一方法能够有效提取深度融合的空-谱特征,总体分类精度分别达到99.62%和95.45%,实现了高光谱地物的精准分类。
展开更多
关键词
空-谱特征
增强图注意力
图卷积
高光谱分类
下载PDF
职称材料
舟曲泥石流源区土壤分散性高光谱探测模型
被引量:
1
2
作者
王钦军
魏永明
+2 位作者
陈玉
陈家阁
蔺启忠
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2016年第2期502-510,共9页
通过开展土壤分散性高光谱测量实验,首次明确了舟曲泥石流源区土壤分散性敏感波段位置、建立了土壤分散性高光谱探测模型、探讨了土壤分散性高光谱探测机理。结果表明,(1)傅里叶变换可以将光谱从时间域转换为频率域,实现对光谱信号与噪...
通过开展土壤分散性高光谱测量实验,首次明确了舟曲泥石流源区土壤分散性敏感波段位置、建立了土壤分散性高光谱探测模型、探讨了土壤分散性高光谱探测机理。结果表明,(1)傅里叶变换可以将光谱从时间域转换为频率域,实现对光谱信号与噪声的分离。通过开发矿物组分精细鉴别系统,实现了光谱去噪,为构建土壤分散性高光谱探测模型提供了高保真数据源;(2)基于多元线性回归分析法建立的土壤分散性高光谱探测模型在研究区具有较好的预测能力,所确定的敏感波段位置及其反射率与土壤分散性具有较高的相关性;(3)分析矿物光谱结果表明,土壤分散性高光谱探测的敏感波段位置实际上反映了土壤矿物组分及其所吸附的离子类型,揭示了导致土壤分散的深层原因:与舟曲泥石流源区土壤分散性关系最为密切的是钠离子,其次是方解石、蒙脱石和伊利石,与绿泥石、高岭石、pH值、石英、钾长石、斜长石等的相关性较弱。其原因主要是与钠离子所具有的离子价低、半径小、水化力强的特点,方解石所具有的水溶性特点,蒙脱石所具有的层间结合力极弱、易吸附钠离子的特点,伊利石在高PH值条件下所具有的强吸附阳离子、高土壤分散性的特性有关。
展开更多
关键词
舟曲
泥石流
分散性
高光谱
下载PDF
职称材料
基于多时序特征和卷积神经网络的农作物分类
被引量:
7
3
作者
屈炀
袁占良
+2 位作者
赵文智
陈学泓
陈家阁
《遥感技术与应用》
CSCD
北大核心
2021年第2期304-313,共10页
近年来,以卷积神经网络为主的深度学习模型在各种遥感应用中都显示出巨大的潜力。以加州帝国郡为研究区,以Landsat 8 OLI年内时序遥感影像计算时序植被指数NDVI、EVI、RVI以及TVI,组合后输入到构建的一维卷积神经网络模型,以实现作物的...
近年来,以卷积神经网络为主的深度学习模型在各种遥感应用中都显示出巨大的潜力。以加州帝国郡为研究区,以Landsat 8 OLI年内时序遥感影像计算时序植被指数NDVI、EVI、RVI以及TVI,组合后输入到构建的一维卷积神经网络模型,以实现作物的高精度精细分类。为了验证卷积模型的优越性,另搭建了基于递归神经网络及其变体的深度学习模型。结果表明:(1)引入其他时序特征后,能够有效地提高卷积神经网络的分类精度。NDVI+EVI+TVI+RVI组合特征总体精度和Kappa系数最高,分别是89.6674%和0.8560,对比NDVI时序特征总体精度和Kappa系数提高了近4%和0.6。(2)在与其他深度学习模型的对比中,一维卷积神经网络分类精度最高,能够从时序数据中较为准确捕捉作物时序特征信息,尽管递归神经网络被广泛应用于序列数据的研究,但分类结果要略差于卷积神经网络。实验表明在NDVI的基础上引入其他植被指数辅助,能够有效地提高分类精度。基于一维卷积神经网络的深度学习框架为长时间序列分类任务提供了一种有效且高效的方法。
展开更多
关键词
农作物分类
一维卷积神经网络
时间序列
植被指数
Landsat
8
OLI
原文传递
题名
基于增强图注意力网络的高光谱影像分类方法
被引量:
1
1
作者
马东岭
吴鼎辉
陈家阁
姚国标
毛力波
机构
山东建筑大学测绘地理信息学院
国家基础地理信息中心
出处
《山东建筑大学学报》
2023年第2期97-104,共8页
基金
国家自然科学基金项目(42171435)
山东省自然科学基金项目(ZR2020MD025,ZR2021MD006)。
文摘
高光谱遥感影像中隐含了不同地物的光谱特征,高光谱地物分类成为了遥感领域的一个研究热点。高光谱数据存在维度灾难以及训练样本标签过少等问题,进而影响了其分类精度。针对此问题,文章提出一种空-谱特征融合的增强图注意力网络高光谱影像分类方法,即从高光谱数据中获得初始的空-谱特征作为图的节点属性,并以节点的相邻关系构建图结构;将空-谱特征初步融合的高光谱图数据作为输入,并通过增强图注意力来提取节点的空-谱特征;以深度融合的空-谱特征来实现精准的高光谱地物分类。经在龙口和汉川数据集上的实验测试结果表明:这一方法能够有效提取深度融合的空-谱特征,总体分类精度分别达到99.62%和95.45%,实现了高光谱地物的精准分类。
关键词
空-谱特征
增强图注意力
图卷积
高光谱分类
