基于图核融合的高分辨率 SAR 图像精细变化检测研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61701154
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0113.信息获取与处理
  • 结题年份:
    2020
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2020-12-31

项目摘要

Perception and detection of fine changes, like edges, corners, shapes of changed areas, is important for SAR image change detection. In this fund, we intend to use the global and local structures for detecting fine changes in high-resolution SAR images. By extracting, correlating and fusing the global and local structural features, and by combining the graph theory and kernel methods, this fund studies the high-resolution SAR image change detection method based on fusion of global and local graph-kernels. This method overcomes the difficulties in extracting global and local structures of high-resolution SAR images, in recognizing and fusing global and local changes, and in obtaining complete, fine, and accurate change detection results. The fund builds the graph-kernel method for high-resolution SAR image change detection. It provides theoretical and technical supports for disaster detection, environment monitoring, urban planning, map data updating, and so on.
利用高分辨率SAR图像全局、局部空间结构特征实现对变化区域及其边界、角点、形状、位置等的精细感知和检测是当前SAR图像变化检测面临的关键科学问题。以全面利用高分辨率SAR图像复杂空间结构特征实现精细变化检测为核心思想,以全局、局部空间结构特征的有效提取、相关及融合为研究思路,结合图理论和核理论在结构特征提取及融合方面的优势,研究并建立基于图核融合的高分辨率SAR图像精细变化检测新方法。突破高分辨率SAR图像全局、局部空间结构特征的有效获取,全局、局部变化信息的有效描述,全局、局部变化信息的有效融合,及变化信息的全面、准确、精细检测等技术难点。初步建立面向高分辨率SAR图像精细变化检测的图核融合新方法,为自然灾害监测、环境监测、城市规划、地图数据库更新等工作提供重要的理论和技术支持。

结项摘要

项目以高分辨率合成孔径雷达图像为基本研究数据,以实现复杂地表地物精细变化检测为总体研究目标,以全面挖掘并利用高分SAR图像复杂特征为基本手段,以全局、局部空间结构特征、空时邻域特征、深度特征的有效提取及融合为研究思路,结合图理论、深度学习网络模型及核方法在特征提取及融合方面的优势,开展高分辨率SAR图像变化检测新方法研究。首先,项目对淮河及巢湖流域获取的多时相高分SAR图像开展预处理研究,对多时相高分SAR图像中对应的显著性变化区域进行裁剪、几何校正、辐射校正、配准等预处理操作,为变化检测提供数据支持。其次,项目开展基于图模型的SAR图像复杂空时结构特征提取方法研究,建立并实现了基于混合图模型、立体图模型和超图模型的SAR图像变化检测新方法,为高分SAR图像空间结构特征提取及挖掘提供重要的技术支撑。第三,项目开展基于深度神经网络的SAR图像深度特征提取方法研究,提取并融合了SAR图像中隐含的深层高维特征,建立了基于多深度卷积神经网络的SAR图像分类和基于多尺度深度特征融合的SAR图像变化检测新方法,为深度学习在SAR图像中的有效应用提供支持。第四,项目开展基于图核函数的空时特征提取及融合方法研究,在高维核空间中实现了SAR图像邻域特征、空间特征的有效提取、融合及非线性分类,建立了基于层次空时图核函数和多核图割模型的SAR图像变化检测新方法,为图模型和核方法的有效结合和分类提供了新思路。第五,项目开展基于图最小割模型的SAR图像变化检测新方法研究,挖掘两时相SAR图像间的联合差异性特征并实现两时相图像间特征的空时联合提取及分类,为两时相图像间变化检测提供新的研究思路。最后,项目开展高分SAR图像变化检测评价体系及性能评估方法研究,建立了主观和客观评价体系及方法,为变化检测效果的有效度量提供依据。

项目成果

期刊论文数量(12)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(2)
A multi-depth convolutional neural network for SAR image classification
用于SAR图像分类的多深度卷积神经网络
  • DOI:
    10.1016/j.icarus.2016.01.021
  • 发表时间:
    2018
  • 期刊:
    Remote Sensing Letters
  • 影响因子:
    2.3
  • 作者:
    Xia Jingfan;Yang Xuezhi;Jia Lu
  • 通讯作者:
    Jia Lu
A Refined Bilateral Filtering Algorithm Based on Adaptively-Trimmed-Statistics for Speckle Reduction in SAR Imagery
基于自适应修整统计的改进SAR图像散斑抑制双边滤波算法
  • DOI:
    10.1109/access.2019.2931572
  • 发表时间:
    2019
  • 期刊:
    IEEE Access
  • 影响因子:
    3.9
  • 作者:
    Ai Jiaqiu;Liu Ruiming;Tang Bo;Jia Lu;Zhao Jinling;Zhou Fang
  • 通讯作者:
    Zhou Fang
Optimized deployment method and performance evaluation of gas sensor network based on field experiment
基于现场实验的气体传感器网络优化部署方法及性能评估
  • DOI:
    10.1007/s12652-020-02055-2
  • 发表时间:
    2021
  • 期刊:
    Journal of Ambient Intelligence and Humanized Computing
  • 影响因子:
    --
  • 作者:
    Jiang Ye;Zhou Qiong;Xiao Shuyan;Qian Minqian;Jiang Zhaoneng;Liu Jian;Yin Wenfei;Jia Lu
  • 通讯作者:
    Jia Lu
Remote sensing image change detection using a hybrid graphical model
使用混合图形模型的遥感图像变化检测
  • DOI:
    10.1117/1.jrs.13.046515
  • 发表时间:
    2019
  • 期刊:
    Journal of Applied Remote Sensing
  • 影响因子:
    1.7
  • 作者:
    Jia Lu;Wang Zhiwei;Jiang Ye;Zhou Fang;Fan Chunxiao
  • 通讯作者:
    Fan Chunxiao
融合多尺度深度特征的SAR图像变化检测
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    合肥工业大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    刘梦岚;杨学志;贾璐;汪骏
  • 通讯作者:
    汪骏

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

遗传对儿童青少年智力发育影响的双生子研究
  • DOI:
    10.1016/j.bbamem.2018.02.014
  • 发表时间:
    2014
  • 期刊:
    重庆医学
  • 影响因子:
    --
  • 作者:
    侯枭;周颖清;朱文芬;蒙华庆;贾璐;覃青;邓伟;李涛;王英诚
  • 通讯作者:
    王英诚
铸件热裂纹研究进展
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    中国铸造装备与技术
  • 影响因子:
    --
  • 作者:
    武永红;李永堂;付建华;贾璐
  • 通讯作者:
    贾璐
分层板中微裂纹产生的非线性兰姆波
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    陕西师范大学学报
  • 影响因子:
    --
  • 作者:
    贾璐;阎守国;张碧星
  • 通讯作者:
    张碧星
安徽省安庆市沿江沼泽湿地恢复空间分析
  • DOI:
    10.13961/j.cnki.stbctb.2017.06.030
  • 发表时间:
    2017
  • 期刊:
    水土保持通报
  • 影响因子:
    --
  • 作者:
    董张玉;杨学志;王宗明;周芳;艾加秋;贾璐
  • 通讯作者:
    贾璐
遗传与环境对儿童青少年情绪与行为问题的影响
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    中国神经精神疾病杂志
  • 影响因子:
    --
  • 作者:
    蒙华庆;贾璐;覃青;邱田;刘洋;李晓;王英诚;邓伟;李涛
  • 通讯作者:
    李涛

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

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