一种基于迁移学习的极化SAR时间序列影像应急水体提取方法.pdf
书生****萌哒
亲,该文档总共11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
一种基于迁移学习的极化SAR时间序列影像应急水体提取方法.pdf
本发明属于涉及一种基于迁移学习的极化SAR时间序列影像应急水体提取方法,包括以下步骤:对极化SAR时序影像进行滤波处理;然后提取出影像的代表性样本;进行时序影像可迁移性评价,划分源域影像和目标域影像;然后选取源域有标签样本、目标域高信息量样本和目标域无标签样本;利用迁移学习对目标域无标签样本进行标注,并与高信息量样本合并,得到有标签样本集;基于有标签样本集训练随机森林分类器,对影像分类得到水体分布图,最后将所有影像的水体分布图进行组合,得到时序水体分布图。本发明不仅可以获取地表的水体时空分布信息,还能显著
一种基于强化学习的极化SAR影像分类方法.pdf
本发明涉及一种基于强化学习的极化SAR影像分类方法。首先对极化SAR影像进行辐射定标、滤波处理,接着对其进行极化分解得到极化特征参数,并对极化特征参数进行归一化处理,构建极化‑空间联合样本集,然后采用强化学习的开发‑利用学习机制训练FCN模型,在提升样本空间上下文信息和极化特征信息利用效率的同时,通过对样本的学习探索,生成大量的经验数据来训练模型,以达到减少样本量和提升分类精度的双重目的,最后用训练好的FCN模型对极化SAR影像进行分类。与现有需要大量数据驱动的CNN网络模型不同,本发明经过强化学习的经验
基于主动轮廓的SAR影像灾后水体信息提取方法.pdf
本发明涉及一种基于主动轮廓的SAR影像灾后水体信息提取方法,包括以下步骤:1)利用二维Otsu阈值分割法提取出SAR影像中的全部潜在水体;2)基于区域的主动轮廓图像分割;3)建立全局高度阈值图。与现有技术相比,本发明解决了单一方法进行水体提取的局限性,既达到了精确提取水体,又保证主动轮廓计算量减少,提高了提取速度。
基于相似矩阵的时间序列极化SAR累积变化检测方法.pdf
本申请公开了基于相似矩阵的时间序列极化SAR累积变化检测方法,涉及遥感影像变化检测技术领域,包括:构建时间序列内全部时相极化SAR影像的相似矩阵;将所述相似矩阵线性变换,计算所述相似矩阵的最大特征值;根据所述最大特征值计算极化SAR影像在时间序列内累积变化的差异图;通过分割所述差异图获取极化SAR影像在时间序列内的累积变化检测结果。本发明提供的基于相似矩阵的时间序列极化SAR累积变化检测方法不重复计算差异图,相对时间序列内连续两两变化检测的传统检测手段,提高了检测精度和作业效率。
基于多尺度残差注意力模型的SAR影像水体提取方法.pdf
本发明公开了一种基于多尺度残差注意力模型的SAR影像水体提取方法,步骤如下:首先对SAR原影像进行预处理和标签制作,得到模型的训练集和测试集;其次针对遥感影像中水体形态各异问题,模型的编码器被设计成多尺度残差模块;针对狭窄水域识别准确率低的问题,模型的解码器采用嵌套式结构;最后在每层编码器后面加上细化注意力模块(SC‑attention),融合空间特征中丰富的语义信息和通道特征中准确的位置信息,以逐步细化分割细节来避免水体边界信息的丢失。本发明利用多尺度残差模块获得水体不同尺度下的特征信息,通过嵌套式解码