Keywords
spatial-spectral features
enhanced graph attention
graph convolution
hyperspectral classification
分类号
P237 [天文地球—摄影测量与遥感]
下载PDF
职称材料
题名
舟曲泥石流源区土壤分散性高光谱探测模型
被引量:
1
2
作者
王钦军
魏永明
陈玉
陈家阁
蔺启忠
机构
中国科学院遥感与数字地球研究所
三亚中科遥感研究所
山东科技大学
出处
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2016年第2期502-510,共9页
基金
国家自然科学基金项目(41171280)
中国科学院“西部之光人才培养计划”(Y32301101B)
三亚市院地合作项目(sy14ys01132)资助
文摘
通过开展土壤分散性高光谱测量实验,首次明确了舟曲泥石流源区土壤分散性敏感波段位置、建立了土壤分散性高光谱探测模型、探讨了土壤分散性高光谱探测机理。结果表明,(1)傅里叶变换可以将光谱从时间域转换为频率域,实现对光谱信号与噪声的分离。通过开发矿物组分精细鉴别系统,实现了光谱去噪,为构建土壤分散性高光谱探测模型提供了高保真数据源;(2)基于多元线性回归分析法建立的土壤分散性高光谱探测模型在研究区具有较好的预测能力,所确定的敏感波段位置及其反射率与土壤分散性具有较高的相关性;(3)分析矿物光谱结果表明,土壤分散性高光谱探测的敏感波段位置实际上反映了土壤矿物组分及其所吸附的离子类型,揭示了导致土壤分散的深层原因:与舟曲泥石流源区土壤分散性关系最为密切的是钠离子,其次是方解石、蒙脱石和伊利石,与绿泥石、高岭石、pH值、石英、钾长石、斜长石等的相关性较弱。其原因主要是与钠离子所具有的离子价低、半径小、水化力强的特点,方解石所具有的水溶性特点,蒙脱石所具有的层间结合力极弱、易吸附钠离子的特点,伊利石在高PH值条件下所具有的强吸附阳离子、高土壤分散性的特性有关。
关键词
舟曲
泥石流
分散性
高光谱
Keywords
Zhouqu
Debris flow
Dispersion
Hyperspectral remote sensing
分类号
P585.1 [天文地球—岩石学]
下载PDF
职称材料
题名
基于多时序特征和卷积神经网络的农作物分类
被引量:
7
3
作者
屈炀
袁占良
赵文智
陈学泓
陈家阁
机构
河南理工大学测绘与国土信息工程学院
北京师范大学地理科学学部
国家基础地理信息中心
出处
《遥感技术与应用》
CSCD
北大核心
2021年第2期304-313,共10页
基金
国家自然科学基金项目(41572341)。
文摘
近年来,以卷积神经网络为主的深度学习模型在各种遥感应用中都显示出巨大的潜力。以加州帝国郡为研究区,以Landsat 8 OLI年内时序遥感影像计算时序植被指数NDVI、EVI、RVI以及TVI,组合后输入到构建的一维卷积神经网络模型,以实现作物的高精度精细分类。为了验证卷积模型的优越性,另搭建了基于递归神经网络及其变体的深度学习模型。结果表明:(1)引入其他时序特征后,能够有效地提高卷积神经网络的分类精度。NDVI+EVI+TVI+RVI组合特征总体精度和Kappa系数最高,分别是89.6674%和0.8560,对比NDVI时序特征总体精度和Kappa系数提高了近4%和0.6。(2)在与其他深度学习模型的对比中,一维卷积神经网络分类精度最高,能够从时序数据中较为准确捕捉作物时序特征信息,尽管递归神经网络被广泛应用于序列数据的研究,但分类结果要略差于卷积神经网络。实验表明在NDVI的基础上引入其他植被指数辅助,能够有效地提高分类精度。基于一维卷积神经网络的深度学习框架为长时间序列分类任务提供了一种有效且高效的方法。
关键词
农作物分类
一维卷积神经网络
时间序列
植被指数
Landsat
8
OLI
Keywords
Crop classification
CNN
Time series
Vegetation index
Landsat 8 OLI
分类号
TP79 [自动化与计算机技术—检测技术与自动化装置]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于增强图注意力网络的高光谱影像分类方法
马东岭
吴鼎辉
陈家阁
姚国标
毛力波
《山东建筑大学学报》
2023
1
下载PDF
职称材料
2
舟曲泥石流源区土壤分散性高光谱探测模型
王钦军
魏永明
陈玉
陈家阁
蔺启忠
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2016
1
下载PDF
职称材料
3
基于多时序特征和卷积神经网络的农作物分类
屈炀
袁占良
赵文智
陈学泓
陈家阁
《遥感技术与应用》
CSCD
北大核心
2021
7
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部