杨森
- 作品数：2 被引量：30H指数：1
- 供职机构：中国科学院大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- Landsat-8长条带影像正射校正
- 2017年
- 目的 Landsat-8传感器采用线阵推扫式成像,通过分景处理获得标准景产品。面对大范围遥感数据需求,长条带数据具有更高的应用价值。长条带数据的一般获取方法是通过拼接标准景正射产品的方式,该方法处理效率不高,并且当条带中某景由于云覆盖量较多无法生产正射产品时,将无法通过多景拼接的方式生成相应的长条带正射产品。针对此方法存在的问题,本文提出一种Landsat-8长条带影像的正射校正方法。方法以长条带影像为整体,通过控制点匹配、长条带几何精校正和正射校正3个部分,直接生成长条带级别的正射校正产品。在长条带几何精校正过程中,提出了Landsat-8的基于轨道约束的长条带平差模型及控制点优化选取方法。结果在15景的条带长度范围内,本文方法生成的长条带正射产品的几何精度在12 m以内,满足Landsat-8正射产品的精度要求,且处理效率相较于标准景拼接方式提升1倍左右;对于云覆盖较多的景,利用连续3景进行长条带正射校正,可以得到与标准景正射产品几何精度相当的长条带正射产品。结论本文提出的长条带处理方法,在一定长度范围内,能够得到满足Landsat-8正射产品的精度要求的长条带正射产品,处理效率得到较大提高,且能够有效克服传统方法中云覆盖情形对长条带产品获取的限制。
- 葛小青杨森李山山陈勃张省刘雪莹
- 关键词：正射校正
- 深度学习的半监督遥感图像检索被引量：30
- 2017年
- 遥感图像数据的海量性、多样性和复杂性等特点对遥感图像检索的速度和精度提出了更高的要求,其中特征提取是影响遥感图像检索效果的关键。本文方法首先对遥感图像进行预处理,然后基于稀疏自动编码的方法在大量未标注的遥感图像上进行特征学习得到特征字典,基于卷积神经网络的思想,使用训练出来的特征字典对遥感图像进行卷积和池化得到每幅图像的特征图;接下来使用特征图训练Softmax分类器;最后对待检索图像分类,在同一类别中计算特征间的距离,进而实现遥感图像的检索。实验结果表明,该方法能够有效提高遥感图像检索的速度和准确度。
- 张洪群刘雪莹杨森李宇
- 关键词：遥感图像检索卷积神经网络
