首页期刊导航|遥感学报
期刊信息/Journal information
遥感学报
遥感学报

顾行发

双月刊

1007-4619

jrs@irsa.ac.cn

010-64806643

100101

北京市安外大屯路中国科学院遥感应用研究所

遥感学报/Journal Journal of Remote SensingCSCD北大核心CSTPCDEI
查看更多>>本刊为专业性学术刊物。反映遥感领域的科研与技术应用成果。包括航天航空、农业、林业、资源开发、环境监测和保护、区域和工程地质勘探和评价、找矿、灾害监测和评估等领域的应用，以及地理信息系统、遥感、GIS及空间定位系统的综合应用等方面。读者对象为遥感及相关学科的科研人员及高等院校师生。
正式出版
收录年代

    地学知识图谱引导的遥感影像语义分割

    李彦胜武康欧阳松杨坤...
    455-469页
    查看更多>>摘要：尽管深度语义分割网络有效提升了遥感影像语义分割性能,但其效果远未达到人类领域专家的目视解译水平.原因是人类视觉系统在进行遥感影像解译时,往往会综合运用视觉特征、语义信息和先验知识.然而,深度语义分割网络本质上是数据驱动的面向像素级损失反向优化的分类方法.这种基于像素级优化的深度语义分割网络,一方面受限于像素空间尺度,缺乏整体性目标线索挖掘;另一方面难以跨越结构化数据和非结构化知识之间的鸿沟,无法充分利用地学先验知识和空间语义信息.针对以上两方面的问题,本文提出了地学知识图谱引导的遥感影像深度语义分割方法,运用从地学知识图谱中抽取的地物目标语义信息和地学先验知识构建实体级连通约束和实体间共生约束,引导深度语义分割网络训练.其中,实体级连通约束以连通域实体而非像素单元计算损失,得到实体级别的特征表示,使得分割结果更具整体性,边界模糊和随机噪声现象得到抑制.实体间共生约束将共生条件概率量化的空间共生知识嵌入到数据驱动的深度语义分割网络中,实现空间语义信息和地学先验知识对实体空间分布的约束引导和自动优化.验证结果表明,在实体级连通约束和实体间共生约束的引导下,深度语义分割网络可以完成对实体级特征的学习并根据空间共生知识自动优化地物实体的空间分布,有效改善了遥感影像语义分割性能.

    地学知识图谱深度语义分割网络实体级连通约束空间共生知识约束地学知识嵌入优化

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

    生成式知识迁移的SAR舰船检测

    娄欣王晗卢昊张文驰...
    470-480页
    查看更多>>摘要：为解决基于深度卷积神经网络进行SAR舰船检测网络训练过程中数据获取、数据标注等问题,本文提出一种生成式知识迁移的SAR舰船检测框架,该框架由生成式知识迁移网络和舰船检测网络两部分组成.通过知识迁移网络生成与有标注的光学遥感图像空间分布一致且包含SAR图像特征的带标注模拟图像;使用所生成的带标注模拟图像,进一步优化舰船检测网络,以提高基于深度卷积神经网络的舰船检测的泛化性能.SAR-Ship-Detection-Datasets(SSDD)和AIR-SARShip-1.0两个公开数据集上的实验结果表明,该框架有效提高了在仅包含少量标注SAR图像样本情况下的舰船目标检测效果,可显著降低舰船在复杂背景图像中漏检和误检的概率.

