导读:本文包含了遥感图像融合论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:遥感,图像,卷积,特征,神经网络,语义,小波。
遥感图像融合论文文献综述
么鸿原,林雪原,王海鹏,郭强[1]（2019）在《针对高分辨率遥感图像的融合拼接算法》一文中研究指出为给观测人员提供视角宽广、内容丰富、真实客观的全景图像,通过对无人机航拍相邻图像间的位置关系的研究结合改进的特征检测与描述算法,提出一种针对高分辨率遥感图像的特征查找与匹配算法,同时提出一种基于最佳缝合线的多分辨率融合算法,制定多幅高分辨率遥感图像的分层拼接策略。在实验阶段,特征点匹配数目相比传统SURF算法平均减少44%,运行时间减少37%,相比文献[10]算法匹配数目平均减少26%,运行时间减少22%,结合最终给出的50幅高分辨率遥感图像拼接结果,说明了优化算法在多幅高分辨率遥感图像拼接中的有效性,为进一步研究打下坚实基础。(本文来源于《计算机工程与设计》期刊2019年11期）
肖小红,谢剑刚[2]（2019）在《遥感图像融合的关键技术研究》一文中研究指出从单一的遥感图像数据中能够获取的有用信息是有限的,越来越多的研究集中于图像融合这一技术,也即把各具特色的多源遥感数据结合起来,相互补充,充分发挥遥感技术的作用。本文回顾了多源遥感数据融合的概念,围绕图像融合的研究内容,讨论了图像融合应用于遥感领域中的关键技术,包括数据源、融合层次、融合方法的选取以及融合效果的评价。(本文来源于《数字通信世界》期刊2019年11期）
唐敏[3]（2019）在《Matlab下3种遥感图像融合及其评价》一文中研究指出遥感图像融合的方法众多,对小波法、HIS法以及PCA法3种常用图像融合方法的融合效果进行对比分析,了解3种融合方法的特点。基于Matlab软件强大的图像处理功能,以1对已经配准的目标图像为研究对象,在软件中对其实现小波法、HIS法以及PCA法的图像融合,得到相应的融合图像,并进行主观评价和客观评价。结果表明:HIS方法处理得到的图像空间分辨率相对最好,且其光谱信息保存相对小波方法更优秀,而PCA方法的融合图像空间分辨率相对较差,但其具有更好的光谱分辨率,小波方法相对另外两种方法,其融合效果处于中间水平。(本文来源于《黑龙江工程学院学报》期刊2019年05期）
韩卫冰[4]（2019）在《基于二代curvelet变换耦合方差特征约束的遥感图像融合算法》一文中研究指出为了使得融合遥感图像能够保留更多光谱特性的同时,还能尽可能高地提高其清晰度,论文提出了一种基于二代curvelet变换耦合方差特征约束的遥感图像融合算法。将多光谱图像经过IHS变换处理,获取其亮度(I)分量。利用二代curvelet变换对I分量以及全色图像进行多尺度以及多方向的分解,以获取其对应的低频系数以及高频系数。以不同低频系数对应的区域能量比例为权重因子,对低频系数进行加权融合。通过不同高频系数的方差特征,构造高频系数融合模型,以完成高频系数的融合。将融合后的高、低频系数通过二代curvelet逆变换更新I分量,将更新后的I分量通过IHS逆变换得到融合遥感图像。实验结果表明,所提算法融合的图像在光谱特性以及清晰度方面,都比当下遥感图像融合方法融合的图像更好,具有优良的融合性能。(本文来源于《舰船电子工程》期刊2019年10期）
姚群力,胡显,雷宏[5]（2019）在《基于多尺度融合特征卷积神经网络的遥感图像飞机目标检测》一文中研究指出飞机检测在遥感图像解译中具有重要的研究意义。针对现有目标检测算法对于复杂场景区域或飞机密集区域的小尺度飞机目标检测精度较低的问题,本文提出了一种端到端的多尺度特征融合飞机目标检测框架MultDet。该方法基于SSD多尺度检测框架,采用轻量级基础网络提取多尺度特征信息;然后设计反卷积特征融合模块,通过跳跃连接将高层语义特征与低层细节特征进行特征融合,得到结构层次丰富的多尺度融合特征;最后设计了一系列不同纵横比的候选框以适应多尺度飞机目标检测。本文在光学遥感图像数据集UCAS-AOD上进行数据分析试验,结果表明,MultDet512在飞机数据集上取得了94.8%的平均检测精度(average precision,AP),在Titan Xp GPU上达到0.050 0 s/img的检测速度。本文所提飞机目标检测算法在包含多种复杂场景的遥感图像中,能够实现多尺度飞机目标的高精度稳健检测。(本文来源于《测绘学报》期刊2019年10期）
