遥感图像兴趣区域提取:共显著特征分析与反馈强化策略
需积分: 10 163 浏览量
更新于2024-07-10
收藏 2.67MB PDF 举报
本文主要探讨了"通过共同显著特征分析和遥感图像反馈增强策略提取感兴趣区域"这一主题,针对GIScience与Remote Sensing领域的研究。作者Libao Zhang、Qiaoyue Sun和Jue Zhang在2018年共同完成了这项工作,并在该期刊上发表了他们的研究成果。该研究论文的国际标准连续出版物编号(ISBN)为1548-1603 (Print) 和 1943-7226 (Online),其在线期刊主页可访问网址为<http://www.tandfonline.com/loi/tgrs20>。
研究的核心内容是提出了一种新颖的方法来自动识别和提取遥感图像中的感兴趣区域。这种方法首先依赖于共同显著特征分析,即通过寻找图像中多个区域共享的显著特征,如颜色、纹理或形状等,来定位可能包含有价值信息的部分。这有助于减少噪声干扰并提高识别精度,尤其是在高维和复杂背景下的遥感数据处理。
其次,引入了反馈强化策略,这是一种迭代过程,通过不断根据先前提取结果的反馈来调整和优化提取算法。这种策略允许系统自我学习和适应,提高了ROI(感兴趣区域)的提取效率和精确度。这种方法旨在解决传统遥感图像处理中ROI提取的挑战,如边界模糊、复杂场景下目标区分困难等问题。
论文的发表日期为2018年3月22日,且在同年3月20日接受了作者的最终版本。截至当时,该文章已被浏览30次,显示出其在相关领域有一定的影响力。读者可以通过链接<https://doi.org/10.1080/15481603.2018.1454391>查阅原文或者查看Crossmark数据获取更详细的信息。
这篇文章提供了一种创新的遥感图像分析技术,对于地理信息系统和遥感应用具有实际价值,特别是在自动化地处理大规模遥感数据,提升数据解析和分析效率方面。这对于环境监测、城市规划、农业评估等多个领域都有潜在的应用前景。
2021-03-10 上传
点击了解资源详情
点击了解资源详情
点击了解资源详情
点击了解资源详情
点击了解资源详情
2023-05-17 上传
2023-12-02 上传
2024-04-18 上传
weixin_38747946
- 粉丝: 9
- 资源: 943
最新资源
- 多模态联合稀疏表示在视频目标跟踪中的应用
- Kubernetes资源管控与Gardener开源软件实践解析
- MPI集群监控与负载平衡策略
- 自动化PHP安全漏洞检测:静态代码分析与数据流方法
- 青苔数据CEO程永:技术生态与阿里云开放创新
- 制造业转型: HyperX引领企业上云策略
- 赵维五分享:航空工业电子采购上云实战与运维策略
- 单片机控制的LED点阵显示屏设计及其实现
- 驻云科技李俊涛:AI驱动的云上服务新趋势与挑战
- 6LoWPAN物联网边界路由器:设计与实现
- 猩便利工程师仲小玉:Terraform云资源管理最佳实践与团队协作
- 类差分度改进的互信息特征选择提升文本分类性能
- VERITAS与阿里云合作的混合云转型与数据保护方案
- 云制造中的生产线仿真模型设计与虚拟化研究
- 汪洋在PostgresChina2018分享:高可用 PostgreSQL 工具与架构设计
- 2018 PostgresChina大会:阿里云时空引擎Ganos在PostgreSQL中的创新应用与多模型存储