基于深度学习的遥感图像水体提取综述OA北大核心CSTPCD
A review of water body extraction from remote sensing images based on deep learning
对江河湖泊等水体目标的空间分布、时序变化进行及时、准确的检测和统计具有十分重要的意义和应用价值,已成为当前遥感地表观测研究的重要热点.传统水体提取方法依靠经验设计的指数模型进行水体阈值分割或分类,易受到植被、建筑物等地物的阴影以及水体自身泥沙含量、盐碱浓度等理化特性变化的影响,难以在不同时空尺度环境下保持鲁棒性.随着海量多源、多分辨率的遥感图像的快速获取,深度学习算法在水体提取方面的优势逐渐凸显并被国内外学者广泛关注.得益于深度神经网络模型强大的…查看全部>>
Timely and accurate detection and statistical analysis of the spatial distributions and time-series variations of water bodies like rivers and lakes holds critical significance and application value.It has become a significant interest in current remote sensing surface observation research.Conventional water body extraction methods rely on empirically designed index models for threshold-based segmentation or classification of water bodies.They are susceptibl…查看全部>>
温泉;李璐;熊立;杜磊;刘庆杰;温奇
腾讯科技(北京)有限公司,北京 100094之江实验室,杭州 311121江西省减灾备灾中心,南昌 330030自然资源部国土卫星遥感应用中心,北京 100048北京航空航天大学杭州创新研究院,杭州 310051中国科学院空间应用工程与技术中心,北京 100094
计算机与自动化
水体提取遥感图像多模态数据学习算法深度学习
water body extractionremote sensing imagemultimodal datalearning algorithmdeep learning
《自然资源遥感》 2024 (3)
57-71,15
国家自然科学基金项目"基于深度学习的高分辨率遥感影像建筑物检测与实例分割研究"(编号:41871283)资助.
评论