Dec, 2018

遥感中多源和多时相数据融合

PDF
TL;DR本文总结了多个研究社区关于多源、多时间数据融合方法的进展，为不同层次（例如学生、研究人员和高级研究人员）的研究者提供了充足的细节和参考，以便于他们在这个具有挑战性的课题上进行新的调查。
multisource data fusionremotely sensed datatemporal informationinformation extraction algorithmsresearch communities
发现论文，激发创造
  • 多源数据增强的光谱图像数据融合

    通过使用插值技术，介绍了一种光谱图像数据融合的方法，以允许机器学习模型在更多数据源上进行训练和使用，从而提供更好的泛化能力。通过使用表面绘图和指标（如 CMSE 和 NDVI），评估了插值结果，并通过估计对语义分割等机器学习模型训练的影响进行间接评估。

    Apr, 2024

  • 遥感中的多模态物体检测

    本文比较了多模式遥感下物体检测的方法，调查了适合评估的多模式数据集并讨论了未来方向。

    Jul, 2023

  • 低质量数据的多模态融合：全面调查

    基于低质量数据的多模态融合面临四个主要挑战：噪声多模态数据，不完整多模态数据，不平衡多模态数据和质量变化多模态数据。本文通过全面的分类对多模态融合的常见挑战和最新进展进行调研，为研究人员提供了了解该领域现状和发现潜在研究方向的方法。此外，本文还讨论了该领域的开放问题以及有趣的未来研究方向。

    Apr, 2024

  • 遥感应用中深度多视角融合的常见实践和分类方法

    本研究旨在回顾地球观测的多视角融合模型的文献，并整合总结相关术语和方法，其中涉及了利用神经网络模型的有监督学习。通过该研究，希望此文献能够促进未来研究并推动该领域的统一进步。

    Dec, 2022

  • 遥感中的图像融合：概述与元分析

    影像融合在遥感中是一个重要需求，本研究通过简单分类法对相关作品进行综述，涵盖了各种类型的影像融合及其应用，同时提出了开放性研究方向和未来可能的工作。

    Jan, 2024

  • 考虑季节性光谱变异的高光谱和多光谱图像融合超分辨率

    本文介绍了一种新的 HS-MS 图像融合策略，该策略将不混合基础方法与典型光谱变异的显式参数模型相结合，模拟表明该策略在光谱变异下可以显著提高性能，并表现出最先进的性能。

    Aug, 2018

  • 高效远程感知数据多分辨率融合与标签不确定性

    多模式传感器数据融合的多元化、多传感器数据的多分辨率融合提出了新的方法，无需像素级训练标签，以解决标签不确定性融合慢的问题，其改进的方法在合并传感器数据源时有效且高效。

    Feb, 2024

  • Beyond RGB: 基于多模态深度网络的高分辨率城市遥感技术

    本文研究使用深度完全卷积网络来处理多模态多尺度遥感数据的语义标注，并采用有效的多尺度方法来提高语义标注的精度和深入研究数据的早期和后期融合方法，并在两个公共数据集上验证了我们的方法，表现出令人满意的结果。

    Nov, 2017

  • 深度多模态数据分析的调查：协作，竞争和融合

    本文综述多模型数据分析的现有状况和未来方向，着重介绍了基于深度神经网络的多特征融合方法，这些方法的关键组成部分是协作，对抗训练和特征融合。

    Jun, 2020

  • 商用遥感包中的图像融合技术

    本文提供了多传感器图像融合技术的最新状态，详细评估了商业遥感软件中单张图像或融合图像的质量，并介绍了用于图像融合和分类的程序（ALwassaiProcess）。

    Jul, 2013