检索结果-内蒙古大学图书馆

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

异质图表征学习综述

引用

软件学报 2025年第6期36卷 2794-2826页

作者：李亚聪刘皓冰蒋若冰刘聪朱燕民中国海洋大学计算机科学与技术学院山东理工大学计算机科学与技术学院上海交通大学计算机科学与工程系

异质图因其能够反映现实世界中实体及其复杂多样的关系,而在诸多领域中扮演着至关重要的角色.异质图表征学习技术,旨在将图中的信息有效地映射到低维空间中,以便捕获和利用节点间深层的语义关联,进而支持节点分类、聚类等下游分析任务.... 详细信息

异质图因其能够反映现实世界中实体及其复杂多样的关系,而在诸多领域中扮演着至关重要的角色.异质图表征学习技术,旨在将图中的信息有效地映射到低维空间中,以便捕获和利用节点间深层的语义关联,进而支持节点分类、聚类等下游分析任务.深入调研异质图表征学习的最新研究进展,涵盖方法论和应用实践.首先对异质图的基本概念进行形式化定义,并讨论异质图表征学习的挑战.此外,从浅层模型和深度模型两个角度,系统地回顾当前主流的异质图表征学习方法,特别是深度模型,从异质图转换的视角出发进行分类并分析,进而对多种方法的优势、局限和适用场景进行详尽分析,旨在为读者提供一个全面的研究视角.此外,还介绍异质图表征学习研究中常用的数据集和工具,并探讨其在现实世界中的典型应用.最后,总结主要贡献,并对异质图表征学习领域的未来研究方向展望.本综述旨在为研究者提供一个关于异质图表征学习领域的全面认识,为未来的研究和应用奠定坚实的基础.

关键词：异质图图表征学习图神经网络深度学习数据挖掘

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

针对多源遥感图像分类的门控跨模态聚合网络

引用

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

基于通道变换和Transformer的高光谱图像变化检测方法

引用

计算机学报 2025年第4期48卷 971-984页

作者：刘文力高峰张浩鹏董军宇吴淳桐中国海洋大学计算机科学与技术学院海洋信息技术教育部工程研究中心

当前基于Transformer的高光谱图像变化检测方法通过自注意力机制模拟长距离依赖，能够有效建模全局上下文信息。然而，现有方法仍面临着两个主要问题：一是Transformer模型计算复杂度高，导致模型在处理高维度数据时效率低下；二是现有... 详细信息

当前基于Transformer的高光谱图像变化检测方法通过自注意力机制模拟长距离依赖，能够有效建模全局上下文信息。然而，现有方法仍面临着两个主要问题：一是Transformer模型计算复杂度高，导致模型在处理高维度数据时效率低下；二是现有模型对高光谱图像的波段信息利用有限，在光谱维度上缺乏特征交互。针对这些问题，本文提出了一种基于通道变换和Transformer的高光谱图像变化检测方法，以更高效地利用高光谱图像中复杂的光谱和空间信息。创新之处主要体现在两个方面：其一，采用基于通道变换和注意力机制的特征提取模块。该模块改进了传统自注意力计算方式并加入通道信息交互模块，一方面降低了传统Transformer二次方的计算复杂度，使模型更适用于处理高维度数据；另一方面实现了对高光谱图像空间和光谱信息的高效利用，增强了模型对高级语义信息的理解及对复杂变化的感知能力。其二，设计了双分支门控前馈神经网络。该网络实现了模型对特征信息的细粒度调控，提升了模型对关键地物变化和细微差异的捕捉能力。实验结果显示，本文方法在River和Hermiston数据集上的准确率分别达到了96.28%和95.97%,Kappa系数分别达到了79.44%和88.90%。相比于当前主流方法，本文模型在这两个数据集上准确率分别提升了0.60%和0.69%,Kappa系数也分别提升了10.30%和2.33%，验证了本文方法在高光谱图像变化检测任务中的有效性。

关键词：变化检测高光谱图像注意力机制双分支门控前馈神经网络通道变换模块

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青岛266100

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... 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

