检索结果-内蒙古大学图书馆

中国图象图形学报 2025年第3期30卷 883-894页

作者：金学鹏高峰石晓晨董军宇中国海洋大学计算机科学与技术学院青岛266100

目的为了突破单一传感器的技术限制并弥补单一数据源应用的局限性,多源遥感数据融合成为了遥感应用领域的研究热点。当前的高光谱图像与激光雷达(light detection and ranging,LiDAR)/合成孔径雷达(synthetic aperture radar,SAR)数据... 详细信息

目的为了突破单一传感器的技术限制并弥补单一数据源应用的局限性,多源遥感数据融合成为了遥感应用领域的研究热点。当前的高光谱图像与激光雷达(light detection and ranging,LiDAR)/合成孔径雷达(synthetic aperture radar,SAR)数据融合分类方法未能充分利用高光谱图像的光谱特征以及LiDAR/SAR数据的地物结构信息。由于不同成像模态的图像在数据特性上存在本质差异,这些差异为多源图像特征的关联带来了重大挑战。尽管采用深度学习技术的一些方法在结合高光谱与LiDAR/SAR数据进行分类的任务中显示出了优秀的结果,但它们在融合过程中未能充分利用多源数据中的纹理信息和几何信息。方法为了应对这一关键问题,提出了一种基于门控注意力聚合网络的多源遥感图像分类方法,可以更加全面地挖掘多源数据中的互补信息。首先,设计了一个门控跨模态聚合模块,利用交叉注意力特征融合将LiDAR/SAR数据中的地物精细结构信息与高光谱图像特征有机融合。然后,使用精细化的门控模块将关键的LiDAR/SAR特征集成到高光谱图像特征中,从而增强多源数据的融合效果。结果在Houston2013和Augsburg数据集上与7种主流方法进行实验比较,在总体精度(overall accuracy,OA)、平均精度(average accuracy,AA)和卡帕系数(Kappa coefficient,Kappa)指标上都取得了最优表现。特别是在Augsburg数据集中,本文方法在大多数类别上均取得了最佳指标。在分类的可视化结果中可以明显看出,本文所提出的分类模型在性能上具有显著优势。结论实验结果表明,本文所提出的GCA-Net(gated cross-modal aggregation network)具有优异的性能,显著优于HCT(hierarchical CNN and Transformer)、MACN(mixing self-attention and convolutional network)等主流方法。该方法能够根据不同模态的特点充分融合不同模态的信息进行分类,为多源遥感数据的融合分类提供了理论支持。

关键词：高光谱图像(HSI) 激光雷达(LiDAR) 合成孔径雷达(SAR) 后向散射信息多源特征融合

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制和生成对抗网络的遥感影像云去除

引用

遥感学报 2025年第3期29卷 752-761页

作者：郑其光王仁芳邱虹王峰高广吴敦中国海洋大学计算机科学与技术学院浙江万里学院大数据与软件工程学院宝略科技(浙江)有限公司

受成像环境、传感设备等因素的限制，高分辨率卫星遥感影像存在云干扰的现象，其严重影响了影像质量及后续的智能解译。深度学习因其强大的特征学习能力，近年来在在遥感影像去云中得到了广泛应用。针对现有遥感影像去云方法往往难以更... 详细信息

受成像环境、传感设备等因素的限制，高分辨率卫星遥感影像存在云干扰的现象，其严重影响了影像质量及后续的智能解译。深度学习因其强大的特征学习能力，近年来在在遥感影像去云中得到了广泛应用。针对现有遥感影像去云方法往往难以更好地保留图像边缘纹理细节的问题，本文提出一种基于注意力机制的生成对抗网络去云算法。首先设计傅里叶残差模块同时集成云层影像的低频和高频残差信息；然后利用注意力机制从通道和空间两个角度进行特征关注而获得云层空间分布信息，并引导云层去除；最后在构造的联合损失函数约束下训练模型，确保生成图像和真实影像在内容上的一致性。在遥感影像数据集RICE上的实验结果表明，本文提出的基于注意力机制和生成对抗网络的遥感影像云去除方法能够有效地保留影像边缘纹理细节，且达到了优异的定量指标和视觉效果。

