crush的读书笔记
文章平均质量分 73
crushqqi
本遥感硕农业,复制粘贴调参方向。
展开
-
【论文阅读笔记】 基于无人机多光谱影像的水稻叶面积指数预测
Plant Methods//Remote estimation of rice LAI based on Fourier spectrum texture from UAV image以往的研究表明,遥感图像的光谱特征可以作为估计植被生长参数的有效指标。然而,高分辨率遥感图像的纹理特征很少用于此目的。此外,纹理特征与植被生长参数之间的物理机制尚不清楚。在这项研究中,一种基于无人机图像的傅里叶光谱纹理被开发用于估计水稻叶面积指数。并分析了傅里叶光谱纹理与水稻叶面积指数的关系。结果表明,傅里叶谱纹理可以提高原创 2023-03-29 16:50:30 · 527 阅读 · 6 评论 -
【论文笔记】RS--基于卫星遥感的中国县级尺度小麦估产研究
RS//A Satellite-Based Method for National Winter Wheat Yield Estimating in China基于卫星遥感的中国县级尺度小麦估产研究1.摘要:本研究采用基于卫星的植被生产模型(即涡流协方差光利用效率,EC-LUE)估算全国冬小麦总初级产量,并将该模型与收获指数(地上生物量与产量之比)相结合,将估算的冬小麦产量转化为产量。具体来说,考虑到收获指数的空间差异,我们采用交叉验证的方法对县、市、省间的冬小麦收获指数进行了反演。利用实地调查和统计原创 2022-05-21 22:13:43 · 1795 阅读 · 2 评论 -
【论文笔记】RSE//结合遥感数据和气象数据改进关中平原小麦产量估算的LSTM神经网络
1.材料与方法计算植被温度条件指数(VTCI)和叶面积指数(LAI)两个遥感指标;主要采用:1km空间分辨率的LST产品、1km空间分辨率的表面反射率数据产品、空间分辨率为500m的4天MODIS LAI数据气象数据与小麦产量数据:主要采用:中国气象局测量的关中平原各县的日降水量和温度数据、陕西省农村年鉴中记录的关中平原各县2007-2017年冬小麦产量数据。研究方法:LSTM、BP和支持向量机。2.LSTM深度神经网络模型作者建立了一个用于小麦产量估算的5层深层神经网络模型,如图3所示,该模原创 2022-05-19 22:08:31 · 858 阅读 · 2 评论 -
【论文笔记】无人机结合纹理,颜色,光谱特征反演冬小麦LAI和LDM
Combining texture, color, and vegetation indices from fixed-wing UAS imagery to estimate wheat growth parameters using multivariate regression methods无人机结合纹理,颜色,光谱特征反演冬小麦LAI和LDM(叶干生物量)1.摘要:近年来,无人机系统(UASs)发展迅速,广泛应用于作物遥感(RS)。植被指数(VI)和颜色指数(CI)是监测作物中常用的RS方原创 2022-05-03 18:44:22 · 1339 阅读 · 0 评论 -
【论文笔记】Crop phenotyping in a context of Global Change: what to measure and how to do it
【论文笔记】Crop phenotyping in a context of Global Change: what to measure and how to do it全球变化背景下的作物表型:测什么&如何去做1.摘要:High-throughput crop phenotyping, particularly under field conditions, is nowadays perceived as a key factor limiting crop genetic advan原创 2021-12-10 11:21:03 · 917 阅读 · 1 评论 -
【论文笔记】Fully automated region of interest segmentation pipeline for UAV based RGB images
Fully automated region of interest segmentation pipeline for UAV based RGB images1.摘要Unmanned Aerial Vehicles (UAVs) have exhibited its potential for efficient and noninvasive crop data acquisition in high throughput crop phenotyping. In general, for an原创 2021-11-25 16:16:37 · 491 阅读 · 1 评论 -
【论文笔记】高光谱分类--融合栈式自编码与 CNN 的高光谱影像作物分类方法
【论文笔记】作物分类–融合栈式自编码与 CNN 的高光谱影像作物分类方法一、摘要:在高光谱影像作物分类中,为了充分利用高光谱遥感影像完整的光谱信息,同时避免高维数据带来的Hughes现象。从栈式自编码网络的数据降维与CNN网络的分类优势出发,首先分析了此种网络在训练过程中的共性,以自编码网络优化过程中分类器的选取作为切入点,构建了可用于高光谱影像分类的融合网络架构。Hughes现象:Hughes现象是指在高光谱分析中过程中,随着参与运算波段数目的增加,分类精度“先增后降”的现象。与多光谱相比,高光谱图原创 2021-11-04 14:49:45 · 869 阅读 · 0 评论 -
【论文笔记】:作物分类--多时相极化SAR数据的旱地作物分类研究
【论文笔记】:作物分类–多时相极化SAR数据的旱地作物分类研究单位:中国农业科学院农业资源与农业区划研究所一、摘要:1.目的:对河北省冀州市棉花、玉米、水体和建筑进行分类,比较不同时相及分类方法RADARSAT-2数据对4种地物的分类精度。2.方法:(1) 计算得到每个时相 (2018年7月14日、 8月7日、9月24日) 全极化RADARSAT-2数据的39个特征;(2) 结合随机森林分类器比较不同分解方法(Freeman 分解、Yamaguchi 分解、MCSM 模型和 Cloud 分解)原创 2021-11-01 16:47:42 · 2476 阅读 · 2 评论 -
【论文笔记】:综述--作物遥感分类研究进展
论文笔记:综述–作物遥感分类研究进展摘要:农作物精细分类是农业资源与环境监测的重要环节,提取不同作物种植信息能够为我国农业生产提供基础数据支撑。本文旨在梳理作物遥感分类关键技术的发展脉络,重点评述了分类特征、尺度问题以及分类方法3个方面的情况,最后讨论和展望了今后作物遥感分类研究的发展方向,希望提供现阶段作物遥感分类研究进展,为作物遥感研究方法的创新和改善提供理论支撑,为后续农业遥感应用提供参考。关键词: 作物分类; 特征提取; 尺度效应; 分类方法1.分类特征从单一特征趋向多特征并用,–这是有原创 2021-11-01 14:33:06 · 3095 阅读 · 2 评论 -
【论文笔记】TPH-yolov5 基于transformer的改进yolov5的无人机目标检测
TPH-yolov5–基于transformer的改进yolov5的无人机目标检测我是目录这里是原文~~添加链接描述本文在YOLOv5的基础上加入了一些新的技术,比如ViT、CBAM和一些Tricks(数据增广、多尺度测试等),最终命名为TPH-YOLOv5的目标检测器,特别擅长在无人机的目标捕捉。工作单位: 北京航空航天大学TPH-yolov5整体架构:本文的主要贡献:1.在yolov5的基础上,又增加了一个预测头来检测不同尺度的物体。2.用transformer predictio原创 2021-10-23 15:19:01 · 7293 阅读 · 3 评论 -
【笔记】目标检测以及分割的现状和挑战
【笔记】目标检测以及分割的现状和挑战计算机视觉中的基础任务*classification(分类)*object detection(目标检测)*semantic segmentation(语义分割)*instance segmentation (实例分割)*keypoint detection (关键点检测)*VQA定义:在分割中不同类用Pixel,一个mask来表示;检测:框检测。人骨架识别,动作检测;如果有一些遮挡,很难处理的比较好。检测评价指标AP(average pre原创 2021-01-02 23:47:07 · 1119 阅读 · 4 评论