基于深度无监督多步对抗域自适应的高分辨SAR图像地物要素提取方法.pdf
是你****深呀
亲,该文档总共20页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于深度无监督多步对抗域自适应的高分辨SAR图像地物要素提取方法.pdf
基于深度无监督多步对抗域自适应的高分辨SAR图像地物要素提取方法,首先利用图像变换模型将源域图像转化为目标域图像相近的风格,从而减小源域和目标域的分布差异;再将风格转换过的源域图像和未标记的目标域图像送入对抗自适应网络,一方面训练深层网络学习源域和目标域的特征并进行语义分割,另一方面训练判别器区分其输入来自源域还是目标域,反馈引导深层网络对齐源域和目标域的分布特征;最后用训练好的模型预测目标域大场景的地物类型,完成单极化高分辨SAR影像像素级地物要素提取;本发明突破标记样本不足及源域数据与目标域数据分布不
基于空间分辨率域自适应的无监督遥感图像语义分割方法.pdf
本发明涉及基于空间分辨率域自适应的无监督遥感图像语义分割领域,基于空间分辨率域自适应的无监督遥感图像语义分割方法包括如下步骤:获取源域低分辨率遥感图像数据集和目标域高分辨率遥感图像数据集,分为:图像语义分割训练集和图像语义分割测试集;搭建基于对抗学习的超分辨率‑语义分割多任务网络;搭建好的基于对抗学习的超分辨率网络进行网络预训练;训练基于对抗学习的超分辨率‑语义分割多任务网络;将图像语义分割测试集输入已训练好的基于对抗学习的超分辨率‑语义分割多任务网络生成器得到最终预测结果。
SAR图像中地物要素提取的研究的中期报告.docx
SAR图像中地物要素提取的研究的中期报告本次研究的目标是基于SAR图像进行地物要素提取。在前期的研究中,我们已经对SAR图像进行了初步的处理,包括去噪、辐射校正、地形校正等,得到了更加准确的SAR图像。在本次研究的中期阶段,我们主要开展了以下工作:一、目标检测我们采用了一种基于稀疏表示的目标检测方法。该方法将图像分解为稀疏表示和稠密表示两部分,然后使用稀疏表示进行目标检测。通过这种方法,我们可以获得在SAR图像中显著的地物要素。二、特征提取针对SAR图像中的地物要素,我们提出了一种基于卷积神经网络的特征提
SAR图像中地物要素提取的研究的任务书.docx
SAR图像中地物要素提取的研究的任务书任务名称:SAR图像中地物要素提取的研究研究目的:SAR(合成孔径雷达)是一种广泛应用于地球观测的技术,具有无云遮挡、全天候监测等优点。在SAR图像中,地物要素提取是一项重要的应用研究,能够为城市规划、环境监测、灾害评估等领域提供清晰、精确的数据支持。本研究旨在探究SAR图像中地物要素提取的方法和技术,并应用到实际的地物分类和测量中。研究内容:1.回顾SAR图像地物分类的基本理论和方法,包括像元分割、纹理分析、统计特征提取等技术。2.设计SAR图像中地物要素提取的实验
基于域对抗转换的盲图像超分辨方法及系统.pdf
本发明提供一种基于域对抗转换的盲图像超分辨方法,包括:输入一张具有未知退化信息的低分辨率图像,使用退化图像编码器提取输入图像信息,为了避免退化信息估计存在的缺陷,引入域转换模块实现从退化数据域到干净数据域的转换,同时尽可能保留输入图像的自身信息。此外,由于域转换过程中不可避免损坏图像本身信息,为了恢复域转换过程中损失的图像信息,我们引入特征增强模块根据输入特征恢复部分细节信息,同时为了充分利用图像自身的信息,我们在特征上采用模块中设计了多尺度残差结构从不同感受野提取信息并使用选择性核方式融合多尺度特征。