面向遥感视觉问答的尺度引导融合推理网络

引用

软件学报 2024年第5期35卷 2133-2149页

作者：赵恩源宋宁聂婕王鑫郑程予魏志强中国海洋大学信息科学与工程学部山东青岛266100 清华大学计算机科学与技术系北京100084 青岛海洋科技中心山东青岛266061

遥感视觉问答(remote sensing visual question answering,RSVQA)旨在从遥感图像中抽取科学知识.近年来,为了弥合遥感视觉信息与自然语言之间的语义鸿沟,涌现出许多方法.但目前方法仅考虑多模态信息的对齐和融合,既忽略了对遥感图像目... 详细信息

遥感视觉问答(remote sensing visual question answering,RSVQA)旨在从遥感图像中抽取科学知识.近年来,为了弥合遥感视觉信息与自然语言之间的语义鸿沟,涌现出许多方法.但目前方法仅考虑多模态信息的对齐和融合,既忽略了对遥感图像目标中的多尺度特征及其空间位置信息的深度挖掘,又缺乏对尺度特征的建模和推理的研究,导致答案预测不够全面和准确.针对以上问题,提出一种多尺度引导的融合推理网络(multi-scale guided fusion inference network,MGFIN),旨在增强RSVQA系统的视觉空间推理能力.首先,设计基于Swin Transformer的多尺度视觉表征模块,对嵌入空间位置信息的多尺度视觉特征进行编码;其次,在语言线索的引导下,使用多尺度关系推理模块以尺度空间为线索学习跨多个尺度的高阶群内对象关系,并进行空间层次推理;最后,设计基于推理的融合模块来弥合多模态语义鸿沟,在交叉注意力基础上,通过自监督范式、对比学习方法、图文匹配机制等训练目标来自适应地对齐融合多模态特征,并辅助预测最终答案.实验结果表明,所提模型在两个公共RSVQA数据集上具有显著优势.

关键词：遥感视觉问答多模态智能融合多模态推理多尺度表征

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Transformer和通道混合并行卷积的高光谱图像去噪

引用

中国图象图形学报 2024年第7期29卷 2063-2074页

作者：胡帅高峰龚卓然陶盛恩上官心语董军宇中国海洋大学计算机科学与技术学院青岛266100 中国海洋大学三亚海洋研究院三亚572025

目的高光谱图像因设备及环境因素容易受到噪声污染,导致图像的可见性和分析精度降低,因此高光谱图像去噪任务已经成为遥感图像处理领域国内外研究热点。当前的高光谱图像去噪方法主要面临两个难题:1)对特征的全局信息利用不足。当前基... 详细信息

目的高光谱图像因设备及环境因素容易受到噪声污染,导致图像的可见性和分析精度降低,因此高光谱图像去噪任务已经成为遥感图像处理领域国内外研究热点。当前的高光谱图像去噪方法主要面临两个难题:1)对特征的全局信息利用不足。当前基于卷积神经网络的方法受限于卷积核的大小,难以捕获特征的全局信息;2)卷积神经网络和Transformer在结构上存在差异,导致两者难以融合,因此,需要考虑合理的特征交互方式,来平衡局部和全局特征提取之间的关系。方法针对上述问题,本文提出了基于Transformer和通道混合并行卷积的高光谱图像去噪模型,包括3个模块:通道混合特征提取模块、基于块下采样的全局增强模块和自适应双向特征融合模块。通过这3个模块的相互作用,可以充分结合全局和局部的特征信息,处理不同区域中的噪声和纹理差异,有效提高模型对空间细节信息的恢复能力。结果实验在2个数据集上与主流的5种方法进行比较,在Pavia数据集中设置不同高斯噪声强度的情况下,相比于性能第2的模型,峰值信噪比(peak signal-to-noise ratio,PSNR)值最大提高了0.4 dB;在ICVL数据集中设置各种混合噪声的情况下,相比于性能第2的模型,PSNR最大提高了2.18 dB。同时可视化的去噪结果图像体现了本文所提出的去噪模型的优异性能。结论本文方法在各种噪声情况下均具有较好的去噪效果,显著优于当前主流方法,能够有效去除高光谱图像中噪声,同时保留图像丰富的纹理信息。

关键词：高光谱图像去噪通道混合 Transformer 特征融合全局注意力

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：