赵斐,张文凯,闫志远,于泓峰,刁文辉[6]（2019）在《基于多特征图金字塔融合深度网络的遥感图像语义分割》一文中研究指出在遥感图像语义分割中,利用多元数据(如高程信息)进行辅助是一个研究重点。现有的基于多元数据的分割方法通常直接将多元数据作为模型的多特征输入,未能充分利用多元数据的多层次特征,此外,遥感图像中目标尺寸大小不一,对于一些中小型目标,如车辆、房屋等,难以做到精细化分割。针对以上问题,提出一种多特征图金字塔融合深度网络(MFPNet),该模型利用光学遥感图像和高程数据作为输入,提取图像的多层次特征,然后针对不同层次的特征,分别引入金字塔池化结构,提取图像的多尺度特征,最后,设计了一种多层次、多尺度特征融合策略,综合利用多元数据的特征信息,实现遥感图像的精细化分割。基于Vaihingen数据集设计了相应的对比实验,实验结果证明了所提方法的有效性。(本文来源于《电子与信息学报》期刊2019年10期）
张静,靳淇兆,王洪振,达铖,向世明[7]（2019）在《多尺度信息融合的遥感图像语义分割模型》一文中研究指出遥感图像分割是目前学术界和工业界的一个研究热点,在城市规划、变化检测以及GIS信息构建等方面有着十分广泛的应用.然而,诸多复杂因素(如多变的尺度、多样化的拓扑形状以及复杂的背景和阴影等)使得遥感图像语义分割成为一项具有挑战性的任务.为此,提出一种基于多尺度信息融合的遥感图像语义分割深层卷积神经网络模型,该模型分为编码器和解码器2部分.在编码阶段,设计了基于DenseNet网络的跨卷积层级的多尺度特征融合策略,采用子区域全局平均池化及多尺度卷积处理复杂的背景区域;在解码阶段,为了准确地恢复图像的细节信息,设计了能够融合不同层级卷积特征的短解码器;最后,在整体模型构建方面设计了一种具有多输出的分层监督机制网络模型,从不同层级获取监督信息,可在充分利用监督信息的同时更好地引导网络的训练.在ISPRS公开数据集以及北京市遥感数据集上,通过实验验证了文中模型的有效性.(本文来源于《计算机辅助设计与图形学学报》期刊2019年09期）
崔先亮,陈立福,邢学敏,袁志辉[8]（2019）在《基于频带特征融合的GL-CNN遥感图像场景分类》一文中研究指出高分辨率卫星遥感图像场景信息的分类对影像分析和解译具有重要意义,传统的高分辨卫星遥感图像场景分类方法主要依赖于人工提取的中、低层特征且不能很好的利用图像丰富的场景信息,针对这一问题,提出一种基于频带特征融合与GL-CNN(Guided Learning Convolutional Neural Network,指导学习卷积神经网络)的分类方法。首先通过NSWT(Non-Subsampled Wavelet Transform,非下采样小波变换)提取出图像的高低频子带,将高频子带进行频带特征融合得到融合高频子带,然后联合频谱角向能量分布曲线的平稳区间分析实现融合高频子带与低频子带的样本融合,最后指导卷积神经网络自动提取图像的高低频子带包含的高层特征来实现场景分类。通过对UCM_LandUse 21类数据进行试验表明,本文方法的分类正确率达到94.52%,相比以往算法有显着提高。(本文来源于《遥感技术与应用》期刊2019年04期）
