论文摘要
近年来随着高光谱成像技术的快速发展,航天高光谱遥感数据在各领域应用研究中取得了良好的发展与突破。文中回顾了国内外航天高光谱成像技术的发展历程,介绍了有代表性的航天高光谱成像仪的主要应用技术指标,较为系统地总结和分析了近五年来航天高光谱遥感数据在国土资源、农林遥感、海洋湖泊遥感、城市环境、灾害监测及其他方面等各领域的最新应用研究进展。对基于AI技术的高光谱信息提取与应用、基于高光谱遥感的多源数据融合与应用以及面向深空探测领域的高光谱数据分析与应用等发展趋势做了展望,未来航天高光谱成像仪技术的进一步突破和应用研究需求的牵引将会推动高光谱应用领域更大范围的创新与发展。
论文目录
文章来源
类型: 期刊论文
作者: 李盛阳,刘志文,刘康,赵子飞
关键词: 航天高光谱,成像光谱仪,高光谱数据应用
来源: 红外与激光工程 2019年03期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 工业通用技术及设备,自动化技术
单位: 中国科学院太空应用重点实验室,中国科学院空间应用工程与技术中心,中国科学院大学
基金: 国家重大专项-载人航天工程空间应用系统“天宫二号任务数据管理平台”项目(Y3140231WN)
分类号: TP79
页码: 9-23
总页数: 15
文件大小: 2291K
下载量: 1002
相关论文文献
- [1].基于深度学习的高光谱图像分类算法[J]. 传感器与微系统 2020(07)
- [2].基于生成对抗网络的高光谱图像分类[J]. 计算机工程与应用 2019(22)
- [3].深度学习在高光谱图像分类领域的研究现状与展望[J]. 自动化学报 2018(06)
- [4].基于高光谱图像技术的水果表面农药残留检测观察[J]. 种子科技 2017(04)
- [5].高光谱图像技术在农产品监测中的应用进展[J]. 北京农业 2016(01)
- [6].粮油中高光谱图像技术的应用现状[J]. 粮食与饲料工业 2016(09)
- [7].基于核方法协同表示的高光谱图像分类[J]. 广西大学学报(自然科学版) 2019(05)
- [8].基于快速去噪和深度信念网络的高光谱图像分类方法[J]. 桂林电子科技大学学报 2016(06)
- [9].局部保护降维与高斯混合模型的高光谱图像分类[J]. 工业仪表与自动化装置 2017(04)
- [10].基于MCFFN-Attention的高光谱图像分类[J]. 计算机工程与应用 2020(24)
- [11].基于对抗技术的高光谱图像分类系统的设计及实现[J]. 测试技术学报 2020(06)
- [12].高光谱图像技术在水果品质检测中的研究进展[J]. 食品研究与开发 2013(10)
- [13].高光谱图像技术在食品无损检测中的研究进展[J]. 食品工业科技 2012(15)
- [14].基于3D卷积联合注意力机制的高光谱图像分类[J]. 红外技术 2020(03)
- [15].高光谱图像分类方法研究进展[J]. 新产经 2020(04)
- [16].高光谱图像分类的研究进展[J]. 光学精密工程 2019(03)
- [17].基于空-谱加权总变分的高光谱图像混合噪声去除算法[J]. 德州学院学报 2017(04)
- [18].基于低秩结构提取的高光谱图像压缩表示[J]. 电子与信息学报 2016(05)
- [19].高光谱图像稀疏信息处理综述与展望[J]. 遥感学报 2016(05)
- [20].高光谱图像技术在水果无损检测中的研究进展[J]. 激光与红外 2013(09)
- [21].基于卷积神经网络与主动学习的高光谱图像分类[J]. 中国科学院大学学报 2020(02)
- [22].针对高光谱图像的目标分类方法现状与展望[J]. 激光与红外 2020(03)
- [23].基于鱼群算法的高光谱图像稀疏分解研究[J]. 计算机仿真 2020(01)
- [24].基于自适应主动学习与联合双边滤波的高光谱图像分类[J]. 计算机科学 2018(12)
- [25].浅谈高光谱图像融合方法[J]. 科技风 2019(16)
- [26].拉普拉斯约束低秩表示的高光谱图像异常检测[J]. 光谱学与光谱分析 2018(11)
- [27].基于焦点损失的半监督高光谱图像分类[J]. 计算机应用 2020(04)
- [28].基于空谱联合协同表征的高光谱图像分类算法[J]. 计算机工程与设计 2020(03)
- [29].基于关联规则的含噪高光谱图像分类系统[J]. 激光杂志 2018(12)
- [30].基于改进的局部保持投影高光谱图像分类研究[J]. 计算机应用研究 2017(08)