检索结果-维普期刊中文期刊服务平台

基于多时相植被指数的云南高原山地冬小麦识别与研究: 1; 作者杨永明牛昱杰 +2 位作者安卫国郭钰颜定飞《农业工程》 2023年第9期38-47,共10页; 粮食安全是最根本的民生问题,云、雾等自然因素是影响遥感种植监测的主要因素之一,因此获取精准、高效的耕地种植监测信息对保障当地粮农安全、粮食估产及面积估算具有重要意义。在利用多时相植被指数(Multi-period Vegetation Index,... 展开更多; 关键词植被指数云南高原山地冬小麦多时相植被指数合成模型哨兵-2; 在线阅读下载PDF 职称材料

应用U-Net模型和多时相Landsat-8影像对森林植被的分类被引量：7: 2; 作者杨丹李崇贵 +2 位作者常铮李煜雷田旺《东北林业大学学报》 CAS CSCD 北大核心 2021年第9期55-59,66,共6页; 为了探讨深度学习全卷积神经网络模型(U-Net)在多时相Landsat-8影像上的森林植被分类效果,以黑龙江孟家岗林场为研究区,采用多时相的Landsat-8影像为数据源,根据各森林类别多时相的光谱曲线确定分类的最佳时相,并对优化后的U-Net模型进... 展开更多; 关键词 Landsat8多时相影像 U-Net模型最大似然法植被指数森林分类; 在线阅读下载PDF 职称材料

基于UDWT与Snake模型的多时相SAR图像变化检测方法被引量：1: 3; 作者付明柏《计算机应用与软件》 CSCD 北大核心 2014年第4期254-257,277,共5页; 提出一种基于非下采样离散小波(UDWT)和Laplace分布假设下Snake模型的多时相SAR图像变化检测方法。该方法首先计算输入SAR图像的对数-比值图像。然后利用非下采样小波分解该对数-比值图像,得到其多尺度表达。最后迭代执行以下两步直到收... 展开更多; 关键词变化检测多时相合成孔径雷达(SAR)图像 SNAKE模型非下采样小波(UDWT) 拉普拉斯(Laplace)分布; 在线阅读下载PDF 职称材料

一种基于概率图模型的多时相SAR相干变化检测方法被引量：4: 4; 作者冀广宇董勇伟 +1 位作者李焱磊梁兴东《电子与信息学报》 EI CSCD 北大核心 2017年第12期2912-2920,共9页; 相干变化检测(CCD)利用重轨SAR数据对场景中表现为低相干特性的变化区域具有良好的检测性能,然而场景中诸如植被、阴影、强散射旁瓣、低散射等区域也呈现低相干特性,对检测结果造成干扰,尤其在高波段SAR CCD中,对检测效果影响更加明显... 展开更多; 关键词重轨合成孔径雷达相干变化检测多时相概率图模型后验概率; 在线阅读下载PDF 职称材料

基于U-Net模型的多时相Sentinel-2A/B影像林分类型分类被引量：4: 5; 作者杨丹李崇贵李斌《林业科学研究》 CSCD 北大核心 2022年第4期103-111,共9页; [目的]基于多时相Sentinel-2A/B影像,探究深度学习模型在森林植被上的分类效果。[方法]以黑龙江省孟家岗林场为研究区,以多时相Sentinel-2A/B影像、数字高程模型(DEM)为数据源,通过各森林类别的JM距离,确定最佳单一时相。同时,构建多时... 展开更多; 关键词多时相Sentinel-2A/B影像植被指数红边指数 U-Net模型支持向量机森林分类; 在线阅读下载PDF 职称材料

