文献名/代码开源/推荐

研究类型

数据集

对象

实验环境

实验方法

亮点

Target-based automated matching of multiple terrestrial laser scans for complex forest scenes/(否)（3）

复杂森林

本文方法、自采

竹林

软硬结合

本文提出了一种基于目标的复杂森林场景无序多视图自动配准方法。

首先根据其强度值和模型约束识别RRT。然后根据规则几何约束关联所有扫描，并生成初始网络。在两两配准之后，该方法使用姿势图方法将所有扫描转换为一个公共坐标系，并剪除图中的假连接。

在最后一步，该方法考虑欧氏距离和模型适应度，以获得局部最优解。

所提出的方法允许我们在捕获数据后生成复杂森林场景的点云模型，而无需任何人为干预。此外，该策略通过识别RRT、预测的重叠区域和生成的初始扫描网络，提高了效率和网络收敛性。

A deep translation (GAN) based change detection network for optical and SAR remote sensing images（否）（4）

地面变化检测

Gloucester I data set

Gloucester II data set

California data set

Shuguang village data set

洪水

洪水

洪水

村落

软件

提出了一种用于光学和SAR遥感图像的基于深度转换（GAN）的CD网络DTCDN。

首先利用图像转换来减少异质遥感图像的差异，然后利用改进的deep网络来检测两个时期之间的变化。光学和SAR遥感在四种不同数据集上的实验结果证明了该方法的有效性。

将光学与SAR遥感图像相结合从而提高网络的各项精度指标

GRNet: Geometric relation network for 3D object detection from point clouds（否）（2）

3D目标检测

indoor RGB-D datasets

室内物品

软件

在本文中，将对象点之间的几何特征描述为对象内特征，将不同对象之间的关系特征描述为对象间特征。基于这两个特征，我们提出了一种基于三维目标检测的端到端点云几何关系网络，称为几何关系网络（GRNet）。

GRNet首先使用我们提出的主干网络为每个代表点提取对象内和对象间特征。

然后，提出了一个具有可扩展损失函数的集中模块，将每个具有代表性的对象点集中到其中心。

接下来，在提案特征池操作之后，从这些移位点采样提案点。

最后，应用对象关系学习模块预测包围盒参数。

实现了高精度的室内3D物品检测

Reconstruction of lines and planes of urban buildings with angle regularization（否）（2）

建筑重构

VGG

CASIA

各类建筑

软件

本文提出了一种基于角度正则化的线平面重构方法。该方法首先通过卷积神经网络（CNN）学习平面间的角度来进行LS匹配。角度正则化用于纠正不可靠的LS匹配，并逐步推断出不匹配的3D LSs。然后，在统一的优化框架下，通过合并几何约束、图像特征以及平面和角度规则性项，对生成的三维LSs和平面进行全局正则化。

利用角度正则化来纠正错误的LS匹配，并逐步探索潜在的3D LSs和不匹配LSs的平面。这大大提高了线平面重建的完整性。

文献名/代码开源/推荐

研究类型

数据集

对象

实验环境

实验方法

亮点

Multi-task fully convolutional network for tree species mapping in dense forests using small training hyperspectral data（否）（4）

树林

a southern region of Brazil

树木

软件

本文提出了一种从稀疏和稀少的ITC样本集训练FCN的新方法，用于热带地区等茂密森林冠层中的树种分类。提出了一个部分损失函数来训练多任务网络，该网络使用辅助任务进行距离映射回归，以提高语义分割性能。

本文提出了一种从稀疏和稀少的ITC样本集训练FCN的新方法，结果表明，与单个任务相比，包含补充任务的语义分割性能提高了11%以上的用户准确率和7%以上的生产者准确率

Urban scene understanding based on semantic and socioeconomic features: From high-resolution remote sensing imagery to multi-source geographic datasets（否）（4）

城市地区

multi-source geographic data

urban districts of Wuhan and Macao in China

建筑

软件

本文提出了一种基于多源地理数据的通用城市场景理解框架。为了改善传统的基于HRS图像的场景分类方法中的镶嵌现象和场景单元的语义缺陷，采用OSM道路网数据为场景单元提供空间约束。在场景特征提取过程中，结合HRS图像和POI两种数据源，利用它们的互补优势。为了建立城市场景理解的基准，将该框架应用于基于不同场景分类模型从HRS图像中提取的多个语义特征，包括BoVW和FSSTM提取的中层特征和ResNet-50提取的高层特征。使用频率统计、KDE-D和KDE-E从POI中挖掘社会经济特征。通过结合语义特征和社会经济特征，生成全面的城市场景描述。

