-
公开(公告)号：CN111797920B
公开(公告)日：2022-08-30
申请号：CN202010619048.6
申请日：2020-06-30
Applicant: 武汉大学
Abstract: 一种门控特征融合的深度网络不透水面遥感提取方法及系统，包括获取目标区域的高分辨率遥感影像，统计训练影像各个波段均值和标准差，进行归一化和分块，构建训练样本影像；构建基于门控特征融合的卷积神经网络，提取训练影像特征，卷积神经网络由残差网络、门控特征融合模块和解码模块构成，门控特征融合模块将低层特征的空间细节信息与高层特征的语义信息通过门控机制进行融合；设不同标签分别代表不透水面、非不透水面和水体，通过交叉熵损失函数进行更新训练；利用训练结果，使用基于门控特征融合的卷积神经网络实现不透水面提取。本发明能够对遥感影像中不透水面进行精确地自动化提取，满足城市内涝分析等应用需求。
-
公开(公告)号：CN111986099B
公开(公告)日：2022-05-13
申请号：CN202010620615.X
申请日：2020-06-30
Applicant: 武汉大学
Abstract: 一种基于融合残差修正的卷积神经网络的耕地监测方法及系统，包括采集相同区域内不同时相高分辨率遥感影像，进行配准预处理，然后进行影像裁剪；提取相应的耕地区域矢量标注真值，得到影像区域内的耕地样本和背景样本；构建融合残差修正的卷积神经网络，包括基于Unet网络加入空洞卷积操作，扩大感受野提取全局特征，然后融合残差修正模型对耕地提取结果进行修正，取残差修正后的结果作为耕地提取结果；对融合残差修正的卷积神经网络进行训练；针对待提取的高分辨率遥感影像，通过训练结果进行耕地提取；包括根据相同区域不同时相的遥感影像中耕地提取结果，对耕地提取结果相应栅格图像进行差值运算和形态学滤波后处理，得到耕地区域变化检测结果。
-
公开(公告)号：CN111986099A
公开(公告)日：2020-11-24
申请号：CN202010620615.X
申请日：2020-06-30
Applicant: 武汉大学
Abstract: 一种基于融合残差修正的卷积神经网络的耕地监测方法及系统，包括采集相同区域内不同时相高分辨率遥感影像，进行配准预处理，然后进行影像裁剪；提取相应的耕地区域矢量标注真值，得到影像区域内的耕地样本和背景样本；构建融合残差修正的卷积神经网络，包括基于Unet网络加入空洞卷积操作，扩大感受野提取全局特征，然后融合残差修正模型对耕地提取结果进行修正，取残差修正后的结果作为耕地提取结果；对融合残差修正的卷积神经网络进行训练；针对待提取的高分辨率遥感影像，通过训练结果进行耕地提取；包括根据相同区域不同时相的遥感影像中耕地提取结果，对耕地提取结果相应栅格图像进行差值运算和形态学滤波后处理，得到耕地区域变化检测结果。
-
公开(公告)号：CN111797920A
公开(公告)日：2020-10-20
申请号：CN202010619048.6
申请日：2020-06-30
Applicant: 武汉大学
Abstract: 一种门控特征融合的深度网络不透水面遥感提取方法及系统，包括获取目标区域的高分辨率遥感影像，统计训练影像各个波段均值和标准差，进行归一化和分块，构建训练样本影像；构建基于门控特征融合的卷积神经网络，提取训练影像特征，卷积神经网络由残差网络、门控特征融合模块和解码模块构成，门控特征融合模块将低层特征的空间细节信息与高层特征的语义信息通过门控机制进行融合；设不同标签分别代表不透水面、非不透水面和水体，通过交叉熵损失函数进行更新训练；利用训练结果，使用基于门控特征融合的卷积神经网络实现不透水面提取。本发明能够对遥感影像中不透水面进行精确地自动化提取，满足城市内涝分析等应用需求。
-
-
-
Search Results
4
records
(took 0.016 seconds)
