典型文献
单样本对卷积神经网络遥感图像时空融合
文献摘要：
遥感图像时空融合是一种生成兼具高时空分辨率的合成遥感数据的技术.近年来,产生了一些基于卷积神经网络的时空融合方法.这些方法效果良好,但需要较多的图像样本对训练模型,限制了它们的应用.针对此问题,本文提出了一种单样本对卷积神经网络时空融合方法(SS-CNN).该方法以高空间分辨率图像的波段平均图像提供的空间信息激励卷积神经网络建立高、低空间分辨率图像间的超分关系,进而利用该超分关系映射求解目标高空间分辨率图像.在实验中使用两个模拟数据集和一个真实数据集对该方法进行了测试,并与两种常用的时空融合方法做了比较.实验结果表明,SS-CNN在单样本对训练的情况下,可以较好地预测地物的物候变化和类型的变化,且在异质性高、地块破碎的区域表现良好.其不足之处在于会在地物边界上会造成轻微的模糊,将来需针对此问题做进一步改进.
文献关键词：
遥感;时空融合;遥感图像;单样本对;卷积神经网络
中图分类号：
作者姓名：
李云飞;李军;贺霖
作者机构：
中山大学地理科学与规划学院广东省城市化与地理环境空间模拟重点实验室,广州510275;华南理工大学 自动化科学与工程学院,广州510640
文献出处：
引用格式：
[1]李云飞;李军;贺霖-.单样本对卷积神经网络遥感图像时空融合)[J].遥感学报,2022(08):1614-1623
A类：
单样本对
B类：
遥感图像,时空融合,高时空分辨率,遥感数据,融合方法,像样,训练模型,SS,高空间分辨率,波段,空间信息,信息激励,低空,关系映射,标高,模拟数据,真实数据,测地,地物,物候变化,地块,上会
AB值：
0.220179
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