    SAR目标检测深度学习图像生成迁移学习

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

    基于双模态高效特征学习的高分辨率遥感图像分割

    张银胜吉茹童俊毅杨宇龙...
    481-493页
    查看更多>>摘要：遥感图像因具有丰富的语义信息和空间信息,增加了语义分割的难度.然而已有提取双模态特征的分割方法采用相同的主干网络,没有考虑互补特征的差异,存在特征提取、特征融合和上采样恢复细节信息不足等问题,无法准确高效的学习高分辨率遥感图像信息.因此,本文提出基于双模态高效特征学习的高分辨率遥感图像分割算法.首先,针对不同模态的遥感图像设计合适的编码器,高效的提取双模态特征,并通过交互加强模块减少不同路径特征之间的差异.其次,提出双模态特征聚合模块和深层特征提取模块进一步融合和提取双模态特征,使网络能够充分学习互补信息.最后,提出多层特征上采样模块,利用语义信息丰富的高层特征对细节信息丰富的低层特征进行加权操作,逐步上采样实现特征高效恢复,提升分割性能.实验结果表明,所提算法在ISPRS Potsdam和Vaihingen数据集上的总体精度分别达到了 94.52％、90.45％,能够高效的提取并融合高分辨率遥感图像的双模态特征,提高遥感图像分割的准确率.

    遥感图像分割高效特征提取交互融合双模态特征聚合深层特征提取多层特征上采样

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

    联合超像素降维和后处理优化的高光谱图像分类方法

    黄媛贺新光万义良
    494-510页
    查看更多>>摘要：针对高光谱图像样本标签量少且空间-光谱信息利用不充分而导致图像分类精度较低的问题,本文提出一种联合超像素降维和后验概率优化的高光谱图像分类方法.该方法首先基于高光谱图像的空间-光谱信息为每个样本构建局部邻域集合,并从局部邻域集合中提取超像素稀疏混合特征来充分表征图像的空谱信息和相关变化信息,然后将全局稀疏混合特征输入支持向量机分类器中生成像素的类别概率向量,最后采用后验概率模型优化类别概率向量,并依据概率最大值得到分类标签图.在3组常用的小规模数据集Indian Pines、Pavia University和Salinas以及一组大规模数据集HoustonU上的实验结果表明:本研究所提出的分类方法能够自适应地充分提取高光谱图像的高判别性特征信息,且在少量样本标签情形下,该方法在这4组实验数据集上分别获得了 98.58％、96.88％、98.54％和91.01％的总体分类精度,优于文中对比的7种先进分类方法.

    遥感高光谱图像分类超像素降维混合特征提取后处理优化支持向量机

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

    具有分类器机制的高光谱图像特征提取方法

    邢长达汪美玲徐雍倡王志胜...
    511-527页
    查看更多>>摘要：高光谱图像分类是图像解译任务的重要技术之一,已经在遥感观测、智慧医疗等诸多领域得到广泛的应用.本质上,高光谱图像分类由特征提取与基于分类器的标签预测这两阶段操作组成.现有分类方法在特征提取时,大多不考虑分类器的影响,会导致提取的特征与所用分类器之间的兼容性较差,难免出现预测结果差的情况.针对此问题,本文提出具有分类器机制的高光谱图像特征提取方法,保证特征提取与分类器之间的兼容性,使特征能更易于被分类器准确计算,改善分类预测结果.本文给出了两种具有分类器机制的高光谱图像特征提取模型的形式:(1)以稀疏表示和支持向量机为例,将支持向量机特性集成到稀疏表示形式中,建立了能够与支持向量机分类器相兼容的SRS特征提取模型;(2)以深度自编码网络与softmax函数为例,将softmax分类器特性嵌入到深度自编码网络中,构建能与softmax分类器相兼容的DAES特征提取模型.为获得SRS和DAES模型的解,本文还给出了对应的求解策略与优化过程.在遥感高光谱图像和医学高光谱图像数据上开展实验验证,结果表明,本文SRS和DAES算法具有明显的有效性和优越性,在高光谱图像分类指标OA(Overall Accuracy)、AA(Average Accuracy)、Kappa上分别提升约5.03％、5.13％、7.30％.

    高光谱图像分类特征提取分类器机制稀疏表示深度自编码网络

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

    投稿指南

    528页
      原文链接:
    • NETL
    • NSTL
    • 万方数据

    信息动态

    封2,前插1页
      原文链接:
    • NETL
    • NSTL
    • 万方数据