An Effective Multimodel Fusion Method for SAR and Optical Remote Sensing Images
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
With the advancement of remote sensing technology, various new satellite sensors have emerged as the times require. Remote sensing images acquired by different sensors exhibit different characteristics due to their distinct imaging mechanisms. The fusion of Synthetic Aperture Radar (SAR) and optical remote sensing images is valuable for specific remote sensing image applications, as it enables the extraction of texture features from SAR images while preserving the spectral information of optical images. Several existing fusion approaches have been proposed in recent years, including the Nonsubsampled Shearlet Transform Pulse Coupled Neural Network (NSST-PCNN), which is a typical and effective fusion method. However, it suffers from the inconsistency in regional edge information due to the lack of target fusion rules. To address this issue, we propose a new method called MS-NSST-PCNN for multi-model fusion of SAR and optical remote sensing images. This method incorporates the multiScale morphological gradient (MSMG) into NSST-PCNN, which is a technique used to detect edges and enhance the utilization of edge characteristics. The fusion results of two polarization modes, VV and VH are evaluated in combination with existing methods, using image fusion accuracy and visual interpretation criteria. The results demonstrate that for Sentinel 1 and Landsat 8 OLI image fusion the proposed MS-NSST-PCNN method achieves higher correlation coefficients and lower spectral distortion with VV polarization compared to traditional methods in two study areas. Moreover, the proposed method also exhibits better performance for higher spatial resolution GF3 and GF2 images. In subsequent applications of land feature classification, the fusion results of the proposed method achieve higher accuracy than those of other fusion methods or source images applied directly. In the urban and rural application scenarios, the overall classification accuracy of the fusion results can reach 0.87 and 0.88, respectively, which has increased by 8.75% and 23.94% compared with that of using the Landsat8 OLI source images directly.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle