张觅
- 作品数：5 被引量：76H指数：4
- 供职机构：武汉大学遥感信息工程学院更多>>
- 发文基金：国家自然科学基金中国博士后科学基金陕西省自然科学基金更多>>
- 相关领域：天文地球自动化与计算机技术更多>>
- 变分法遥感影像人工地物自动检测被引量：8
- 2018年
- 人工地物(建筑物、道路、桥梁等)检测是目标识别的一个重要组成部分。本文将人工地物检测转换为能量泛函数最优化问题。首先对遥感影像进行超像素分割,综合图像的颜色、纹理、梯度等信息,以超像素为单元计算图像的显著度信息,然后构建一个包含显著性约束、面积和边界约束、纹理约束及灰度方差约束的能量泛函数,通过变分法迭代求解能量泛函最小值,获取目标前景部分即为人工地物区域。本文以重庆和广东某地的遥感影像数据为例对算法进行验证,将其与常见的人工地物目标提取算法,如C-V模型、MRF模型,以及当下研究较为热门的深度学习算法进行对比。试验结果表明,该算法能有效地检测出遥感影像中的人工地物区域,并保证较低的误检率及漏检率。论文对该方法与深度学习方法进行了一定的分析对比。
- 胡翔云巩晓雅张觅
- 关键词：变分法能量泛函
- 遥感影像智能解译样本库现状与研究被引量：53
- 2021年
- 我国遥感对地观测等项目顺利实施,获取了大量时效性强、覆盖范围广、信息量丰富的遥感数据。但遥感影像智能化自动处理技术发展仍相对滞后,无法满足区域/全球大范围地物信息快速提取的需求。近年来,人们利用深度学习技术显著提高了影像特征提取成效,但由于所使用的深度学习样本数量和类型有限,对于多源遥感影像的自动解译能力仍然不足。本文面向大范围多源遥感影像地物信息智能解译需求,在分析现有样本集现状及问题的基础上,研究提出遥感影像智能解译样本库设计方案,并在此基础上设计了基于互联网的样本协同采集与共享服务框架。本文将为多源遥感影像样本库建设提供参考,为大范围遥感影像智能解译提供支持。
- 龚健雅许越胡翔云姜良存张觅
- 关键词：样本库多源遥感影像数据模型
- 多尺度空洞卷积金字塔网络建筑物提取被引量：5
- 2021年
- 为改善现有深度学习方法获取图像特征尺度单一、提取精度较低等问题,提出多尺度空洞卷积金字塔网络建筑物提取方法。多尺度空洞卷积金字塔网络以U-Net为基础模型,编码-解码阶段采用空洞卷积替换普通卷积扩大感受野,使得每个卷积层输出包含比普通卷积更大范围的特征信息,以利于获取遥感影像中建筑物特征的全局信息,金字塔池化模块结合U-Net跳跃连接结构整合多尺度的特征,以获取高分辨率全局整体信息及低分辨率局部细节信息。在WHU数据集上进行提取实验,交并比达到了91.876%,相比其他语义分割网络交并比提升4.547%~10.826%,在Inria数据集上进行泛化实验,泛化精度高于其他网络。结果表明所提出的空洞卷积金字塔网络提取精度高,泛化能力强,且在不同尺度建筑物提取上具有良好的适应性。
- 张春森刘恒恒葛英伟史书张觅
- 关键词：建筑物提取多尺度
- 基于图模型和流形排序的遥感影像人工地物提取被引量：4
- 2017年
- 人工地物自动提取是目标识别领域的重要研究内容。该文将图模型和流形排序算法相结合,提出一种基于遥感影像自动提取人工地物的算法。该算法在基于量子遗传算法的KSW熵分割算法获得影像人工地物先验值的基础上,构建以色调、纹理、方向等多特征为邻接边权重的图模型,并以超像素作为基本单位在图模型中进行流形排序,最终通过自适应阈值的方式获得人工地物分割结果。通过利用两幅不同分辨率遥感影像对该算法进行验证,结果显示该算法可以较为完整地提取人工地物,具有较高的正确识别率和较低的漏检率。
- 何芸胡翔云张觅
- 关键词：遥感影像流形排序图模型
- 智能遥感深度学习框架与模型设计被引量：15
- 2022年
- 近年来,随着遥感技术的快速发展,遥感对地观测数据获取量与日俱增。在对海量遥感数据的特征提取与表征上,基于深度学习的智能遥感影像解译技术展现出了显著优势。然而,遥感影像智能处理框架和信息服务能力还相对滞后,开源的深度学习框架与模型尚不能满足遥感智能处理的需求。在分析现有深度学习框架和模型的基础上,针对遥感影像幅面大、尺度变化大、数据通道多等问题,本文设计了嵌入遥感特性的专用深度学习框架,并重点讨论了其构建方法,以及地物分类任务的初步试验结果等。本文提出的智能遥感解译框架架构将为构建具备多维时空谱遥感特性的深度学习框架与模型提供有力支撑。
- 龚健雅张觅胡翔云张展李彦胜姜良存
