基于改进的RIU LBP和SRM的高分辨率遥感影像分割

与中低分辨率影像相比，在高分辨率影像上，除了具有丰富的光谱特征外，地物的结构、形状和纹理等空间细节特征更丰富[3]，随着空间分辨率的提高，使地面上相同面积对应在影像上的像元数目也随之增加，因此基于传统

飞利浦为高分辨率影像系统应用再添新作

针对现有融合方法存在的光谱信息和空间细节信息不能较好兼顾的问题,提出了一种遥感图像小波融合算法。根据高分辨率遥感图像自身的空间尺度,采用多进小波分析技术较好地解决了不同尺度遥感图像空间细节的表达问题,

:随着遥感图像分辨率的日益提高,遥感图像的尺寸和数据量也不断地增大,同时随着遥感应用的发展,对图像配准的性能也提出越来越高的要求,基于此,提出一种特征级高分辨率遥感图像快速自动配准方法。首 先,对图像

.

基于对象形状色调指数的高分辨率图像可变尺度分割,沈心一,闫梦龙,针对以往的面向对象影像分割算法存在效果不太理想和计算量大的不足,本文提出了一种基于对象形状色调指数的高分辨率图像可变尺度

通过遥感(RS)技术在辽宁省水玉线输电线路地质灾害调查和应急中的应用前景,应用GF-2高分辨率卫星,从影像遥感解译技术的角度得出辽宁省水玉线高压输电线路地质灾害类型,分别是不稳定斜坡、不稳定边坡、崩塌

高分辨率遥感（HRRS）图像的场景分类是一个重要的研究课题，已广泛应用于许多领域。 深度学习方法因其具有表征复杂模式的强大学习能力而在该领域显示出了巨大的潜力。 但是，深度学习方法会忽略HRRS图像的

更快的高分辨率神经修复:使用多尺度神经斑块合成的高分辨率图像修复

快速、精准的建筑物变化检测对城市规划建设等业务管理具有重要意义。随着卫星遥感技术的快速发展，基于高分辨率遥感影像的建筑物变化检测得到了广泛关注。针对像元级建筑物变化检测方法往往精度不足而目标级建筑物变