项目名称: 基于信息融合核框架的多时相遥感影像特征级变化检测研究

项目编号: No.61271297

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 无线电电子学、电信技术

项目作者: 李明

作者单位: 西安电子科技大学

项目金额: 70万元

中文摘要: 本项目以多时相遥感影像的变化检测为研究内容,以现代遥感数据的重要空间光谱特征为基础,以研究遥感影像中纹理光谱信息的提取与融合为重点,结合核方法和不同核框架结构各自对信息捕获及融合的优势,建立核方法下的多时相遥感影像特征级变化检测理论框架。研究并建立基于NSCT核框架的多时相遥感影像特征级变化检测理论和方法;研究并建立基于Parcel核框架的多时相遥感影像特征级变化检测理论和方法;研究并建立基于面向对象核框架的多时相遥感影像特征级变化检测理论和方法;突破多时相遥感影像变化检测中纹理光谱特征准确提取、纹理与光谱信息的最优融合,以及快速、稳健的变化定位等技术难点,提供多时相遥感影像变化检测的新理论和新方法,为资源和环境监测以及军事目标监测和打击评估提供有效的方法和技术支持,具有重大的民用和军事应用价值。

中文关键词: 图像理解;变化检测;核方法;特征提取;信息融合

英文摘要: The research of this project is on the change detection in multi-temporal remote sensing images. Based on the significant spectral-spatial signatures of modern remote sensing data, this project places the emphasis on the textural and spectral information extraction and fusion. Integrating the superiorities in information capture and fusion which derive from the kernel methods and different kernel-based frameworks, this project constructs the feature-based change detection theory and methodology in multi-temporal remote sensing images based on kernel-based methods.This project constructs the feature-based change detection theories and methodologies in multi-temporal remote sensing images based on NSCT(NonSubsampled Contourlet Transfrom)-kernel framework, parcel-kernel framework and object-oriented-kernel framework respectively.This project aims at implementing the exact textural and spectral feature extraction, and achieving the optimal fusion between the textural information and spectral information, and obtaining the change location fast and robustly, thus proposing the new change detection theories and methodologies in multi-temporal remote sensing images, and providing effective methods and technical support for the resource and environment monitoring, military target monitoring and striking evaluation. This

英文关键词: Image understanding;Change detection;Kernel method;Feature extraction;information fusion

成为VIP会员查看完整内容
1

相关内容

无人机地理空间情报在智能化海战中的应用
专知会员服务
114+阅读 · 2022年4月14日
【NeurIPS2021】基于关联与识别的少样本目标检测
专知会员服务
21+阅读 · 2021年11月29日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
121+阅读 · 2021年4月29日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
专知会员服务
69+阅读 · 2021年3月23日
专知会员服务
29+阅读 · 2021年1月9日
深度学习目标检测方法及其主流框架综述
专知会员服务
147+阅读 · 2020年6月26日
基于深度学习的行人检测方法综述
专知
1+阅读 · 2021年4月14日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
基于深度学习的数据融合方法研究综述
专知
31+阅读 · 2020年12月10日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
基于深度学习的目标检测算法综述
AI研习社
14+阅读 · 2018年4月25日
图像检索研究进展:浅层、深层特征及特征融合
中国计算机学会
122+阅读 · 2018年3月26日
基于区域的目标检测——细粒度
计算机视觉战队
14+阅读 · 2018年2月1日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月19日
Deep Anomaly Detection with Outlier Exposure
Arxiv
17+阅读 · 2018年12月21日
Arxiv
19+阅读 · 2018年5月17日
小贴士
相关VIP内容
无人机地理空间情报在智能化海战中的应用
专知会员服务
114+阅读 · 2022年4月14日
【NeurIPS2021】基于关联与识别的少样本目标检测
专知会员服务
21+阅读 · 2021年11月29日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
121+阅读 · 2021年4月29日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
专知会员服务
69+阅读 · 2021年3月23日
专知会员服务
29+阅读 · 2021年1月9日
深度学习目标检测方法及其主流框架综述
专知会员服务
147+阅读 · 2020年6月26日
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员