Nov, 2022

多传感器多尺度卫星土壤湿度检测的基于区间的融合

PDF
TL;DR本研究提出了一个基于图像段的融合框架，通过整合 Sentinel-1/2 和 SMAP 数据，评估准备多尺度土壤湿度图的可能性，并证实与基于像素的融合方法相比，该方法能够将土壤湿度估计改进高达 20%。
发现论文，激发创造
  • 单一与综合多光谱航空影像的融合

    使用混合架构，通过从合成孔径感测得到的整体空中图像和传统空中图像提取最重要的特征，以消除由于茂密植被引起的遮挡。该方法结合了环境的空间参考和无遮挡目标的特征，不需要手动调整参数，可以扩展到任意数量和组合的光谱通道，可根据不同用例进行重新配置，超越了现有技术。

    Nov, 2023

  • 农业中的多光谱图像分割：融合方法的综合研究

    本研究针对农业应用中的图像分割问题，通过结合 RGB 和 NDVI 作为输入，比较了不同的融合方法在作物行检测中的效果，研究发现，传统的边缘检测和阈值法等经典分割方法在需要精确的前景 - 背景分离任务中具有竞争力，融合策略中的后期融合表现为最有效的方法，在不同的分割场景中展现出卓越的适应性和效果。

    Jul, 2023

  • 基于实证方法的点尺度土壤湿度测量的空间模拟和卫星反演评估

    基于融合时空信息与机器学习的方法，将点尺度的土壤湿度（SM）测量从 28 个点位上采样到 100 米的分辨率，实现了较为公平和统计学上更可靠的比较评估，并在交叉验证的基础上验证了该方法对未覆盖点位的区域的湿度空间变化的映射能力。

    Apr, 2024

  • 遥感中多源和多时相数据融合

    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。

    Dec, 2018

  • 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

  • 感知感知多传感器融合用于 3D LiDAR 语义分割

    本文章提出了一种基于感知信息的多传感器融合策略（PMF），用于自动驾驶等应用中的 3D LiDAR 语义分割，通过两个模态的外观和空间深度信息进行感知信息融合并且提出了感知相关的损失函数用于衡量两种模式之间的差异性，实验结果证明了该方法的优越性。

    Jun, 2021

  • 利用软计算方法进行多光谱卫星数据分类

    该研究提出了基于格子密度的聚类技术和规则归纳机器学习算法，应用于卫星图像的目标识别和分类，经过多个合成和基准数据集验证。

    Mar, 2022

  • 部分失效光学模态的多时相城市制图的多模态深度学习

    该研究提出了一种基于多模态卫星数据的新型多时相城市制图方法，其中考虑到了部分缺失的光学模态，所提出的模型采用了两个网络来分别提取每个模态的特征，并利用重建网络根据 SAR 数据近似光学特征并保持其数据的有效性。结果表明该方法在使用 SAR 数据以补充缺失光学数据方面的实用性较强，可有效开发和利用多模态数据。

    Jun, 2023

  • SpaceNet 6：多传感器全天候制图数据集

    本文提出了一个开放的多模式全天候映射数据集和挑战，包括光学和 SAR 数据，以及建筑物足迹标注，用于探索 SAR 数据在灾害响应和建筑物足迹提取方面的应用效果，发现使用光学预处理的 SAR 数据在建筑物足迹提取中取得了更好的效果。

    Apr, 2020

  • 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