提出融合多源特征的高分遥感影像语义分割方法,实现遥感影像中的像素分类,为后续影像处理奠定基础。以U-Net网络设计思想为基础,添加SE(squeeze and excitation)模块和多源特征自适应融合模块,构建多源特征融合的高分遥感影像语义分割...提出融合多源特征的高分遥感影像语义分割方法,实现遥感影像中的像素分类,为后续影像处理奠定基础。以U-Net网络设计思想为基础,添加SE(squeeze and excitation)模块和多源特征自适应融合模块,构建多源特征融合的高分遥感影像语义分割网络框架;框架采用双输入模式,将IRRG(infrared、red、green)图像与数字表面模型(digitalsurfacemodel,DSM)图像作为输入图像,利用U-Net编码器和SE模块分别提取两种模态图像的特征图,通过多源特征自适应融合模块对二者实施融合处理,获得融合后的新特征图;利用U-Net的解码器将新特征图还原成原图尺寸,利用像素点分类模块的Softmax分类器完成高分遥感影像语义分割。实验证明,所提出的方法可以有效实现高分遥感影像语义分割,在平均像素精度和分割后图像质量方面均有较好的表现。对比其他方法,针对不同的数据集,所提出的方法平均交并比可达0.95以上。展开更多
为解决压缩感知(Compressed Sensing,CS)算法在线性调频(Linear Frequency Modulation,LFM)信号参数估计中计算量较大的问题,提出了两级分辨率稀疏重构参数估计算法。该算法在离散线性调频傅里叶变换的基础上,采用低分辨率观测矩阵,获...为解决压缩感知(Compressed Sensing,CS)算法在线性调频(Linear Frequency Modulation,LFM)信号参数估计中计算量较大的问题,提出了两级分辨率稀疏重构参数估计算法。该算法在离散线性调频傅里叶变换的基础上,采用低分辨率观测矩阵,获取信号调频率和中心频率的先验信息,根据先验信息构造有约束的高分辨率观测矩阵,精确估计出调频率和中心频率两个参数,实现LFM信号的重构,达到了减小计算量的目的。仿真实验表明,该算法能够准确估计单个和多个LFM信号的参数,并且算法的参数估计性能明显优于传统算法。展开更多
文摘提出融合多源特征的高分遥感影像语义分割方法,实现遥感影像中的像素分类,为后续影像处理奠定基础。以U-Net网络设计思想为基础,添加SE(squeeze and excitation)模块和多源特征自适应融合模块,构建多源特征融合的高分遥感影像语义分割网络框架;框架采用双输入模式,将IRRG(infrared、red、green)图像与数字表面模型(digitalsurfacemodel,DSM)图像作为输入图像,利用U-Net编码器和SE模块分别提取两种模态图像的特征图,通过多源特征自适应融合模块对二者实施融合处理,获得融合后的新特征图;利用U-Net的解码器将新特征图还原成原图尺寸,利用像素点分类模块的Softmax分类器完成高分遥感影像语义分割。实验证明,所提出的方法可以有效实现高分遥感影像语义分割,在平均像素精度和分割后图像质量方面均有较好的表现。对比其他方法,针对不同的数据集,所提出的方法平均交并比可达0.95以上。
文摘为解决压缩感知(Compressed Sensing,CS)算法在线性调频(Linear Frequency Modulation,LFM)信号参数估计中计算量较大的问题,提出了两级分辨率稀疏重构参数估计算法。该算法在离散线性调频傅里叶变换的基础上,采用低分辨率观测矩阵,获取信号调频率和中心频率的先验信息,根据先验信息构造有约束的高分辨率观测矩阵,精确估计出调频率和中心频率两个参数,实现LFM信号的重构,达到了减小计算量的目的。仿真实验表明,该算法能够准确估计单个和多个LFM信号的参数,并且算法的参数估计性能明显优于传统算法。
