地表精细遥感变化检测的多视角层次分析方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    41601354
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    19.0万
  • 负责人：
    柳思聪
  • 依托单位：
    同济大学
  • 学科分类：
    D0113.遥感科学
  • 结题年份：
    2019
  • 批准年份：
    2016
  • 项目状态：
    已结题
  • 起止时间：
    2017-01-01 至2019-12-31

项目摘要

Multitemporal hyperspectral remote sensing images change detection (CD) allows the identification and analysis of complex changes at a finer level, which is differently from the traditional multitemporal images change detection that may only detect the abrupt changes. CD in multitemporal hyperspectral images is one of the international advanced researches. According to the intrinsic properties and the representation of changes in multitemporal hyperspectral images, this project aims to study a multi-view hierarchical representation model of the multiple changes in spectral field, feature field, spatial field and temporal field, and the corresponding change discrimination strategy. A fine change detection framework and technical chain based on analytic hierarchy process (AHP) is developed, including change discovery, change representation, change visualization, change identification and change validation. In addition, effective unsupervised-driven and semisupervised-driven AHP strategies are designed, the fine CD results of multiple change targets are optimized according to an analysis of the scale effect. This research will significantly expand the state-of-the-arts hyperspectral change detection techniques, and also promote the application of AHP method in hyperspectral remote sensing images processing for fine and dynamic land surface monitoring.
多时相高光谱遥感影像的变化检测可以实现更为精细和复杂的变化地物识别和分析，从而弥补传统多光谱影像变化检测只能检测急剧变化的缺陷，是当前高光谱遥感研究的国际前沿之一。本项目针对多时相高光谱影像中变化的本质特点和表现形式，深入研究多元变化在光谱域、特征域、空间域和时间域上的多视角层次表达模型及变化判别策略，系统性地构建涵盖变化探测、变化表达、变化可视化、变化识别和变化验证的基于层次分析的精细变化检测理论框架和技术流程。同时，构建有效的非监督/半监督层次分析驱动策略，并通过尺度效应分析优化多元变化目标的精细化检测结果。研究成果将拓展现有高光谱变化检测理论和方法，提升层次分析方法在遥感影像处理中的应用，推进地表覆盖高光谱影像精细化动态监测的发展。

结项摘要

本项目面向地表覆盖精细化动态监测实际应用需求，针对多时相卫星遥感影像精细变化检测难题，深入研究地表覆盖多类变化在光谱域、特征域、空间域和时间域上的多视角层次表达模型和变化判别策略。构建了基于层次变化矢量分析为主体的层次变化检测模型和有效的非监督和半监督解决方案，并通过尺度效应分析对多类变化目标的精细变化检测结果的影响。研究并提出了波段子空间选择的光谱变化检测方法、非监督/半监督层次变化检测方法、空-谱信息波段扩展与融合检测方法、多尺度形态学压缩变化矢量分析方法和超像素级多类变化检测方法等关键技术。围绕不同应用领域中共性的变化检测任务设计了有效的算法模型及处理流程，在复杂城市地表覆盖变化、农业区精细作物变化和海上溢油灾害监测与评估等实例中进行了应用研究。围绕本项目研究内容发表系列原创性研究论文，在IEEE Geoscience and Remote Sensing Magazine等国际顶级遥感期刊上发表SCI论文15篇，国际会议EI论文11篇；申请国家发明专利10项；项目成果获得2019年测绘科技进步奖一等奖（排名第一），2018年江苏省科技进步三等奖（排名第五）等；项目负责人担任第十届国际多时相遥感影像分析会议（MultiTemp2019）程序主席及其他重要国际会议九个分会场主席。

