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
5
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
一种适合高光谱卫星云识别的Fmask改进算法
1
作者
张舒宁
张浩
+2 位作者
张兵
崔珍珍
肖晨超
《光学学报》
EI
CAS
CSCD
北大核心
2023年第24期333-344,共12页
近年来,我国卫星高光谱技术发展迅猛,高分五号、高分五号02星、资源一号02D星、资源一号02E星等相继发射为遥感领域带来了丰富的高光谱数据源。但高光谱卫星在成像过程中不可避免地会受到云及云阴影的影响,如何准确识别成为保障后续应...
近年来,我国卫星高光谱技术发展迅猛,高分五号、高分五号02星、资源一号02D星、资源一号02E星等相继发射为遥感领域带来了丰富的高光谱数据源。但高光谱卫星在成像过程中不可避免地会受到云及云阴影的影响,如何准确识别成为保障后续应用的关键,Fmask算法作为国内外诸多算法中的典型代表,已被Landsat和Sentinel业务化产品生产系统采用。Fmask算法作为国内外诸多算法中的典型代表,已被Landsat和Sentinel业务化产品生产系统采用。但该算法对于缺少热红外波段的数据精度偏低,例如对Sentinel-2数据的云和云阴影识别精度分别为84.5%和50%左右。鉴于此,本文通过在原有算法中优化云及云阴影识别算法结构、增加高亮地物识别辅助判据等改进手段,提出了一种适合高光谱卫星的Fmask改进算法,并在含有城区、山地、平原等三类不同下垫面场景的20景高分五号和资源一号高光谱影像中进行检验,结果表明:云识别的用户精度和生产者精度可达91.26%和99.97%,云阴影识别精度达到78.66%和79.41%,明显优于原始算法。本文算法对于高光谱数据的云及云阴影识别具有精度高、效果稳定和易于工程化实现的特点,可用于支撑国产高光谱卫星数据的业务化处理。
展开更多
关键词
高光谱遥感
云识别
云阴影识别
fmask
高分五号
资源一号
原文传递
面向多背景环境的Sentinel-2云检测
2
作者
伍炜超
叶发旺
《自然资源遥感》
CSCD
北大核心
2023年第3期124-133,共10页
在对遥感影像进行处理分析的过程中,云层覆盖往往会对遥感信息的提取造成阻碍。然而,地表背景环境复杂多变,由于不能有效提取云目标和背景环境间的特征差异,现有方法虽然在大多数背景环境下具有较好的云检测效果,但在某些环境下则存在...
在对遥感影像进行处理分析的过程中,云层覆盖往往会对遥感信息的提取造成阻碍。然而,地表背景环境复杂多变,由于不能有效提取云目标和背景环境间的特征差异,现有方法虽然在大多数背景环境下具有较好的云检测效果,但在某些环境下则存在明显的误分漏分,不能保持原有的检测效果,表现出稳定性差、泛化能力不足的特点。对此,该文提出了一种适用于多背景环境的云检测方法,首先基于Sentinel-2A数据,对云目标与背景环境的光谱特征差异进行分析以辅助检测样本选择,并在此基础上加入薄云最优变换(Haze optimized transformation,HOT)和云位移指数(cloud displacement index,CDI)等更有效的检测指标;最后训练得到基于随机森林的云检测模型,从背景环境和云目标种类对检测精度的影响出发,在不同背景环境的影像上与Fmask算法进行对比。结果表明,相对Fmask算法,该文方法的总体精度和F1分数分别提高了2.2%和2.9%,总体精度和F1分数的标准差分别降低了29.6%和72.5%,说明该方法在保持高检测精度的同时,显著提升了不同环境下云检测的稳定性,能够有效应用于多背景环境下的云检测。
展开更多
关键词
Sentinel-2
云检测
随机森林
fmask
HOT
CDI
多背景环境
下载PDF
职称材料
基于深度卷积神经网络的云检测方法
被引量:
3
3
作者
段雅鸣
张锦水
朱爽
《测绘通报》
CSCD
北大核心
2021年第4期33-39,共7页
本文将Fmask云检测结果作为标记样本对深度卷积神经网络进行训练以实现云检测。在仅利用可见光波段和近红外波段的前提下,本文方法的云检测总体精度达到87.65%,高于Fmask的86.92%,而且单景Landsat 8影像的识别用时18 s,远低于Fmask的72...