张维,陈报章,赵亮[9]（2019）在《基于Curvelet变换与一致性约束的遥感图像融合》一文中研究指出为解决当前遥感图像融合方案存在的块效应以及光谱扭曲等不足,在图像归一化区域方差的基础上,设计一致性约束规则的融合方法。利用变换,从多光谱图像中分解出亮度分量;将其与全色图像在快速离散Curvelet的变换下,求取高、低频系数;根据高频系数的归一化区域方差,建立一致性约束规则,对其进行融合;将不同低频系数的归一化区域能量特征进行比较,采用不同的融合方法对低频系数进行融合;基于融合后的子带系数,将其通过Curvelet与HSV逆变换,完成图像融合。通过对比实验发现,与当前遥感图像融合方法相比,所提方法不仅具有更高的融合质量,最小光谱扭曲度仅为2.291,其具备更高的融合效率,所需时耗为1.74s。(本文来源于《计算机工程与设计》期刊2019年08期）
王烜,王海鹏,王然,吴子杰,高福亮[10]（2019）在《基于GF2号与Landsat8数据融合的遥感图像地质解译——以1∶5万瓦房店市幅为例》一文中研究指出随着遥感卫星的分辨率越来越高,遥感技术在地质填图工作中的应用也愈发广泛,尽管遥感技术在地质学的应用仍有很多不足,但仅仅对于地质填图工作来说,已经可以节约部分野外工作量,通过遥感地质解译可区分岩性差异较大的地质体,并绘制其界线,减少不必要的野外调查,将地质工作者的精力放在更复杂的地学问题上。高分2号卫星属于中高分变率卫星,全色波段0.8 m,其数据质量高、数据获取方便、重访周期短等优点逐渐吸引地质工作者的注意。目前,使用高分2号卫星进行遥感地质解译的文献相对较少,本文具有一定的示范作用。本次以1∶5万标准图幅瓦房店市幅为例,使用GF2号数据与Landsat8数据融合和主成分分析后做假彩色合成影像,解译出地质单元21个,线性断裂构造61条,使用真彩色合成与DEM迭加建立地表叁维模型来确定断裂期次与交切关系,最终将遥感地质解译结果与野外实地调查工作成果相对比,以分析地质解译精度,经测算两者平均吻合率达80%,达到1∶5万区域地质调需要,为瓦房店市幅1∶5万区域地质调查工作提供参考依据,填补瓦房店地区地质单元遥感影像特征的空白。(本文来源于《地质论评》期刊2019年04期）
遥感图像融合论文开题报告
（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：
从单一的遥感图像数据中能够获取的有用信息是有限的,越来越多的研究集中于图像融合这一技术,也即把各具特色的多源遥感数据结合起来,相互补充,充分发挥遥感技术的作用。本文回顾了多源遥感数据融合的概念,围绕图像融合的研究内容,讨论了图像融合应用于遥感领域中的关键技术,包括数据源、融合层次、融合方法的选取以及融合效果的评价。
（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。
遥感图像融合论文参考文献
[1].么鸿原,林雪原,王海鹏,郭强.针对高分辨率遥感图像的融合拼接算法[J].计算机工程与设计.2019
[2].肖小红,谢剑刚.遥感图像融合的关键技术研究[J].数字通信世界.2019
[3].唐敏.Matlab下3种遥感图像融合及其评价[J].黑龙江工程学院学报.2019
[4].韩卫冰.基于二代curvelet变换耦合方差特征约束的遥感图像融合算法[J].舰船电子工程.2019
[5].姚群力,胡显,雷宏.基于多尺度融合特征卷积神经网络的遥感图像飞机目标检测[J].测绘学报.2019
[6].赵斐,张文凯,闫志远,于泓峰,刁文辉.基于多特征图金字塔融合深度网络的遥感图像语义分割[J].电子与信息学报.2019
[7].张静,靳淇兆,王洪振,达铖,向世明.多尺度信息融合的遥感图像语义分割模型[J].计算机辅助设计与图形学学报.2019
[8].崔先亮,陈立福,邢学敏,袁志辉.基于频带特征融合的GL-CNN遥感图像场景分类[J].遥感技术与应用.2019
[9].张维,陈报章,赵亮.基于Curvelet变换与一致性约束的遥感图像融合[J].计算机工程与设计.2019
[10].王烜,王海鹏,王然,吴子杰,高福亮.基于GF2号与Landsat8数据融合的遥感图像地质解译——以1∶5万瓦房店市幅为例[J].地质论评.2019
论文知识图