题名基于多时相植被指数的云南高原山地冬小麦识别与研究: 1; 作者杨永明牛昱杰安卫国郭钰颜定飞; 机构滇西应用技术大学地球科学与工程学院昆明理工大学国土资源工程学院云南省高校山地实景点云数据处理及应用重点实验室滇西应用技术大学多源数据融合实景三维构建研究科技创新团队海南大学土木建筑工程学院; 出处《农业工程》 2023年第9期38-47,共10页; 文摘粮食安全是最根本的民生问题,云、雾等自然因素是影响遥感种植监测的主要因素之一,因此获取精准、高效的耕地种植监测信息对保障当地粮农安全、粮食估产及面积估算具有重要意义。在利用多时相植被指数(Multi-period Vegetation Index,以下简称植被MVI)合成模型的构建、农作物特征与耕地信息的可分离性两方面对高原山地农作物耕地面积提取的研究较少。该研究基于哨兵2(Sentinel-2)数据,构建了多时相植被指数合成模型,估算了2020—2021年归一化差异植被指数(Normalize Difference Vegetation Index,以下简称植被NDVI)、增强植被指数(Enhanced Vegetation Index,以下简称植被EVI)和红绿叶绿素植被指数(Red-Edge ChlorophyII Vegetation Index,以下简称植被RECI)3种植被指数的提取结果,研究了预测模型与高原山地农作物的相关性,探讨了不同植被指数模型对农作物的识别精度。结果表明:①多时相植被NDVI模型相较植被EVI和植被RECI对冬小麦面积提取精度更高,与云南高原山地冬小麦相关性最强,用户精度约为93.28%;②利用三期NDVI组合与2期植被NDVI组合均可对冬小麦精准提取,但3期植被NDVI模型提取精度更高。利用多时相植被NDVI模型对冬小麦种植面积的精准预测,证明了该模型可有效适用于云南高原山地冬小麦,并为当地冬小麦面积的预测提供了数据支撑。; 关键词植被指数云南高原山地冬小麦多时相植被指数合成模型哨兵-2; Keywords vegetation index Yunnan Plateau mountain winter wheat multi-temporal vegetation index image fusion model Sentinel-2; 分类号 S127 [农业科学—农业基础科学]; 在线阅读下载PDF 职称材料

题名应用U-Net模型和多时相Landsat-8影像对森林植被的分类被引量：7: 2; 作者杨丹李崇贵常铮李煜雷田旺; 机构西安科技大学测绘科学与技术学院西安科技大学西安交通工程学院; 出处《东北林业大学学报》 CAS CSCD 北大核心 2021年第9期55-59,66,共6页; 基金 “十三五”国家重点研发计划项目(2017YFD0600400)。; 文摘为了探讨深度学习全卷积神经网络模型(U-Net)在多时相Landsat-8影像上的森林植被分类效果,以黑龙江孟家岗林场为研究区,采用多时相的Landsat-8影像为数据源,根据各森林类别多时相的光谱曲线确定分类的最佳时相,并对优化后的U-Net模型进行训练并验证。同时,进一步构建多时相植被指数特征,训练分类模型并对森林植被进行分类,比较优化后的U-Net分类方法和最大似然分类法的分类精度。结果表明:加入多时相植被指数的U-Net模型分类精度为83.5%,比单一时相分类精度高6.1%;优化后的U-Net模型分类方法精度明显高于最大似然分类方法,说明加入多时相植被指数的U-Net模型分类方法可以有效的提高森林分类精度。; 关键词 Landsat8多时相影像 U-Net模型最大似然法植被指数森林分类; Keywords Multi-temporal Landsat-8 image U-Net model Maximum likelihood method Vegetation index Forest classification; 分类号 S715.3 [农业科学—林学]; 在线阅读下载PDF 职称材料