本文将Fmask云检测结果作为标记样本对深度卷积神经网络进行训练以实现云检测。在仅利用可见光波段和近红外波段的前提下,本文方法的云检测总体精度达到87.65%,高于Fmask的86.92%,而且单景Landsat 8影像的识别用时18 s,远低于Fmask的72 s,具有更高的精度和效率。另外,该方法适用于不同的地表土地覆盖类型,具有很强的泛化能力,是一个通用性强的算法,为进一步的遥感应用打下基础。
展开更多
关键词
云检测
深度卷积神经网络
fmask
Landsat
8
强泛化能力
下载PDF
职称材料
采用主成分分析的改进云检测算法
被引量:
5
4
作者
蒋嫚嫚
邵振峰
《测绘科学》
CSCD
北大核心
2015年第2期150-154,共5页
针对Fmask云检测算法难以区分Landsat遥感影像上云和冰这一技术难题,该文提出一种基于主成分分析的改进Fmask云检测算法。首先对Fmask中归一化植被指数和归一化雪指数固定阈值进行自适应阈值改进,并对影像进行主成分变换,然后对主成分...
针对Fmask云检测算法难以区分Landsat遥感影像上云和冰这一技术难题,该文提出一种基于主成分分析的改进Fmask云检测算法。首先对Fmask中归一化植被指数和归一化雪指数固定阈值进行自适应阈值改进,并对影像进行主成分变换,然后对主成分分析变换后的组合波段进行改进的Fmask云检测,最后进行算法对比分析。以北极地区的TM影像进行实验,结果表明,对同时覆盖冰层和云层的Landsat遥感影像,该文提出的算法能够提高云检测精度。
展开更多
关键词
云检测
fmask
主成分分析
TM影像
原文传递
耦合SVM和Cloud-Score算法的Sentinel-2影像云检测模型研究
被引量:
1
5
作者
李健锋
刘思琪
+2 位作者
李劲彬
彭飚
叶虎平
《遥感技术与应用》
CSCD
北大核心
2022年第3期713-720,共8页
云覆盖阻碍了光学遥感卫星对地观测的有效范围,快速、准确的云检测是遥感应用产品生成过程中的重要一步。针对Google Earth Engine云平台中缺乏适用且高质量的云检测模型,以热带多云的斯里兰卡为研究区,构建了耦合SVM和Cloud-Score算法...
云覆盖阻碍了光学遥感卫星对地观测的有效范围,快速、准确的云检测是遥感应用产品生成过程中的重要一步。针对Google Earth Engine云平台中缺乏适用且高质量的云检测模型,以热带多云的斯里兰卡为研究区,构建了耦合SVM和Cloud-Score算法的Sentinel-2影像云检测模型,通过实验从目视判读与定量分析两个角度对比了其与QA60法、Cloud-Score算法以及Fmask的云检测精度,并在海南岛和亚马逊森林两个地区进行了云检测测试。研究结果表明:Fmask模型的云检测性能最低,总体精度仅为63.45%,存在严重的水体误分为云的现象,但其漏提率极低;QA60法对卷云识别不足,漏提率较高,同时存在一定的误分现象,并且低空间分辨率影响了云体边界提取结果的细节性;Cloud-Score算法的云检测性能明显好于QA60法,总体精度达到了89.83%,误提率仅为2.17%,但仍存在部分卷云漏提的现象;相比于其他3种云检测方法,本文提出的云检测模型总体精度最高,达到了98.21%,并且拥有极低的漏提率和误提率,能比较精准地识别出云体的边界,可满足Sentinel-2遥感产品的云检测预处理需求。
展开更多
关键词
云检测
SVM
Cloud-Score算法
Sentinel-2
fmask
原文传递
题名
一种适合高光谱卫星云识别的Fmask改进算法
1
作者
张舒宁
张浩
张兵
崔珍珍
肖晨超
机构
中国科学院空天信息创新研究院数字地球重点实验室
可持续发展大数据国际研究中心
中国科学院大学资源与环境学院
中国科学院空天信息创新研究院航空遥感中心
河南理工大学测绘与国土信息工程学院
自然资源部国土卫星遥感应用中心
出处
《光学学报》
EI
CAS
CSCD
北大核心
2023年第24期333-344,共12页
基金
国家自然科学基金(41771397)
海南省重大科技计划项目(ZDKJ2019006)。
文摘
近年来,我国卫星高光谱技术发展迅猛,高分五号、高分五号02星、资源一号02D星、资源一号02E星等相继发射为遥感领域带来了丰富的高光谱数据源。但高光谱卫星在成像过程中不可避免地会受到云及云阴影的影响,如何准确识别成为保障后续应用的关键,Fmask算法作为国内外诸多算法中的典型代表,已被Landsat和Sentinel业务化产品生产系统采用。Fmask算法作为国内外诸多算法中的典型代表,已被Landsat和Sentinel业务化产品生产系统采用。但该算法对于缺少热红外波段的数据精度偏低,例如对Sentinel-2数据的云和云阴影识别精度分别为84.5%和50%左右。鉴于此,本文通过在原有算法中优化云及云阴影识别算法结构、增加高亮地物识别辅助判据等改进手段,提出了一种适合高光谱卫星的Fmask改进算法,并在含有城区、山地、平原等三类不同下垫面场景的20景高分五号和资源一号高光谱影像中进行检验,结果表明:云识别的用户精度和生产者精度可达91.26%和99.97%,云阴影识别精度达到78.66%和79.41%,明显优于原始算法。本文算法对于高光谱数据的云及云阴影识别具有精度高、效果稳定和易于工程化实现的特点,可用于支撑国产高光谱卫星数据的业务化处理。