项目成果

期刊论文数量（15）
专著数量（0）
科研奖励数量（2）
会议论文数量（11）
专利数量（10）
Use of colour transformation and the geodesic method for road centreline extraction from VHR satellite images
使用颜色变换和测地线方法从 VHR 卫星图像中提取道路中心线
  • DOI：
    10.1080/01431161.2018.1558374
  • 发表时间：
    2019
  • 期刊：
    International Journal of Remote Sensing
  • 影响因子：
    3.4
  • 作者：
    Miao Zelang;Gao Lipeng;He Yueguang;Wu Lixin;Shi Wenzhong;Samat Alim;Liu Sicong;Li Jia
  • 通讯作者：
    Li Jia
A new fusion approach for extracting urban built-up areas from multisource remotely sensed data(Open Access)
一种从多源遥感数据中提取城市建成区的新融合方法（开放获取）
  • DOI：
    10.3390/rs11212516
  • 发表时间：
    2019
  • 期刊：
    Remote Sensing
  • 影响因子：
    5
  • 作者：
    Ma Xiaolong;Li Chengming;Tong Xiaohua;Liu Sicong
  • 通讯作者：
    Liu Sicong
Fuzzy multiclass active learning for hyperspectral image classification
高光谱图像分类的模糊多类主动学习
  • DOI：
    10.1049/iet-ipr.2017.0784
  • 发表时间：
    2018
  • 期刊：
    IET Image Processing
  • 影响因子：
    2.3
  • 作者：
    Samat Alim;Gamba Paolo;Liu Sicong;Li Erzhu;Miao Zelang;Abuduwaili Jilili
  • 通讯作者：
    Abuduwaili Jilili
Unsupervised Change Detection in Multispectral Remote Sensing Images via Spectral-Spatial Band Expansion
通过谱空间频带扩展进行多光谱遥感图像无监督变化检测
  • DOI：
    10.1109/jstars.2019.2929514
  • 发表时间：
    2019
  • 期刊：
    IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
  • 影响因子：
    5.5
  • 作者：
    Liu Sicong;Du Qian;Tong Xiaohua;Samat Alim;Bruzzone Lorenzo
  • 通讯作者：
    Bruzzone Lorenzo
Characterizing forest carbon dynamics using multi-temporal lidar data
使用多时相激光雷达数据表征森林碳动态
  • DOI：
    10.1016/j.rse.2019.02.018
  • 发表时间：
    2019
  • 期刊：
    Remote Sensing of Environment
  • 影响因子：
    13.5
  • 作者：
    Dalponte Michele;Jucker Tommaso;Liu Sicong;Frizzera Lorenzo;Gianelle Damiano
  • 通讯作者：
    Gianelle Damiano

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

儿童主动脉瓣单叶置换术后瓣叶适应性的数值分析
  • DOI：
    10.16156/j.1004-7220.2021.06.006
  • 发表时间：
    2021
  • 期刊：
    医用生物力学
  • 影响因子：
    --
  • 作者：
    刘宁;侯倩文;柳思聪;李晓;潘友联;乔爱科
  • 通讯作者：
    乔爱科
决策级融合的多分辨率遥感影像变化检测
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    遥感学报
  • 影响因子：
    --
  • 作者：
    杜培军;柳思聪
  • 通讯作者：
    柳思聪
Band Selection-Based Dimensionality Reduction for Change Detection in Multi-Temporal Hyperspectral Images
基于波段选择的多时相高光谱图像变化检测降维
  • DOI：
    10.3390/rs9101008
  • 发表时间：
    2017
  • 期刊：
    Remote Sensing
  • 影响因子：
    5
  • 作者：
    柳思聪;阿里木·赛买提;杜倩;童晓华
  • 通讯作者：
    童晓华
窦管交界锥度对生物瓣影响的脉动流实验研究
  • DOI：
    --
  • 发表时间：
    2017
  • 期刊：
    生物医学工程学杂志
  • 影响因子：
    --
  • 作者：
    贾荣玺;马云菲;顾兆勇;潘友联;柳思聪;乔爱科;郭超;董念国;李晓锋;刘迎龙
  • 通讯作者：
    刘迎龙
基于BJ-1小卫星遥感数据的矿区土地覆盖变化检测
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    国土资源遥感
  • 影响因子：
    --
  • 作者：
    唐伟成;陈宇;杜培军;柳思聪
  • 通讯作者：
    柳思聪

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

柳思聪的其他基金

融合多时相深浅特征的高光谱卫星遥感影像自动变化检测方法研究
  • 批准号：
  • 批准年份：
    2020
  • 资助金额：
    55 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码