葡京在线官网app

地理空间大数据人工智能团队与合作者在遥感数据智能处理方面取得系列进展

  • 发布时间:2020-06-15
  • |
  • 作者:
  • |
  • 阅读次数:90

    日益增长的遥感应用对遥感数据(产品)的质量和分辨率提出了更高的要求。传统遥感数据处理方法在面对强时空异质性、高动态变化等场景时严重依赖优化算法和先验知识,很难取得满意处理结果。针对该技术需求,葡京在线官网app吴艳兰教授与团队青年教师吴鹏海、马晓双、殷志祥、王晨、杨辉及合作者,提出深度学习等智能框架下处理遥感数据(产品)的思路,在SAR影像去噪、遥感缺失信息重建、遥感时空融合、遥感建筑物提取等方面取得了重要进展:
    · 提出了基于有噪参考影像的SAR深度学习去噪方法。针对目前SAR深度学习去噪网络需要借助无噪光学影像作为参考、模拟有噪SAR影像作为训练集存在的缺陷,提出一种新的网络训练方法。该方法以任一特定传感器的同一地区多时相影像作为训练样本对,充分考虑不同时相下垫面地物的变化情况,构建和训练SAR去噪的编码解码器网络,从而实现对该传感器所获取的任意影像的有效去噪。结果表明:即使只使用个别典型地区的双时相影像作为训练对,该方法也能够在显著抑制相干斑噪声的同时,有效保持影像的细节信息,相关成果发表在中科院一区Top 期刊IEEE TGRS(IF:5.63)上。
    · 提出了遥感地表温度大范围缺失数据重建深度学习方法。针对传统方法在重建大范围缺失遥感地表温度数据出现纹理缺失、精度不高等问题,利用深度学习在挖掘数据间高层次特征的优势,结合辅助时相数据构建缺失温度数据重建的编码-解码深度卷积网络,表达不同时相大范围数据间隐含的非线性关系。采用多个传感器不同季节的地表温度数据对算法的有效性进行了验证;实验表明,深度学习方法针对不同范围缺失数据的重建结果在保证较小误差的同时保证了纹理结构的一致性,相关成果发表在中科院二区知名期刊RS(IF:4.118)上。
    · 提出了遥感地表温度数据时空融合深度学习框架。针对多时空尺度遥感地表温度数据的强时空异质、高动态变化、尺度差异大等特点,构建多尺度融合的卷积神经网络学习数据间复杂非线性关系,结合时空一致性加权策略最大程度利用多时空尺度有效信息,并以不同下垫面覆盖研究区域多年份数据进行算法验证。研究结果表明:智能融合框架生成的高时空分辨率遥感地表温度数据保持更好的空间细节,且受输入数据质量影响较小,相关成果发表在中科院一区Top 期刊IEEE TGRS(IF:5.63)上。
    · 提出了高分辨遥感影像建筑物提取的深度学习方法。针对当前深度全卷积神经元网络高分辨率遥感图像建筑物信息提取方法存在的过分割问题。利用注意力机制能够有效的提高数据的有效性,压缩背景和冗余信息的特性,设计了一种用于高分辨率遥感图像建筑提取的密集注意网络,该网络可以有效地帮助集成有用的特征,减弱噪声和背景信息,克服深度全卷积神经元网络存在的低层次特征冗余的问题,避免遥感图像建筑物提取出现的过分割问题。研究结果表明:密集注意网络可以有效的提高建筑物提取的完整性,克服高分辨率遥感图像建筑物信息提取过分割问题,相关成果发表在中科院二区知名期刊RS(IF:4.118)上。

    上述研究获得国家自然科学基金、安徽省自然科学基金、安徽大学物质科学与信息技术学科发展开放基金和安徽大学生态学重点学科支持计划资助。

相关论文: 
    1.Zhixiang Yin, Penghai Wu, Giles M. Foody, Yanlan Wu, Zihan Liu, Yun Du and Feng Ling. Spatiotemporal Fusion of Land Surface Temperature Based on a Convolutional Neural Network, IEEE Transactions on Geoscience and Remote Sensing, 2020, DOI: 10.1109/TGRS.2020.2999943  (SCI一区,Top)
    2.Xiaoshuang Ma, Chen Wang, Zhixiang Yin, Penghai Wu. 2020. SAR Image Despeckling by Noisy Reference-Based Deep Learning Method. IEEE Transactions on Geoscience and Remote Sensing, 2020, DOI: 10.1109/TGRS.2020.2990978.  (SCI一区,Top)
    3.Penghai Wu, Zhixiang Yin, Hui Yang, Yanlan Wu, Xiaoshuang Ma. Reconstructing Geostationary Satellite Land Surface Temperature Imagery Based on a Multiscale Feature Connected Convolutional Neural Network. Remote Sensing. 2019, 11(3), 300. (SCI二区)
    4.Hui Yang, Penghai Wu, Xuedong Yao, Yanlan Wu , Biao Wang, Yongyang Xu. Building extraction in very high resolution imagery by dense-attention networks. Remote Sensing. 2018, 10(11), 1768. (SCI二区)


版权所有 © 2020 葡京在线官网app All rights reserved

磬苑校区:合肥经济技术开发区九龙路111号 邮编:230601 电话:0551-63861441