该框架可以有效地获取大面积的城市场景理解图。城市场景理解反映了城市功能区的空间分布和变化信息，为解释城市区域的特征差异和发展过程提供了一种途径。该框架的实际应用价值意味着它可以用于快速增长的城市的可持续城市发展和规划。

High-accuracy continuous mapping of surface water dynamics using automatic update of training samples and temporal consistency modification based on Google Earth Engine: A case study from Huizhou, China（否）（4）

水

Landsat data

地表水

软件

在本研究中提出了一种利用RD自动更新时态训练样本的方法。结合所有陆地卫星图像和GEE平台中的RF分类器，我们迅速完成了惠州1986年至2020年的长时间序列地表水测绘。基于连续的长期地表水序列和年内水信息，我们提出了时间一致性检测和标签修改规则，以有效地修改地表水的异常变化，同时捕获真实的洪水/干旱事件。

克服了传统训练样本采集方法耗时的问题，实现了高精度地表水分布制图

Live fuel moisture content estimation from MODIS: A deep learning approach（否）（4）

植被

Globe-LFMC（contiguous U.S.）

植物含水量

软件

提出了一种基于时间CNN的MODIS图像LFMC估计方法和一些易于获取的辅助参数。

1）估算的精度与现有方法的精度相当

2）经过训练的模型无需在CONUS中进行任何进一步的训练或校准即可使用

3）无需事先提供植被类型的信息。

本研究首次将深度学习应用于LFMC估计，作为美国大陆日常LFMC映射的一个步骤，为LFMC估计提供了一个有希望的替代方案，无需先验知识、繁琐的物理建模和反演过程。

Mapping salt marsh along coastal South Carolina using U-Net（否）（3）

地图绘制

SC coastal wetlands

modified 2006 HRLC map in the NIWB

C-CAP land cover map

湿地

软件

在这项研究中使用U-Net并开发了一种自适应深度学习方法，从20幅Sentinel-2A和B图像中绘制美国南卡罗来纳州（SC）河口湿地的全州盐沼地图。考虑到沿海环境的空间异质性，对南卡罗来纳州的两个NOAA国家河口研究保护区（NERR）进行了检查，北湾湾入口（NIWB）NERR用于模型训练，ACE盆地NERR用于测试。为培训过程下载了NIWB中的高分辨率土地覆盖图。在精度评估期间，使用了NERR记录的地面参考点以及谷歌地球。

本研究细化了SC海岸低沼泽和高沼泽分布的土地覆盖细节。由于U-Net的计算能力，利用多时相图像减轻了季节性和潮汐对沼泽分类的影响。有了可用的图像，本研究开发的深度学习方法可以很容易地在其他沿海地区采用。

Discriminating Xylella fastidiosa from Verticillium dahliae infections in olive trees using thermal- and hyperspectral-based plant traits (否)（3）

树木病变

olive orchards

真菌

细菌

软件

本研究提出了一种三阶段机器学习算法，用于区分Vd感染和Xf感染，使用了2011年至2017年间意大利和西班牙27个橄榄园受Xf和Vd疫情影响的一系列数据集。植物性状来源于航空高光谱和热成像，包括来自辐射传输模型反演、太阳诱导荧光发射的生理指标(SIF@760)作物水分胁迫指数（CWSI）和一系列窄带高光谱指数。

使用组合的Vd和Xf数据集，证明了一种三阶段机器学习算法成功地区分了感染。区分Vd感染树和Xf感染树的光谱特征是蓝色指数B、结构参数LIDF和类胡萝卜素含量Cx+c. 三阶段机器学习算法可用于区分橄榄树感染，准确识别感染源（Vd或Xf），尽管两种木质部入侵病原体引发的症状高度相似。

Robust deep alignment network with remote sensing knowledge graph for zero-shot and generalized zero-shot remote sensing image scene classification（是）（5）

场景识别

UCM

AID

NWPU-RESISC45

RSI-CB256

PatternNet

各种类型数据

软件

本文充分利用遥感领域的特点，从无到有地构造了一个新的遥感知识图（RSKG），以支持对不可见遥感图像场景的推理识别。

为了提高面向RS的场景类别的语义表示能力，本文提出了通过RSKG的表示学习生成场景类别的语义表示（SR-RSKG）。

为了在视觉特征和语义表示之间实现鲁棒的跨模态匹配，本文提出了一种新的深度对齐网络（DAN），该网络具有一系列精心设计的优化约束，可以同时处理零镜头和广义零镜头RS图像场景分类。

