-
题名高光谱地物要素识别潜力分析与前景展望
被引量:1
- 1
-
-
作者
余旭初
刘冰
薛志祥
-
机构
信息工程大学
-
出处
《测绘学报》
EI
CSCD
北大核心
2023年第7期1115-1125,共11页
-
基金
河南省自然科学基金(222300420387)。
-
文摘
近年来,人工智能方法在高光谱遥感领域得到了广泛应用,特别是基于深度学习的影像分析和信息提取技术已成为持久的热点,有力地推动了地物光谱探测的精细化和智能化水平。本文在分析地物要素光谱探测潜力与需求的基础上,系统地介绍和总结了高光谱影像分析方面的进展,针对高光谱地物探测的智能化问题,重点讨论了近年来深度学习的新思路。首先,结合地形要素分类体系和高光谱探测能力,将高光谱地物要素划分为植被、土质、水域和人工建筑物4大类及若干子类,并分析4种地物要素的光谱响应特性和高光谱地物探测的优势。然后,在影像分析方面,重点梳理了波段选择、特征提取、模式分类和分类后处理等影像分析技术的研究进展,给出研究方向和热点;在智能化处理部分,按照监督学习、半监督学习及自监督学习的思路,系统总结了当前应用于高光谱地物探测的深层神经网络模型,同时分析了迁移学习、元学习等机器学习策略的研究情况。最后,结合上述分析,对高光谱影像地物探测的发展趋势加以展望,以期拓展下一步的研究思路。
-
关键词
高光谱地物探测
高光谱影像分析
深度学习
半监督学习
自监督学习
元学习
迁移学习
-
Keywords
hyperspectral ground object recognition
hyperspectral image analysis
deep learning
semi-supervised learning
self-supervised learning
meta learning
transfer learning
-
分类号
P237
[天文地球—摄影测量与遥感]
-