题名基于UDWT与Snake模型的多时相SAR图像变化检测方法被引量：1: 3; 作者付明柏; 机构昭通学院计算机科学系; 出处《计算机应用与软件》 CSCD 北大核心 2014年第4期254-257,277,共5页; 文摘提出一种基于非下采样离散小波(UDWT)和Laplace分布假设下Snake模型的多时相SAR图像变化检测方法。该方法首先计算输入SAR图像的对数-比值图像。然后利用非下采样小波分解该对数-比值图像,得到其多尺度表达。最后迭代执行以下两步直到收敛:(1)利用最大似然法估计Laplace分布参数;(2)根据图像数据和上一步估计的参数演化当前曲线。实验结果验证了该方法的有效性。; 关键词变化检测多时相合成孔径雷达(SAR)图像 SNAKE模型非下采样小波(UDWT) 拉普拉斯(Laplace)分布; Keywords Change detection Multitemporal synthetic aperture radar（SAR） images Snake models Undecimated discrete wavelet transform（UDWT） Laplace distribution; 分类号 TP753 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名一种基于概率图模型的多时相SAR相干变化检测方法被引量：4: 4; 作者冀广宇董勇伟李焱磊梁兴东; 机构中国科学院电子学研究所微波成像技术重点实验室中国科学院大学; 出处《电子与信息学报》 EI CSCD 北大核心 2017年第12期2912-2920,共9页; 文摘相干变化检测(CCD)利用重轨SAR数据对场景中表现为低相干特性的变化区域具有良好的检测性能,然而场景中诸如植被、阴影、强散射旁瓣、低散射等区域也呈现低相干特性,对检测结果造成干扰,尤其在高波段SAR CCD中,对检测效果影响更加明显。该文利用多时相SAR数据形成的相干变化差异图像(CCD图像)建立概率图模型,提出一种多时相CCD处理方法。该方法以多时相CCD图像作为观测量,通过选取合适的参与处理图像数量及优化场景中变化区域的分类,计算目标变化区域的后验概率,可有效减小低相干干扰区域造成的影响。仿真和实测数据结果验证了该方法的正确性和有效性。; 关键词重轨合成孔径雷达相干变化检测多时相概率图模型后验概率; Keywords Repeat-pass SAR Coherent Change Detection （CCD） Multi-temporal Probabilistic graphical models Posterior probability; 分类号 TP751.1 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于U-Net模型的多时相Sentinel-2A/B影像林分类型分类被引量：4: 5; 作者杨丹李崇贵李斌; 机构西安科技大学测绘科学与技术学院; 出处《林业科学研究》 CSCD 北大核心 2022年第4期103-111,共9页; 基金国家重点研发计划项目(2017YFD0600400)。; 文摘 [目的]基于多时相Sentinel-2A/B影像,探究深度学习模型在森林植被上的分类效果。[方法]以黑龙江省孟家岗林场为研究区,以多时相Sentinel-2A/B影像、数字高程模型(DEM)为数据源,通过各森林类别的JM距离,确定最佳单一时相。同时,构建多时相植被指数及红边指数特征(DVI、mNDVI、CIred-edge、NDre1)。采用支持向量机和优化的U-Net模型分别对单一时相+DEM和单一时相+DEM+多时相植被指数两种方案进行分类实验。[结果](1)在单一时相+DEM基础上,加入多时相植被指数后,U-Net模型精度为77.87%,比单一时相+DEM精度高6.67%;(2)U-Net模型的总体精度明显优于支持向量机,并且分类效果更好。同时,深度学习U-Net模型能够避免“椒盐”现象,分类结果更细腻。[结论]基于多时相Sentinel-2A/B影像,构建植被指数及红边指数时序特征,同时采用U-Net模型在一定程度上能够提高林分类型分类精度。; 关键词多时相Sentinel-2A/B影像植被指数红边指数 U-Net模型支持向量机森林分类; Keywords multi-temporal Sentinel-2A/B image vegetation index red edge index U-Net model support vector machine forest classification; 分类号 X87 [环境科学与工程—环境工程] S757 [农业科学—森林经理学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于多时相植被指数的云南高原山地冬小麦识别与研究	杨永明牛昱杰安卫国郭钰颜定飞	《农业工程》	2023	0	在线阅读下载PDF 职称材料
2	应用U-Net模型和多时相Landsat-8影像对森林植被的分类	杨丹李崇贵常铮李煜雷田旺	《东北林业大学学报》 CAS CSCD 北大核心	2021	7	在线阅读下载PDF 职称材料
3	基于UDWT与Snake模型的多时相SAR图像变化检测方法	付明柏	《计算机应用与软件》 CSCD 北大核心	2014	1	在线阅读下载PDF 职称材料
4	一种基于概率图模型的多时相SAR相干变化检测方法	冀广宇董勇伟李焱磊梁兴东	《电子与信息学报》 EI CSCD 北大核心	2017	4	在线阅读下载PDF 职称材料
5	基于U-Net模型的多时相Sentinel-2A/B影像林分类型分类	杨丹李崇贵李斌	《林业科学研究》 CSCD 北大核心	2022	4	在线阅读下载PDF 职称材料