选取典型芦苇湿地基于芦苇叶片实测高光谱数据和叶面积指数(Leaf Area Index,LAI),在原始光谱的基础上进行了平滑(R)、一阶微分(FD)、倒数(RT)、对数(LT)、倒数一阶微分(RTFD)、对数一阶微分(LTFD)等六种光谱变换,利用竞争性自适应重加...选取典型芦苇湿地基于芦苇叶片实测高光谱数据和叶面积指数(Leaf Area Index,LAI),在原始光谱的基础上进行了平滑(R)、一阶微分(FD)、倒数(RT)、对数(LT)、倒数一阶微分(RTFD)、对数一阶微分(LTFD)等六种光谱变换,利用竞争性自适应重加权算法(CARS)对不同变换下芦苇LAI特征光谱波段予以筛选,进而用筛选的特征波段采用逐波段组合法(BCI)构建芦苇LAI敏感光谱指数,利用随机森林(RF)、极端梯度提升(XGBoost)以及支持向量机(SVM)回归算法,构建芦苇LAI的高光谱估算模型。结果表明,采用CARS算法筛选不同变换光谱的特征波段构建模型,发现经过FD变换(R^(2)=0.417,RMSE=0.905)的模型效果最优。在CARS基础上使用筛选过后的特征波段构建植被指数进行建模比较,模型效果最好的是XGBoost(R^(2)=0.620,RMSE=0.826)。展开更多
针对无人机(UAV)测量中出现的运动模糊问题,尝试将DeblurGANv2网络引入到UAV测量模糊图像的恢复任务中,并设计一种自适应指数移动平均损失函数(Adaptive Exponential Moving Average Loss Function, AEMALF),又将维纳滤波后的图像存在...针对无人机(UAV)测量中出现的运动模糊问题,尝试将DeblurGANv2网络引入到UAV测量模糊图像的恢复任务中,并设计一种自适应指数移动平均损失函数(Adaptive Exponential Moving Average Loss Function, AEMALF),又将维纳滤波后的图像存在振铃效应进行高频抑制并通过色彩映射等方法恢复原图像部分细节,建立了模拟仿真的UAV测量运动模糊图像数据集。提出了一种改进的对抗网络DeblurGANv2算法和配合维纳滤波预处理的图像去模糊方法。实验结果表明,相较于同类算法,所提算法更能充分挖掘图像多尺度特征,恢复的图像平均峰值信噪比(Peak Signal to Noise Ratio, PSNR)和平均结构相似性(Structural Similarity, SSIM)均有显著提高。展开更多
文摘选取典型芦苇湿地基于芦苇叶片实测高光谱数据和叶面积指数(Leaf Area Index,LAI),在原始光谱的基础上进行了平滑(R)、一阶微分(FD)、倒数(RT)、对数(LT)、倒数一阶微分(RTFD)、对数一阶微分(LTFD)等六种光谱变换,利用竞争性自适应重加权算法(CARS)对不同变换下芦苇LAI特征光谱波段予以筛选,进而用筛选的特征波段采用逐波段组合法(BCI)构建芦苇LAI敏感光谱指数,利用随机森林(RF)、极端梯度提升(XGBoost)以及支持向量机(SVM)回归算法,构建芦苇LAI的高光谱估算模型。结果表明,采用CARS算法筛选不同变换光谱的特征波段构建模型,发现经过FD变换(R^(2)=0.417,RMSE=0.905)的模型效果最优。在CARS基础上使用筛选过后的特征波段构建植被指数进行建模比较,模型效果最好的是XGBoost(R^(2)=0.620,RMSE=0.826)。
文摘针对无人机(UAV)测量中出现的运动模糊问题,尝试将DeblurGANv2网络引入到UAV测量模糊图像的恢复任务中,并设计一种自适应指数移动平均损失函数(Adaptive Exponential Moving Average Loss Function, AEMALF),又将维纳滤波后的图像存在振铃效应进行高频抑制并通过色彩映射等方法恢复原图像部分细节,建立了模拟仿真的UAV测量运动模糊图像数据集。提出了一种改进的对抗网络DeblurGANv2算法和配合维纳滤波预处理的图像去模糊方法。实验结果表明,相较于同类算法,所提算法更能充分挖掘图像多尺度特征,恢复的图像平均峰值信噪比(Peak Signal to Noise Ratio, PSNR)和平均结构相似性(Structural Similarity, SSIM)均有显著提高。