实验表明，推荐的SR-RSKG明显优于传统的知识类型（例如，自然语言处理模型和手动注释的属性向量），在零镜头和广义零镜头遥感图像场景分类设置下，与现有方法相比，我们提出的DAN具有更好的性能。

Mapping the condition of macadamia tree crops using multi-spectral UAV and WorldView-3 imagery（否）（3）

地图绘制

Bundaberg region

坚果树

软硬结合

这项工作的目标是开发和测试一种方法，利用多光谱无人机（UAV）和WorldView-3图像，为澳大利亚邦达伯格附近的不同澳洲坚果品种和三个不同地点绘制单个澳洲坚果树冠的状况图。使用基于所有可用光谱带和选定植被指数的随机森林分类器预测五种条件类别，从优良（1类）到较差（5类）。结果表明，在大多数情况下，多光谱WorldView-3图像产生的带外（OOB）分类错误最低。

使用多光谱无人机和WorldView-3图像，采用机器学习方法绘制澳大利亚坚果树冠的状况图。开发了一系列模型结构，以测试在不同时间和不同澳洲坚果品种之间应用这些模型的能力。结果表明，多光谱无人机和WorldView-3图像与随机森林分类器和合适的训练数据相结合，可以提供一种在个体树冠水平上评估澳洲坚果树状况的方法。

Unsupervised semantic and instance segmentation of forest point clouds（否）(3)

森林

international TLS benchmarking project

各类型树木

软件

在这项工作中，解决了森林点云的语义和实例分割问题。

具体来说，提出了一种基于超点图结构的无监督管道，以同时执行两项任务：单株隔离和叶木分类。

所提出的方法不受森林类型的限制假设。分类精度且有提高。

文献名/代码开源/推荐

研究类型

数据集

对象

实验环境

实验方法

亮点

Iterative near-infrared atmospheric correction scheme for global coastal waters（否）（2）

海洋

radiative transfer

SeaSWIR

Valente2019

悬浮颗粒

叶绿素

软件

为了使传感器在没有SWIR波段的情况下获得可靠的浑浊沿海水域数据，本文在传统的ACnir框架的基础上提出了一种改进方案。对合成数据集和现场数据集进行分析，以将吸收系数和后向散射系数的生物光学模型扩展到高浊度水域。利用叶绿素-a（[Chla]）和SPM（[SPM]）的浓度来估计近红外波段的离水贡献。

所提方法可以更好的分析高浑浊度海域

Long time-series remote sensing analysis of the periodic cycle evolution of the inlets and ebb-tidal delta of Xincun Lagoon, Hainan Island, China（否）（2）

潮汐

Landsat-5 TM image

Landsat-8 OLI image

涨落潮

软件

本研究利用1962年至2018年的长时间序列遥感数据，研究中国海南岛新村泻湖落潮三角洲的演变。观察到四次浅滩沙洲决口和潮汐进口迁移事件，并记录了相应的落潮三角洲周期性变化特征。还提出了落潮三角洲周期演化的概念模型。

本研究的结果可以提高对周期性浅滩沙洲决口和潮汐进口迁移过程和驱动因素的现有理解，也可以增加沿海泻湖-潮汐进口系统的安全营养。

Mapping PM2.5 concentration at a sub-km level resolution: A dual-scale retrieval approach（否）（3）

空气质量

Chengdu

Beijing

Wuhan

Guangzhou

Shanghai

PM2.5

软件

为了充分利用不同尺度的信息，本文提出了一种双尺度检索方法。

在第一阶段，利用大尺度上影响PM2.5浓度的变量进行粗分辨率的PM2.5反演。

然后，在第二阶段，在更精细的尺度上影响PM2.5分布的变量用于进一步的高分辨率PM2.5反演（亚千米级分辨率），从第一阶段反演的低分辨率PM2.5也作为输入。

在本研究中，采用四种不同的回归模型来测试双尺度检索方法在日尺度和年尺度上的性能：多元线性回归（MLR）、地理加权回归（GWR）、随机森林（RF）和广义回归神经网络（GRNN）。