关键词
高光谱遥感
云识别
云阴影识别
fmask
高分五号
资源一号
Keywords
hyperspectral remote sensing
cloud detection
cloud shadow detection
fmask
GF-5
ZY-102D
分类号
TP751.2 [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
面向多背景环境的Sentinel-2云检测
2
作者
伍炜超
叶发旺
机构
核工业北京地质研究院遥感信息与图像分析技术国家级重点实验室
出处
《自然资源遥感》
CSCD
北大核心
2023年第3期124-133,共10页
基金
国防科工局项目“基于航空高光谱和伽马能谱的铀矿勘查技术研究”(编号:[科工二司]2021(88号))资助。
文摘
在对遥感影像进行处理分析的过程中,云层覆盖往往会对遥感信息的提取造成阻碍。然而,地表背景环境复杂多变,由于不能有效提取云目标和背景环境间的特征差异,现有方法虽然在大多数背景环境下具有较好的云检测效果,但在某些环境下则存在明显的误分漏分,不能保持原有的检测效果,表现出稳定性差、泛化能力不足的特点。对此,该文提出了一种适用于多背景环境的云检测方法,首先基于Sentinel-2A数据,对云目标与背景环境的光谱特征差异进行分析以辅助检测样本选择,并在此基础上加入薄云最优变换(Haze optimized transformation,HOT)和云位移指数(cloud displacement index,CDI)等更有效的检测指标;最后训练得到基于随机森林的云检测模型,从背景环境和云目标种类对检测精度的影响出发,在不同背景环境的影像上与Fmask算法进行对比。结果表明,相对Fmask算法,该文方法的总体精度和F1分数分别提高了2.2%和2.9%,总体精度和F1分数的标准差分别降低了29.6%和72.5%,说明该方法在保持高检测精度的同时,显著提升了不同环境下云检测的稳定性,能够有效应用于多背景环境下的云检测。
关键词
Sentinel-2
云检测
随机森林
fmask
HOT
CDI
多背景环境
Keywords
Sentinel-2
cloud detection
random forest
fmask
HOT
CDI
multi-background environment
分类号
TP79 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于深度卷积神经网络的云检测方法
被引量:
3
3
作者
段雅鸣
张锦水
朱爽
机构
北京师范大学地理科学学部遥感科学国家重点实验室
北京师范大学地理科学学部北京市陆表遥感数据产品工程技术研究中心
北京工业职业技术学院
出处
《测绘通报》
CSCD
北大核心
2021年第4期33-39,共7页
基金
高分辨率对地观测系统重大专项(民用部分)(20-Y30F10-9001-20/22)。
文摘
本文将Fmask云检测结果作为标记样本对深度卷积神经网络进行训练以实现云检测。在仅利用可见光波段和近红外波段的前提下,本文方法的云检测总体精度达到87.65%,高于Fmask的86.92%,而且单景Landsat 8影像的识别用时18 s,远低于Fmask的72 s,具有更高的精度和效率。另外,该方法适用于不同的地表土地覆盖类型,具有很强的泛化能力,是一个通用性强的算法,为进一步的遥感应用打下基础。
关键词
云检测
深度卷积神经网络
fmask
Landsat
8
强泛化能力
Keywords
cloud detection
deep convolutional neural network
fmask
Landsat 8
strong generalization ability
分类号
P237 [天文地球—摄影测量与遥感]
下载PDF
职称材料
题名
采用主成分分析的改进云检测算法
被引量:
5
4
作者
蒋嫚嫚
邵振峰
机构
武汉大学测绘遥感信息工程国家重点实验室
出处
《测绘科学》
CSCD
北大核心
2015年第2期150-154,共5页
基金
国家973计划项目(2010CB731801)
