期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于CMIFM的跨平台超分辨率高光谱影像重建及光谱定量评估——以岩溶湿地为例
1
作者 孙习东 付波霖 +4 位作者 李华剑 贾明明 孙伟伟 武炎 宋奕基 《遥感学报》 北大核心 2025年第9期2788-2809,共22页
高光谱遥感时序精准监测湿地植被和水体状况已成为准确评估和全面监测岩溶湿地生态系统状况的重要基础。然而,现有星载高光谱影像Satellite-based HSI(Satellite-based hyperspectral image)的空间分辨率较低,难以捕捉湿地植被复杂的空... 高光谱遥感时序精准监测湿地植被和水体状况已成为准确评估和全面监测岩溶湿地生态系统状况的重要基础。然而,现有星载高光谱影像Satellite-based HSI(Satellite-based hyperspectral image)的空间分辨率较低,难以捕捉湿地植被复杂的空间细节,已有的超分辨率重建方法无法实现从卫星到无人机的跨平台影像重建,以及对大范围湿地场景的时序监测。为此,本研究提出一种跨平台的多尺度影像特征映射模块CMIFM(Cross-Sensor Multiscale Image Feature Mapping Module)。该模块首先将无人机高光谱影像UAV-HSI(Unmanned Aerial vehicle hyperspectral image)和Satellite-based HSI在空间尺度上进行对齐转换,其次,基于便携式地物光谱仪ASD(Analytical spectral devices)获取的地面实测数据,将UAV-HSI和Satellite-based HSI映射到统一的光谱特证空间,实现空—谱特征信息的整合,最后,使用超分辨率网络(ESRGAN和SwinIR)实现Satellite-based HSI的高质量影像重建。同时,本研究采用深度学习网络(DATFuse)和传统的融合方法(GS)作为对比,定量评价Sentinel-2和OHS-02的影像重建和影像融合结果中,湿地植被群落和水体的光谱质量和空间质量。研究结果表明:(1)基于CMIFM的超分辨率网络通过学习UAV-HSI的空—谱特征,提升了Satellite-based HSI的空间分辨率,并还原出精细的湿地植被和水体空间纹理信息,在影像视觉感知和定量指标数值方面均优于GS影像融合方法,其中,Sentinel-2与OHS-02影像重建结果与标签数据的PSNR和SSIM平均精度分别为11.06和0.3102;(2)狗牙根、华克拉莎和芒草3种典型湿地植被群落以及水体在重建影像重的光谱值具有高可靠性,其中,OHS-02重建影像与ASD数据的波段平均RMSE和R2精度为0.1154和0.7239;(3)CMIFM+ESRGAN和CMIFM+SwinIR方法在空—谱重建性能上具有较强的泛化能力,能够在缺少UAV-HSI数据的相同湿地类型场景实现影像重建,PSNR和SSIM的平均精度分别为12.74和0.1897;(4)本研究验证了基于CMIFM模块的超分辨率技术在复杂湿地高光谱影像重建中的可行性。 展开更多
关键词 岩溶湿地 CMIFM模块 跨平台的超分辨率重建 datfuse 高光谱影像 植被和水体的空—谱重建 质量定量评估
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部