提出的双尺度反演方法能够以更高的分辨率和精度实现PM2.5的成图。双尺度检索可以利用不同尺度的信息，从而提高分辨率和检索精度。

Estimating offshore oil production using DMSP-OLS annual composites（否）（2）

海洋石油

Statistical Review of World Energy

International Energy Statistics

石油产量

软件

提出了一种利用DMSP-OLS年度复合物反演海洋石油产量时空分布的方法。

首先提出了一种平台类型分类（MPTC）方法来区分石油平台和天然气平台。

然后，通过将石油平台的亮度总和与海上石油产量相关联，设计了石油产量估算和分配模型（MOPEA）。

采用遥感方法进行平台类型分类和石油产量估算。开发了两种方法（MPTC和MOPEA，基于探索海洋平台DMSP-OLS年度复合响应的时空特征，能够提供海洋石油开采的位置和生产信息。

文献名/代码开源/推荐

研究类型

数据集

对象

实验环境

实验方法

亮点

SUM: A benchmark dataset of Semantic Urban Meshes（否）（3）

半自动标注

Helsinki (Finland)

城市

建筑

软件

首先使用了一组手工制作的功能和一个随机森林分类器来生成预先标记的数据集，这节省了大约600小时的体力劳动。然后，开发了一个网格标签工具，允许用户在三角形面和线段级别以交互方式细化标签

这项工作的贡献有三个方面：（1）一个新的语义城市网格基准数据集，（2）一个新的半自动标注框架，（3）一个三维网格标注工具。

Complete and accurate data correction for seamless mosaicking of airborne hyperspectral images: A case study at a mining site in Inner Mongolia, China（否）(3)

高光谱图像

自采，内蒙古

矿区

软硬结合

提出了一种新的机载高光谱图像无缝拼接数据校正方法。

首先，在实验室对可见光、近红外（VNIR）和短波红外（SWIR）传感器进行了标定，并利用积分球系统建立了传感器的辐射标定模型。

然后，结合BRDF效应和辐射衰减系数建立校正函数。

还根据飞行条标准化了曝光时间、太阳高度角和传感器高度角。

该方法能够消除信号失真，可以对研究区域内不同日期和条件下拍摄的37幅条状图像进行无缝拼接。

A simple and effective method for removing residual reflected skylight in above-water remote sensing reflectance measurements（否）（3）

残差反射去除

In situ Rrs spectra

Secchi disk depth

水面

软件

提出了一种简单的方法，只需要原位Rrs谱本身作为输入，以进一步消除原位Rrs谱中的Δ效应。使用模拟数据和使用带有黑管的辐射传感器（无Δ原位Rrs）测量的原位Rrs光谱评估了所提出方法的性能。

该方法优于现有的其他方法，适用于各种类型的水域。例如，从两个模拟实验可以看出，所提出的方法可以提供准确的Rrs光谱

UAVid: A semantic segmentation dataset for UAV imagery（是）（5）

无人机数据集

UAVid dataset,自采

城市建筑

软硬结合

在本文中，我们介绍了我们的UAVid数据集，一种新的高分辨率UAV语义分割数据集作为补充，它带来了新的挑战，包括大规模变化、移动对象识别和时间一致性保持。我们的UAV数据集由30个视频序列组成，这些视频序列在斜视图中捕获高分辨率图像。总共有300幅图像被密集地标记为8类，用于语义标记任务。我们提供了几种预训练的深度学习基线方法，其中提出的多尺度扩张网络通过多尺度特征提取表现最好，达到了平均联合交叉（IoU）分数约50%。我们还通过利用特征空间优化（FSO）和三维条件随机场（CRF），探索了时空正则化对序列数据的影响。

创建了一种全新的使用无人机采集的城市数据集，并使用网络进行分类。

文献名/代码开源/推荐

研究部位

数据集

对象

实验环境

实验方法

亮点

A novel skyline context descriptor for rapid localization of terrestrial laser scans to airborne laser scanning point clouds（否）（3）

自然场景

Residence

Street

Campus

Suburban

Highway

住宅

街道

大学

郊区

高速

软件

本文提出了一种新的基于天际线上下文的方法。

首先，提取ALS中的地面点作为潜在的TLS位置，并生成相应的天际线上下文。在此基础上，建立了基于三维天际线的k-d树，用于搜索TLS扫描的粗定位。

最终的细化通过修剪迭代最近点算法（T-ICP）完成。5个不同ALS大小的数据集和100多个TLS扫描用于评估所提出方法的性能。对于一个平均点距为0.1m的ALS数据，平均定位精度达到0.13m左右。

该方法能很好地实现TLS扫描到ALS点云的自动定位，具有精度高、适应性强等优点。