- · 《遥感学报》栏目设置[09/01]
- · 《遥感学报》数据库收录[09/01]
- · 《遥感学报》投稿方式[09/01]
- · 《遥感学报》征稿要求[09/01]
- · 《遥感学报》刊物宗旨[09/01]
来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。 一、投稿方式： 1、 请从 我刊官网 直接投稿 。 2、 请 从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。 二、稿件著作权： 1、 投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、 投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、 投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、 投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、 投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、 第5条所述之网络是指通过我刊官网。 7、 投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。
工业通用技术及设备论文_基于深度学习的遥感图
作者:网站采编关键词:
摘要：文章摘要:基于深度学习的遥感图像超分辨率重建技术是计算机视觉中的重要技术之一。传统的遥感图像超分重建方法已无法满足地物目标识别,详细土地检测等应用的需求,因此如何利用
文章摘要:基于深度学习的遥感图像超分辨率重建技术是计算机视觉中的重要技术之一。传统的遥感图像超分重建方法已无法满足地物目标识别,详细土地检测等应用的需求,因此如何利用深度学习来重建遥感图像的分辨率是目前有待解决的问题。结合国内外最新研究现状,将基于深度学习的遥感图像超分重建方法分成3大类:单幅遥感图像、多幅遥感图像和多/高光谱遥感图像超分重建方法。系统梳理了基于深度学习的单幅遥感图像超分重建方法,包括基于多尺度特征提取的方法、结合小波变换的方法、沙漏状生成网络的方法、边缘增强网络的方法以及可跨传感器的方法。总结了基于深度学习的多幅遥感图像和多/高光谱遥感图像超分辨率重建方法中目前主流的方法。通过实验结果分析了遥感图像超分重建方法目前效果最好的单幅图像超分重建方法是基于GAN的方法,但是多幅遥感图像和多/高光谱遥感图像超分重建效果仍然不佳,存在配准融合、多源信息融合等问题。最后对基于深度学习的遥感图像超分重建方法未来可能的发展趋势进行了展望,指出构建针对遥感图像特点的神经网络结构,无监督学习的遥感图像超分重建方法,以及多源遥感图像的超分重建方法是未来的研究趋势。
文章关键词:
论文DOI:10.13705/j.issn.1671-6833.2022.05.013
论文分类号:TP18;TP751
文章来源：《遥感学报》 网址: http://www.ygxbzz.cn/qikandaodu/2022/0531/1135.html