关键词：遥感影像去云傅里叶残差通道—空间注意力生成对抗网络云层空间分布

来源：评论

学校读者我要写书评

暂无评论

基于结构化张量学习的多视图聚类

引用

计算机应用研究 2025年第2期42卷 448-454页

作者：李心雨康可涵彭冲青岛大学计算机科学技术学院山东青岛266071 中国海洋大学计算机科学与技术学院山东青岛266100

多视图聚类方法随着数据获取途径日益多样化成为研究热点,但大多数聚类方法低估了噪声和数据多结构互补性信息对聚类结果的影响,并且忽略了聚类结果对低秩张量优化过程的反向引导作用。为解决这些问题,提出了基于结构化张量学习的多视... 详细信息

多视图聚类方法随着数据获取途径日益多样化成为研究热点,但大多数聚类方法低估了噪声和数据多结构互补性信息对聚类结果的影响,并且忽略了聚类结果对低秩张量优化过程的反向引导作用。为解决这些问题,提出了基于结构化张量学习的多视图聚类(multi-view clustering based on structured tensor learning,MCSTL)。首先,对初始表示张量进行再次去噪使其更具准确性和鲁棒性;同时,互补地学习局部结构、全局结构和各视图间的高阶相关性,提高表示张量与原始数据本质簇结构的一致性;然后,从跨视图信息融合的亲和矩阵中学习到统一的特征矩阵,利用其隐含的聚类结构信息反向引导表示张量的优化过程;最后,对特征矩阵施加了正交约束,使其提供数据的软标签信息,并对模型进行直接聚类解释。实验表明,MCSTL在6种聚类评价指标上均表现优异,30个指标数据中有27个达到最优,从而充分验证了MCSTL的有效性和优越性。

关键词：多视图聚类张量结构性约束特征矩阵

来源：评论

学校读者我要写书评

暂无评论

针对高光谱遥感图像变化检测的混合注意力和双向门控网络

引用

中国图象图形学报 2025年第4期30卷 1017-1026页

作者：李相潭高峰孙悦董军宇中国海洋大学计算机科学与技术学院

目的高光谱图像能提供丰富的光谱和空间信息，但常受到多种噪声的干扰，增加了其在变化检测领域应用的复杂性。为了解决上述问题，提出一种基于混合注意力和双向门控网络的高光谱图像变化检测方法，旨在提升变化检测的性能，从而在复... 详细信息

目的高光谱图像能提供丰富的光谱和空间信息，但常受到多种噪声的干扰，增加了其在变化检测领域应用的复杂性。为了解决上述问题，提出一种基于混合注意力和双向门控网络的高光谱图像变化检测方法，旨在提升变化检测的性能，从而在复杂环境和多变条件下实现更可靠的变化检测。方法通过整合局部和全局特征，改进了Transformer中的自注意力和前馈神经网络。具体而言，提出了混合注意力模块，采用卷积神经网络（convolutional neural network, CNN）和gMLP(gated multi-layer perceptron)的并行结构，分别提取图像的局部特征和全局上下文信息，有效平衡局部细节和全局上下文的特征提取，起到抑制噪声的作用。同时，构建了双向门控网络，强化通道和空间维度的特征提取，进一步增强全局与局部信息的融合，实现了多时相高光谱图像特征的深度融合。结果实验在3个数据集上与主流的6种方法进行了比较，在Framland数据集中，相比于BiT(bitemporal image Transformer)模型，准确率和Kappa系数分别提高0.34%和2.02%；在Hermiston数据集中，相比于CBANet(cross-band 2-D self-attention network)模型，准确率和Kappa系数分别提高1%和2.08%。同时消融实验结果证明，混合注意力模块和双向门控网络能有效地融合局部与全局信息，提升变化检测的精度。结论本文方法通过高效融合局部和全局特征，显著提升了变化检测的准确性，证明了其在实际应用中的潜力。在3个高光谱数据集的大量实验结果表明，本文方法在变化检测任务中性能优异，显著优于BiT、CBANet等主流方法。

关键词：变化检测高光谱图像(HSI) 遥感技术双向注意力 Transformer

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的智能传感器综述

引用

电子技术应用 2025年第3期51卷 32-38页

作者：王帅达林冠英王暖升李洋尹美华中国海洋大学信息科学与工程学部山东青岛266404 自然资源部海洋环境探测技术与应用重点实验室广东广州510310 青岛海研电子有限公司山东青岛266000 中国石油大学计算机科学与技术学院山东青岛266555

随着机器学习的飞速发展,机器学习算法创建的智能模型正逐步成为新型传感器数据分析的核心部分。首先介绍了支持机器学习的智能传感器背景,对智能模型的构建和数据集的生成、验证、测试过程进行简述,随后列举了基于机器学习的智能传感... 详细信息

