【摘 要】
：
植被遥感信息提取是进行植被覆盖遥感调查和动态监测的基础和关键环节，对于区域生态环境保护与可持续发展具有重要意义。为此，从先验知识法、专家知识和相关辅助信息法、植被物候特征提取法、多源遥感数据融合法、机器学习法和其他方法6个方面，回顾国内外植被遥感信息提取方法的研究进展，指出现阶段研究面临的主要问题与挑战，并提出未来发展趋势。研究表明，植被遥感信息提取方法众多，研究成果丰富，不同方法具有各自的应用优
论文部分内容阅读
植被遥感信息提取是进行植被覆盖遥感调查和动态监测的基础和关键环节，对于区域生态环境保护与可持续发展具有重要意义。为此，从先验知识法、专家知识和相关辅助信息法、植被物候特征提取法、多源遥感数据融合法、机器学习法和其他方法6个方面，回顾国内外植被遥感信息提取方法的研究进展，指出现阶段研究面临的主要问题与挑战，并提出未来发展趋势。研究表明，植被遥感信息提取方法众多，研究成果丰富，不同方法具有各自的应用优势和不足；植被遥感信息提取方法研究目前面临着高分辨率遥感数据开放性不足、植被信息提取模型参数设置的稳定性
其他文献
针对蚁群算法在静态环境下全局路径规划存在无法找到最短路径、收敛速度慢、路径搜索盲目性大、拐点多等问题，提出一种改进蚁群算法。以栅格地图为机器人运行环境，对初始信息素进行非均匀分布，使路径搜索更倾向于起点和目标点连线附近；把当前节点、下一节点和目标点的信息加入启发式函数，同时引入动态调节因子，实现启发函数前期引导性强，后期加强信息素引导目的；引入伪随机转移策略，减少路径选择的盲目性，加快找到最短路径
火灾是威胁公共安全的最主要灾害，火灾产生的高温和有毒有害烟气严重影响了疏散路径的选择。将深度强化学习引入到应急疏散仿真研究，针对多智能体环境提出了协作式双深度Q网络算法。建立随时间动态变化的火灾场景模型，为人员疏散提供实时的危险区域分布信息。对各自独立的智能体神经网络进行整合，建立多智能体统一的深度神经网络，实现所有智能体之间的神经网络和经验共享，提高整体协作疏散效率。通过实验对比，结果表明所提出
碾压式导电混凝土(electrically conductive roller-compacted concrete, ERCC)是一种新型功能性材料,可通过自身电热性能解决高寒地区路面跑道人工除雪去冰效率低、大坝工程结构温控难等问题.本文开展了ERCC材料设计、物理试验与数值仿真分析研究.利用扫描电子显微镜测试(scanning electron microscope, SEM)分析了表面活性剂
针对现有光流估计方法实时性不够的问题，提出轻量化的深度可分离卷积的PWC-Net改进模型(Depth Separable Pyramid,Warping and Cost Volume,DS-PWC)。其改进之一是将常规二维卷积网络层解耦为深度可分离卷积层，之二是DS-PWC在金字塔层增加基于层数的权重系数；从而使得网络结构在不损失精度的情况下大幅减少模型参数量。且在训练过程中，使用图像及对象感知
拓扑结构无法始终保证全局拓扑的连通性.尽管人工势场控制模型通过引入吸引与排斥作用提供了一种可能的解决途径,但其理想的节点探测能力要求并不符合实际过程.当集群处于信号干扰下的任务环境中时,部分节点甚至会丧失探测能力,需要依赖相邻节点形成稳定合围,导致集群会自发形成功能强弱不同的异构子群.狼群是一种典型的机会主义捕食群体,擅长依靠团队协作捕获猎物,在狩猎过程中具有明显的空间布局和交互行为特征.结合实证
针对目前服务于移动机器人的全局路径规划算法求解目标单一无法应对复杂且多变的实际环境等问题，提出了一种多因素改进蚁群算法。首先，提出了RGB-2D栅格法模拟移动机器人的真实地面路况环境，并针对对角障碍情形，运用邻域矩阵探索法实现障碍检测，有效提高路径的安全性；其次，为克服传统路径规划以距离为单一指标的局限性，构建综合考虑路径安全性、颠簸性、平滑性以及路程最短性的多因子启发式函数；考虑到传统蚁群算法早
步态识别系统在生物识别领域显示出巨大的潜力，然而步态识别的准确性很容易受到视角的影响。为解决这一问题，提出的方法基于循环生成对抗网络(Cycle Generative Adversarial Network:Cycle-GAN)的网络结构，结合新的特征提取模块以及多重损失函数，提出了一种用于跨视角步态识别的网络模型TCC-GAN (Two-channel Cycle Consistency Gen
将光子计数技术与单像素成像技术结合的单光子压缩成像方法，具有成本低，超高灵敏度的特点，但采用传统压缩重建算法重建时间长。基于深度学习的压缩重建网络不仅避免了迭代运算耗时长的问题，实现了快速重建，而且可获得更好的重建质量。最近用于单像素成像的深度学习压缩重建网络主要基于光探测器工作在模拟方式，采用无噪声或带有加性高斯白噪声的系统仿真数据进行训练。而单光子压缩成像系统噪声主要来源于光强闪烁和光量子效应
针对多目标运动轨迹预测过程中由于检测精度和实时性不足，造成部分目标位置信息丢失和预测准确度不高问题，提出基于改进卡尔曼滤波的多目标轨迹运动轨迹预测算法(MMTP)。MMTP算法在目标检测阶段使用YOLO v4检测器提升目标检测的准确率和速度。在目标匹配阶段采用KM匹配算法，将当前检测框的检测目标与上一时刻预测的预测框的目标进行数据关联，从而增强目标关联的准确性，避免目标遮挡、目标交错和漂移造成的目
在对特征辨识度低的点云进行配准的过程中，传统的基于局部特征提取和匹配的方法通常精度不高，而基于全局特征匹配的方法精度和效率也难以保证。针对这一问题，提出一种改进的局部特征配准方法。在初步配准阶段，设计了一种基于法向量投影协方差分析的关键点提取方法，结合快速特征直方图(FPFH)对关键点进行特征描述，定义多重匹配条件对特征点进行筛选，最后将对应点的最近距离之和作为优化目标进行粗匹配；在精配准阶段，采