Jul, 2023

通过层次计算中值高程区域生成高空间分辨率陆地表面

PDF
TL;DR用简单而有效的形态学方法将稀疏的数字高程模型（DEM）转换为密集的数字高程模型，通过生成中位数等高线来实现，该方法考虑了现有等高线的几何信息，并在拓扑表面的新空间区域内插值高程等高线，直到不再需要生成任何等高线。
发现论文，激发创造
  • 基于认知映射和上下文金字塔的数字高程模型配准及其应用分形压缩有效储存

    本文通过认知映射概念为 DEM 注册提供了一种新的方法，包括地标知识和布局知识，并引入分形压缩来存储共同登记的 DEM。结果表明，使用该方法可以有效地进行 DEM 注册。

    May, 2014

  • 多模态深度学习基于 GEDI 与地球观测数据融合的森林主要高度绘制

    我们提出了一种名为多模态注意远程传感网络（MARSNet）的新型深度学习框架，通过将 GEDI、Sentinel-1、ALOS-2 PALSAR-2、Sentinel-2 和辅助数据进行融合，从而估计森林优势高度，提高了高分辨率优势高度的准确性。

    Nov, 2023

  • SIRAN: 使用 Sinkhorn 距离正则化的对抗网络进行 DEM 超分辨率重建与区域鉴别性空间自注意力

    利用拟对抗学习通过多光谱卫星影像生成高分辨率数字高程模型，在稳定性方面提出了一种优化 Sinkhorn 距离的目标函数，并通过 DEM 数据集实验证明了该模型优于其他基于学习的方法。

    Nov, 2023

  • 用于高分辨率卫星图像的光度多视图网格细化

    该篇论文介绍了一种通过多视角卫星图像获取完整三维表面网格的方法，并通过优化表面与梯度下降算法对数字高程模型进行完善，同时展示了该方法通过卫星数据可用于立面结构等的三维几何重建。

    May, 2020

  • 利用极端梯度提升、土地覆盖和地形参数进行城市区域数字高程模型修正

    通过使用极值梯度提升（XGBoost）集成算法提高数字高程模型（DEMs）的准确性，用于改善城市地貌的水文模拟。

    Aug, 2023

  • 一种基于高程数据的对比方法，用于稀缺和高级语义标签的遥感分类

    该研究提出一种混合无监督 / 监督学习方法，结合反差预训练模型和预测粗略海拔图像的预文本任务，以处理只有少量标签的地球观测下游任务，并评估其在分割和图像分类任务中的实验结果。

    Apr, 2023

  • 条件性扩散概率模型下的单视图高度估计

    该研究利用条件去噪扩散概率模型（DDPM）通过训练产生高分辨率的三维表面来进行单幅遥感图像的高度估计。实验结果表明该方法在 Vaihingen 基准数据集上有很好的效果。

    Apr, 2023

  • DeepMerge: 基于深度学习的图像分割区域合并

    本文提出了一个基于深度学习的区域合并方法 - DeepMerge 来处理大面积 VHR 图像的分割，该方法通过集成 Transformer, 多级嵌入模块，基于分割的特征嵌入模块和区域邻接图模型处理问题，并使用改进的二叉树采样方法生成深度合并模型的多级输入。从实验结果表明，所提出的 DeepMerge 具有最高的 F 值（0.9446）和最低的 TE（0.0962）和 ED2（0.8989），能够正确地分割不同大小的对象，并且优于所有选择的分割方法从定量和定性评估方面来表现。

    May, 2023

  • 高分辨率多视角卫星图像自动 3D 恢复

    本文提出了一种处理多视图卫星图像生成 3D 数字表面模型的自动化流程，其中包括自动地地理参考和基于匹配生成高质量密集点云。通过学习样本 LiDAR 数据的关键配置，我们根据结果的接近程度对图像对进行排名，并使用自适应 3D 中值滤波器融合多个深度图。我们证明了提出的自适应中值滤波器通常比普通中值滤波器产生更好的结果，在最佳情况下达到了 0.36 米 RMSE 的精度提高。结果和分析被详细介绍。

    May, 2019

  • 从图像到地形可视化的自适应颜色转移

    本文提出了一种将图像颜色转换到地形模型中的方法，通过离散不规则颜色的连续规律处理、定量化了颜色的相似性与美学质量，接着将图像至地形颜色转换提出为双目标优化问题，最终证明了这种方法可以更好地实现情感传递。

    May, 2022