国家自然科学基金项目(61172174)
+3 种基金
国家重大设备专项支持项目(2012YQ16018505)
科技支撑计划项目(2013BAH42F03)
深圳市科技研发资金项目(JCYJ20120618162928009)
省部产学研结合项目(2012B090500016)
文摘
针对Fmask云检测算法难以区分Landsat遥感影像上云和冰这一技术难题,该文提出一种基于主成分分析的改进Fmask云检测算法。首先对Fmask中归一化植被指数和归一化雪指数固定阈值进行自适应阈值改进,并对影像进行主成分变换,然后对主成分分析变换后的组合波段进行改进的Fmask云检测,最后进行算法对比分析。以北极地区的TM影像进行实验,结果表明,对同时覆盖冰层和云层的Landsat遥感影像,该文提出的算法能够提高云检测精度。
关键词
云检测
fmask
主成分分析
TM影像
Keywords
cloud detection
fmask
Principal Component Analysis
TM image
分类号
P237.9 [天文地球—摄影测量与遥感]
原文传递
题名
耦合SVM和Cloud-Score算法的Sentinel-2影像云检测模型研究
被引量:
1
5
作者
李健锋
刘思琪
李劲彬
彭飚
叶虎平
机构
陕西地建土地工程技术研究院有限责任公司
中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室
陕西省土地工程建设集团有限责任公司
自然资源部退化及未利用土地整治工程重点实验室
陕西省土地整治工程技术研究中心
出处
《遥感技术与应用》
CSCD
北大核心
2022年第3期713-720,共8页
基金
国家重点研发项目(2019YFE0126500)
高分辨率对地观测系统国家重大专项(21-Y20B01-9001-19/22)
+2 种基金
陕西地建—西安交大土地工程与人居环境技术创新中心开放基金资助项目(2021WHZ0090)
陕西省土地工程建设集团内部科研项目(DJNY 2022-29、DJTD2022-4)
中央高校基本科研业务费资助项目(300102352502)。
文摘
云覆盖阻碍了光学遥感卫星对地观测的有效范围,快速、准确的云检测是遥感应用产品生成过程中的重要一步。针对Google Earth Engine云平台中缺乏适用且高质量的云检测模型,以热带多云的斯里兰卡为研究区,构建了耦合SVM和Cloud-Score算法的Sentinel-2影像云检测模型,通过实验从目视判读与定量分析两个角度对比了其与QA60法、Cloud-Score算法以及Fmask的云检测精度,并在海南岛和亚马逊森林两个地区进行了云检测测试。研究结果表明:Fmask模型的云检测性能最低,总体精度仅为63.45%,存在严重的水体误分为云的现象,但其漏提率极低;QA60法对卷云识别不足,漏提率较高,同时存在一定的误分现象,并且低空间分辨率影响了云体边界提取结果的细节性;Cloud-Score算法的云检测性能明显好于QA60法,总体精度达到了89.83%,误提率仅为2.17%,但仍存在部分卷云漏提的现象;相比于其他3种云检测方法,本文提出的云检测模型总体精度最高,达到了98.21%,并且拥有极低的漏提率和误提率,能比较精准地识别出云体的边界,可满足Sentinel-2遥感产品的云检测预处理需求。
关键词
云检测
SVM
Cloud-Score算法
Sentinel-2
fmask
Keywords
Cloud detection
SVM
Cloud-Score algorithm
Sentinel-2
fmask
分类号
P407 [天文地球—大气科学及气象学]
TP751 [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
一种适合高光谱卫星云识别的Fmask改进算法
张舒宁
张浩
张兵
崔珍珍
肖晨超
《光学学报》
EI
CAS
CSCD
北大核心
2023
0
原文传递
2
面向多背景环境的Sentinel-2云检测
伍炜超
叶发旺
《自然资源遥感》
CSCD
北大核心
2023
0
下载PDF
职称材料
3
基于深度卷积神经网络的云检测方法
段雅鸣
张锦水
朱爽
《测绘通报》
CSCD
北大核心
2021
3
下载PDF
职称材料
4
采用主成分分析的改进云检测算法
蒋嫚嫚
邵振峰
《测绘科学》
CSCD
北大核心
2015
5
原文传递
5
耦合SVM和Cloud-Score算法的Sentinel-2影像云检测模型研究
李健锋
刘思琪
李劲彬
彭飚
叶虎平
《遥感技术与应用》
CSCD
北大核心
2022
1
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