CIOMP OpenIR

浏览/检索结果: 共7条,第1-7条 帮助

已选(0)清除 条数/页:   排序方式:
基于直方图区域生长的遥感图像阈值分割算法 期刊论文
测绘通报, 2021, 期号: 02, 页码: 25-29
作者:  刘思言;  李玲;  特日根;  李竺强;  马经宇;  朱瑞飞
浏览  |  Adobe PDF(2867Kb)  |  收藏  |  浏览/下载:239/115  |  提交时间:2022/06/29
多层感知卷积神经网络的国产多光谱影像分类 期刊论文
光学学报, 2020, 卷号: 40, 期号: 15, 页码: 200-212
作者:  朱瑞飞;  马经宇;  李竺强;  王栋;  安源;  钟兴;  高放;  孟祥玉
浏览  |  Adobe PDF(4359Kb)  |  收藏  |  浏览/下载:702/99  |  提交时间:2021/07/06
遥感  光谱卫星  空间-光谱信息  多层感知卷积神经网络  分类评估  
联合连续学习的残差网络遥感影像机场目标检测方法 期刊论文
光学学报, 2020, 卷号: 40, 期号: 16, 页码: 179-191
作者:  李竺强;  朱瑞飞;  马经宇;  孟祥玉;  王栋;  刘思言
浏览  |  Adobe PDF(3941Kb)  |  收藏  |  浏览/下载:263/84  |  提交时间:2021/07/06
遥感  连续学习  核心集  机场检测  残差卷积神经网络  
基于集成卷积神经网络的遥感影像场景分类 期刊论文
光学学报, 2018, 期号: 11, 页码: 350-360
作者:  张晓男;  钟兴;  朱瑞飞;  高放;  张作省;  鲍松泽;  李竺强
收藏  |  浏览/下载:213/0  |  提交时间:2019/09/17
遥感  卷积神经网络  图像复杂度  场景分类  
Hyperspectral Remote Sensing Image Classification Based on Three-Dimensional Convolution Neural Network Combined with Conditional Random Field Optimization 期刊论文
Guangxue Xuebao/Acta Optica Sinica, 2018, 卷号: 38, 期号: 8
作者:  Li, Zhuqiang;  Zhu, Ruifei;  Gao, Fang;  Meng, Xiangyu;  An, Yuan;  Zhong, Xing
浏览  |  Adobe PDF(1448Kb)  |  收藏  |  浏览/下载:520/137  |  提交时间:2019/09/17
Classification (of information)  Convolution  Deep learning  Hyperspectral imaging  Image classification  Image enhancement  Independent component analysis  Random processes  Remote sensing  Spectroscopy  Statistical tests  
三维卷积神经网络模型联合条件随机场优化的高光谱遥感影像分类 期刊论文
光学学报, 2018, 期号: 08, 页码: 404-413
作者:  李竺强;  朱瑞飞;  高放;  孟祥玉;  安源;  钟兴
收藏  |  浏览/下载:257/0  |  提交时间:2019/09/17
遥感  高光谱影像  空间-光谱信息  三维卷积神经网络  条件随机场  
Scene Classification of Remote Sensing Images Based on Integrated Convolutional Neural Networks 期刊论文
Guangxue Xuebao/Acta Optica Sinica, 2018, 卷号: 38, 期号: 11
作者:  Zhang, Xiaonan;  Zhong, Xing;  Zhu, Ruifei;  Gao, Fang;  Zhang, Zuoxing;  Bao, Songze;  Li, Zhuqiang
浏览  |  Adobe PDF(1223Kb)  |  收藏  |  浏览/下载:566/127  |  提交时间:2019/09/17
Image classification  Backpropagation  Complex networks  Convolution  Data mining  Neural networks  Open Data  Remote sensing