随着机器学习的飞速发展,机器学习算法创建的智能模型正逐步成为新型传感器数据分析的核心部分。首先介绍了支持机器学习的智能传感器背景,对智能模型的构建和数据集的生成、验证、测试过程进行简述,随后列举了基于机器学习的智能传感器的应用,最后指出了基于机器学习的智能传感器目前面临的问题和挑战并提出了具有可行性的解决方法,为相关研究人员提供有价值的学术参考。

关键词：机器学习传感器智能传感系统

来源：评论

学校读者我要写书评

暂无评论

基于Transformer和动态3D卷积的多源遥感图像分类

引用

北京航空航天大学学报 2024年第2期50卷 606-614页

作者：高峰孟德森解正源亓林董军宇中国海洋大学计算机科学与技术学院青岛266100

多源遥感数据具有互补性和协同性,近年来,基于深度学习的方法已经在多源遥感图像分类中取得了一定进展,但当前方法仍面临关键难题,如多源遥感图像特征表达不一致,融合困难,基于静态推理范式的神经网络缺乏对不同类别地物的适应性。为解... 详细信息

多源遥感数据具有互补性和协同性,近年来,基于深度学习的方法已经在多源遥感图像分类中取得了一定进展,但当前方法仍面临关键难题,如多源遥感图像特征表达不一致,融合困难,基于静态推理范式的神经网络缺乏对不同类别地物的适应性。为解决上述问题,提出了基于跨模态Transformer和多尺度动态3D卷积的多源遥感图像分类模型。为提高多源特征表达的一致性,设计了基于Transformer的融合模块,借助其强大的注意力建模能力挖掘高光谱和LiDAR数据特征之间的相互作用;为提高特征提取方法对不同地物类别的适应性,设计了多尺度动态3D卷积模块,将输入特征的多尺度信息融入卷积核的调制,提高卷积操作对不同地物的适应性。采用多源遥感数据集Houston和Trento对所提方法进行验证,实验结果表明:所提方法在Houston和Trento数据集上总体准确率分别达到94.60%和98.21%,相比MGA-MFN等主流方法,总体准确率分别至少提升0.97%和0.25%,验证了所提方法可有效提升多源遥感图像分类的准确率。

关键词：高光谱图像激光雷达 Transformer 多源特征融合动态卷积

来源：评论

学校读者我要写书评

暂无评论

三维几何数据的交互式着色算法

引用

计算机辅助设计与图形学学报 2019年第6期31卷 886-891页

作者：单欣赵勇李玲郭清华董军宇中国海洋大学计算机科学与技术系青岛266100 中国海洋大学数学科学学院青岛266100

获取三维模型的纹理信息是计算机图形学领域的一个重要研究问题.传统的方法往往通过纹理映射来完成这个任务,其局限是需要一幅合适的纹理图像.为了能够更简便地得到模型的纹理,提出一种交互式着色算法.对于网格模型,首先进行显著特征的... 详细信息

获取三维模型的纹理信息是计算机图形学领域的一个重要研究问题.传统的方法往往通过纹理映射来完成这个任务,其局限是需要一幅合适的纹理图像.为了能够更简便地得到模型的纹理,提出一种交互式着色算法.对于网格模型,首先进行显著特征的提取和分类来减少用户对重复出现的特征的交互量,进而由用户在不同区域上交互几条颜色曲线作为种子曲线.然后结合位置、法向和曲率信息来衡量相邻顶点的相似度,以防止相邻区域之间出现渗色,并通过随机游走算法计算出每个顶点到每条种子曲线的跳转概率;最后以跳转概率作为权值对各条种子曲线的颜色进行加权平均,得到每个网格顶点的颜色.进一步地,还将上述算法应用到点云模型上.实验结果表明,该算法能够准确地区分不同的区域,鲁棒地为三维模型着色.

