导读:本文包含了高分辨率遥感影像论文开题报告文献综述及选题提纲参考文献，主要关键词:高分辨率遥感影像,显着性,深度学习,飞机检测
高分辨率遥感影像论文文献综述
刘媛,姚剑,冯辰[1]（2020）在《一种高效的高分辨率遥感影像飞机目标检测方法》一文中研究指出针对高分辨率遥感影像提出了一种基于神经网络的高效的机场和飞机目标检测方法,并制作了机场和飞机两类遥感影像数据集。首先对大幅遥感影像预处理,进行显着性检测和LSD(line segment detector)直线检测,通过对平行直线的筛选和聚类计算直线概率图,得到机场目标候选区域。然后,利用圆周频率滤波方法进一步提取出飞机的候选区域,最后利用深度学习模型定位飞机目标,实现了一体化的检测流程,检测准确率高达99%。(本文来源于《测绘地理信息》期刊2020年01期）
陈柏海[2]（2019）在《高分辨率卫星遥感影像监测林地动态变化的研究》一文中研究指出高分辨率卫星遥感影像技术具有速度快、周期短、精度高等多种优势,在各个领域受到了广泛应用。将高分辨率卫星遥感影像技术应用于林地动态变化监测,可有效弥补传统林地动态监测方法的不足,对于森林灾害、占地、毁林开垦、林木采伐等问题监测效果明显。(本文来源于《农业技术与装备》期刊2019年12期）
白晓琼,王汶,林子彦,张耀军,王昆[3]（2019）在《基于高空间分辨率遥感影像的叁维绿度度量》一文中研究指出绿地的科学度量是城市绿地合理规划的基础,绿化指标是城市规划者在绿地建设中的重要依据。目前城市绿地建设中广泛应用的绿化评价指标均为二维指标,其对于绿地的评价过于宽泛,难以反映绿地立体景观及其生态效益。为此,基于高分二号遥感影像构建叁维绿度指数(three-dimensional green index,TGI),以期更加准确地度量城市绿地建设质量。首先,采用面向对象的分类方法提取植被及其阴影信息;然后,根据植被高度和阴影长度的几何关系模型反演植被高度;最后,构建TGI,并以深圳市福田区沙头街道为研究区进行实验,与传统的绿化覆盖率指标进行比较分析。结果表明,与绿化覆盖率相比,TGI能够更客观细致地评价绿地立体景观,反映绿地实际生态效益,能够在城市绿地建设中为规划、决策、管理提供更加科学合理的绿度度量依据。(本文来源于《国土资源遥感》期刊2019年04期）
贾伟洁,王治华[4]（2019）在《基于高分辨率遥感影像的滑坡活动特征及稳定性分析——以东苗家滑坡为例》一文中研究指出基于综合校正后的2002—2016年间9景高分辨率影像、加密的ASTER GDEM高程数据产品和1∶20万洛阳市幅区域地质图,采用数字滑坡技术解译了洛阳市东苗家滑坡地形地貌,分析了滑坡形成条件和活动特征,并推测了滑坡稳定性现状。结果显示,东苗家滑坡过程可以分为首次滑坡活动、随后牵引活动、前部滑坡活动和后续滑坡活动4个阶段;形成7个平台和前部陡坡的四级台地地形;东苗家滑坡的总方量约为425. 4万m3;整体和各局部无明显变形位移现象,状态稳定。(本文来源于《国土资源遥感》期刊2019年04期）
肖太平,陈志[5]（2019）在《面向对象的高空间分辨率遥感影像植被信息的提取》一文中研究指出采用面向对象的影像分割技术获取植被均值对象,从高空间分辨率遥感影像中挖掘出能描述植被的光谱、形状、结构等特征,再通过构建植被对象知识库,最后实现了植被信息的提取。(本文来源于《江西科学》期刊2019年06期）
马长辉,黄登山[6]（2019）在《纹理与几何特征信息在高空间分辨率遥感影像分类中的应用》一文中研究指出为充分利用高空间分辨率遥感影像所包含的纹理与几何特征信息,提高影像的分类精度,应用面向对象技术和Log-Gabor小波来提取影像纹理和几何特征信息,并结合影像光谱信息对影像进行分类。选用的分类器为粒群优化算法优化参数的支持向量机分类器,使用资源叁号和高分二号两种不同传感器的卫星影像对方法进行验证,影像数据地物类型包含林地、草地、裸地、沙地、建筑物和道路等典型实体对象。通过对实验结果的目视比较和统计分析结果表明,所提方法分类结果精度较传统方法有所提高。(本文来源于《测绘地理信息》期刊2019年06期）
