首页期刊导航|航天返回与遥感
期刊信息/Journal information
航天返回与遥感
航天返回与遥感

刘兆军

双月刊

1009-8518

remotesensor2003@yahoo.com.cn

010-68378497

100190

北京市2747信箱35分箱

航天返回与遥感/Journal Spacecraft Recovery & Remote SensingCSCD北大核心CSTPCD
正式出版
收录年代

    基于多尺度注意力网络的SAR影像水体高精度自动检测

    梁秀娟肖红光陈立福范习谦...
    124-136页
    查看更多>>摘要：合成孔径雷达(Synthetic Aperture Radar，SAR)系统具有全天时全天候的成像特点，在水体检测中具有重要应用价值，但在提取多尺度水体信息时，仍存在细小支流水体特征提取困难的问题。文章提出了名为多尺度注意力水体分割网络(Multi-scale Attention LinkNet，MATLinkNet)。该网络主要分为编码器和解码器两部分。在编码器前的初始块阶段，采用多个小卷积替代传统的 7×7 卷积，可以提取到更加细腻的水体信息。随后，在编码阶段构建了注意力机制的多尺度金字塔(Attentional Multi-Scale Pyramid，AMSP)模块，加强对不同尺度水体特征的学习并关注水体的重要特征。最后，设计跳跃连接来链接编码器和解码器的特征，弥补编码阶段多次下采样造成的空间信息损失，在有效提高水体提取精度的同时减少了训练时间。在自制的"哨兵一号"SAR影像水体数据集上进行实验，独立测试结果表明，水体提取的精度和交并比最高值分别达到了 90。73%和 81。95%，比原始的LinkNet网络分别提高了 6。81和 5。27 个百分点，验证了该网络在SAR水体影像分割任务中的优异性能。

    水体提取语义分割合成孔径雷达注意力机制遥感应用

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于光谱斜率差异与机器学习的土地覆盖变化检测融合算法

    陆一闻毛立身谢一春周美玲...
    137-150页
    查看更多>>摘要：在遥感影像的土地覆盖变化检测方法研究中，基于指数的模型是常用的传统手段之一。然而，大多传统变化检测算法在面对复杂地形时的表现往往难以达到预期，特别是针对发生变化的区域，容易出现大量的漏检现象。为了更准确地应对这些复杂的地貌特征差异，获取高精度的土地覆盖检测结果，文章将传统指数模型与机器学习技术进行了有机融合，提出了一种光谱斜率差异信息与随机森林分类模型相结合的变化检测算法。改进后的光谱斜率差异(Modified Spectral Gradient Difference，MSGD)变化检测算法继承了光谱斜率差异(Spectral Gradient Difference，SGD)指数压缩噪声信息来避免伪变化的特性，通过树状模型的分支结构优化了光谱斜率差异变化信息的完整性，实现了变化强度和变化方向两种属性的描述。选取上海浦东作为研究区域开展了土地覆盖变化检测实验，结果显示，改进的MSGD方法总体精度为 96。13%、漏检率为 0。94%、Kappa系数为 0。65，与原SGD方法以及变化向量分析(Change Vector Analysis，CVA)等传统方法相比，MSGD方法的土地覆盖变化检测结果更加准确可靠，漏检率减少了 50%以上，Kappa系数提高了 25%以上。因此，MSGD变化检测结果更加准确，在特大城市城市化进程导致的土地覆盖变化检测方面具有广阔的应用潜力。

    变化检测融合算法光谱斜率机器学习遥感影像

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于MFF-DeeplabV3+的高分辨率遥感影像建筑提取方法

    刘思言王春月付璐李玲...
    151-162页
    查看更多>>摘要：为了实现高分辨率遥感影像的建筑物准确提取，在DeeplabV3+框架下提出了一种自动化提取方法。首先，选用带SE(Squeeze-and-Excitation)模块的SENet154 作为主干网络，以增强模型对图像特征信息的提取能力，影像经过SENet154 网络可以得到 6 个不同的特征图，再通过文章所提出的多特征融合网络(MFF)将其中 5 个低尺度的特征数据进行融合，这一过程可以充分利用不同尺度特征在局部细节和语义信息表征上的优势，做到高低尺度特征综合使用，提升模型的分割精度;然后将最高尺度、最高维度的特征图输入到ASPP模块中，利用空洞卷积扩大感受野，深度增强语义特征;最后，在Decoder部分将融合后的特征与ASPP模块得到的多尺度语义信息进行结合，得到建筑物的精细提取结果。该方法在公开的高分辨遥感建筑数据集上进行了SE模块效果提升试验、不同主干网络与多特征融合结合试验、多种常用方法对比试验，其准确率、召回率及F1-score指标均能达到 94%以上，平均交并比(IoU)指标接近 90%，建筑物提取的准确性和鲁棒性得到了明显提升，性能表现优异。

    遥感影像建筑提取注意力机制语义分割多特征融合

      原文链接:
    • NETL
    • NSTL
    • 万方数据