基于深度学习的遥感影像目标自动提取技术研究

为研究重要目标信息的自动化快速提取,本文基于PyTorch、CUDA等环境并在GPU运行下,利用CycleGAN算法进行深度学习的模型训练.通过GeoServer对谷歌影像进行地图切片等处理,制作上海市浦东新区的船舶、机场、岸线的训练数据集.模型训练后其模型测试的结果实现了基于高分辨率遥感影像的目标信息自动化提取的科学目标.比较目标地物如船舶、机场、岸线等的信息提取效果,结果表明3种瓦片等级尤其17级瓦片下进行的多种目标信息自动化提取效果均较好,且在地物目标监测及军事应用方面具有重要意义.     

高光谱遥感数据波谱相似性模糊聚类方法研究

高光谱遥感数据的聚类是定量遥感研究的热点。为提高其聚类精度,将光谱相似性测度与模糊动态聚类法有机结合,构建四种模糊聚类新方法：光谱角度-模糊聚类法、光谱信息熵-模糊聚类法、光谱角度与光谱信息熵混合-模糊聚类法与海明距离-模糊聚类法。以实测植被高光谱信息为数据,利用该四种方法进行比较分析其聚类精度。实验结果表明光谱角度与光谱信息熵混合模糊聚类法以及光谱角度模糊聚类法的聚类精度均相对其他几种方法较好,是最有效高光谱遥感聚类方法。为今后该领域的方法的进一步研究提供一种借鉴与参考。