龚婷婷[7]（2019）在《高分辨率遥感影像道路提取方法研究》一文中研究指出基于高分辨率遥感影像的道路网提取一直是影像处理领域的研究热点和难点。众多学者针对道路在高分辨率遥感影像中的图像表现特征开展了大量的研究,论文在综述遥感影像道路提取研究现状的基础上,对现有并广泛应用的集中模型的特点进行了分析,并对未来采用多源信息融合技术、多维信息生成技术、高层次知识库等实现道路提取的可行性进行了展望。(本文来源于《信息系统工程》期刊2019年11期）
陈迪,郭锐,刘士彬,马勇,姚武韬[8]（2019）在《基于长短期记忆网络模型的中分辨率遥感影像变化检测研究》一文中研究指出随着遥感数据量的增加,传统变化检测方法难以满足大数据背景下众多应用的需求。为此,该文提出了一种基于长短期记忆网络(LSTM)模型的遥感影像变化检测方法,利用循环神经网络权重共享的优势处理时间序列数据,同时加入长短期记忆网络模型的细胞状态"记忆"影像变化,以解决遥感影像变化检测中的复杂性和困难性。分别利用高光谱影像和多光谱影像进行二分类和多分类实验,从检测地物是否变化到确认变化类型两个层次证明了该方法的可靠性和适用性;相较于传统变化检测方法,该方法的自动化程度和精度有较大程度的提升,为遥感影像变化检测提供了一种新思路。(本文来源于《地理与地理信息科学》期刊2019年06期）
楚恒,蔡衡,单德明[9]（2019）在《高分辨率遥感影像的多特征多核ELM分类方法》一文中研究指出针对高分辨率遥感影像地物分布复杂多变,利用ELM的快速分类性能,提出了一种ELM的多特征多核高分辨率遥感影像分类方法。首先利用多尺度分割算法将原始影像粗分为若干地物区域;然后依据区域合并准则对粗分割图像合并得到典型地物特征的对象信息,并提取分割对象的光谱特征与空间特征;最后以多种核函数加权组合的方式构建多核ELM对影像分类,获得最终的分类结果。实验结果表明,所提方法不仅降低了对目标训练样本的要求,同时还提高了分类的准确性、及时性和完整性。(本文来源于《计算机工程与科学》期刊2019年10期）
贺丹[10]（2019）在《基于高分辨率遥感影像的城市绿地信息提取——以东莞市为例》一文中研究指出城市绿地作为城市生态系统中一个极为重要的子系统,在城市建设中扮演着越来越重要的角色。因此获得并提取城市绿地信息对城市长远的发展具有重要意义。本文提出了基于高分辨率遥感影像的城市绿地信息提取方法,并以东莞市为研究区域,采用国产高分一号卫星(GF-1)的遥感影像进行绿地信息提取研究实验。研究结果表明,东莞市城市绿地信息提取结果较为理想,总体精度达到92.56%,Kappa系数为0.89。(本文来源于《数字通信世界》期刊2019年10期）
高分辨率遥感影像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
高分辨率卫星遥感影像技术具有速度快、周期短、精度高等多种优势,在各个领域受到了广泛应用。将高分辨率卫星遥感影像技术应用于林地动态变化监测,可有效弥补传统林地动态监测方法的不足,对于森林灾害、占地、毁林开垦、林木采伐等问题监测效果明显。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
高分辨率遥感影像论文参考文献
[1].刘媛,姚剑,冯辰.一种高效的高分辨率遥感影像飞机目标检测方法[J].测绘地理信息.2020
[2].陈柏海.高分辨率卫星遥感影像监测林地动态变化的研究[J].农业技术与装备.2019
[3].白晓琼,王汶,林子彦,张耀军,王昆.基于高空间分辨率遥感影像的叁维绿度度量[J].国土资源遥感.2019
[4].贾伟洁,王治华.基于高分辨率遥感影像的滑坡活动特征及稳定性分析——以东苗家滑坡为例[J].国土资源遥感.2019
[5].肖太平,陈志.面向对象的高空间分辨率遥感影像植被信息的提取[J].江西科学.2019
[6].马长辉,黄登山.纹理与几何特征信息在高空间分辨率遥感影像分类中的应用[J].测绘地理信息.2019
[7].龚婷婷.高分辨率遥感影像道路提取方法研究[J].信息系统工程.2019
[8].陈迪,郭锐,刘士彬,马勇,姚武韬.基于长短期记忆网络模型的中分辨率遥感影像变化检测研究[J].地理与地理信息科学.2019
[9].楚恒,蔡衡,单德明.高分辨率遥感影像的多特征多核ELM分类方法[J].计算机工程与科学.2019
[10].贺丹.基于高分辨率遥感影像的城市绿地信息提取——以东莞市为例[J].数字通信世界.2019