关键词：三维模型交互式着色随机游走显著特征

来源：评论

学校读者我要写书评

暂无评论

基于稀疏注意力和可变形融合的多源遥感图像分类方法

引用

北京航空航天大学学报 2024年

作者：刘晟金学鹏高峰甘言海中国海洋大学计算机科学与技术学院

在遥感图像应用中，利用多源图像的互补优势并探索其特征依赖关系是研究热点。传统基于Transformer的分类方法因计算全部特征间的自注意力，导致信息过载和无关特征干扰，影响模型效率。跨模态特征交互常采用简单拼接或相加，忽略模态... 详细信息

在遥感图像应用中，利用多源图像的互补优势并探索其特征依赖关系是研究热点。传统基于Transformer的分类方法因计算全部特征间的自注意力，导致信息过载和无关特征干扰，影响模型效率。跨模态特征交互常采用简单拼接或相加，忽略模态差异，限制了多源特征表达的一致性和有效性。为此本文设计了一种新颖的分类方法，该方法基于稀疏注意力和可变形特征交叉融合模块，用于处理多源遥感图像。该方法的特征提取模块利用稀疏注意力动态地选择和稀疏化权重，显著减少了无关信息的干扰。同时，构建了可变形交叉注意力融合模块整合多源图像特征，加强了跨模态特征的动态交互，深入挖掘了不同模态特征的相互作用和联系。在Berlin和Houston2018数据集上的实验结果显示，本文方法的整体分类准确率分别达到73.27%和92.94%，相较于现有的ExViT、AsyFFNet等主流方法显著提升了分类准确率，验证了本方法的有效性和优越性。

关键词：稀疏注意力多源特征融合高光谱图像(HSI) 合成孔径雷达(SAR) 激光雷达(LiDAR)

来源：评论

学校读者我要写书评

暂无评论

基于小波变换平行注意力的多源遥感图像分类

引用

北京航空航天大学学报 2023年

作者：王嘉毅高峰张天戈甘言海中国海洋大学计算机科学与技术学院

如何充分挖掘多源遥感图像数据特征的依赖关系，实现不同模态图像数据间的优势互补，已成为遥感领域的研究热点方向之一。现有的高光谱和SAR数据联合分类任务主要面临以下两个关键难题：1）图像的特征提取和特征表达不充分，高频信息容... 详细信息

如何充分挖掘多源遥感图像数据特征的依赖关系，实现不同模态图像数据间的优势互补，已成为遥感领域的研究热点方向之一。现有的高光谱和SAR数据联合分类任务主要面临以下两个关键难题：1）图像的特征提取和特征表达不充分，高频信息容易损失，不利于后续的分类任务；2）多源图像特征的交互有限，多模态特征关联不紧密。针对上述两个问题，围绕图像特征的鲁棒表达和多源特征的高效关联开展了研究工作，提出了基于小波变换和平行注意力机制的多源遥感图像分类方法。基于小波变换的特征提取器可以充分利用频域分析技术，在可逆下采样的过程中充分捕捉粗/细粒度级别特征；基于平行注意力机制的特征融合器充分综合多模态遥感数据的一致性和差异性，完成强相关性特征的融合和生成，以提升分类准确率。在两个真实多源遥感数据集上的实验表明，所提出的分类方法具有显著优势，在 Augsburg和Berlin数据集的总体准确率分别达到90.40%和76.23%，相对 DFINet 等主流方法在两个数据集上的总体准确率分别至少提升2.66%、12.22%。

关键词：高光谱图像合成孔径雷达小波变换多源特征融合遥感图像

来源：评论

学校读者我要写书评

暂无评论

基于双分支Transformer的高光谱和LiDAR数据分类方法

引用

北京航空航天大学学报 2024年

作者：程陆瑶林俊彦高峰周小伟中国海洋大学计算机科学与技术学院

当前的多源遥感图像融合分类方法存在全局特征建模不足与特征的非线性建模能力弱的问题。为此，提出了一种基于双分支Transformer的高光谱图像和LiDAR图像融合分类方法。为了提高特征的全局建模能力，构建了双分支Transformer，对高光谱... 详细信息

当前的多源遥感图像融合分类方法存在全局特征建模不足与特征的非线性建模能力弱的问题。为此，提出了一种基于双分支Transformer的高光谱图像和LiDAR图像融合分类方法。为了提高特征的全局建模能力，构建了双分支Transformer，对高光谱和LiDAR分别做通道维度的运算和空间维度的运算以挖掘多源数据的互补信息。同时，为了进一步提高特征的非线性建模能力，在Transformer模块的前馈神经网络中加入了门控机制，筛选出区分性最强的特征用于分类，还构建了两个简单的轻量卷积网络分别作为高光谱图像和LiDAR图像的特征编码器，分别提取光谱特征和结构特征。在广受采用的Houston 2018数据集和Trento数据集上的验证可得，提出模型的总体准确率分别为91.78%和98.19%，相较于当前SOTA方法准确率分别提升0.17%和0.18%。

关键词：轻量卷积门控机制多源融合 Transformer

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：