XiaoMi-AI文件搜索系统
World File Search System卫星图像
人工智能对智能手机照片和卫星图像临时序列的影响：uma ab
原始接收： 23/11/2023 公共授权： 26/12/2023 Margareth Simões Doutora em Geografia Instituição： EMBRAPA Solos e Universidade do Rio de Janeiro (UERJ) Endereço： R. Jardim Botânico, 1024, Jardim Botânico，里约热内卢 – RJ，CEP：22460-000 电子邮件：margareth.simoes@embrapa.br Rodrigo Peçanha Demonte Ferraz Doutor em Ciências Ambientais Instituição：EMBRAPA Solos Endereço：R. Jardim Botânico，1024，Jardim Botânico，里约热内卢 – RJ, CEP: 22460-000 电子邮件: rodrigo.demonte@embrapa.br Patrick Calvano Kuchler Doutor em Ciências Ambientais Instituição: Universidade do Estado do Rio de Janeiro (UERJ) Endereço: R. São Francisco Xavier, 524, Maracanã, Rio de Janeiro – RJ, CEP: 20550-900 电子邮件：geocalvano@gmail.com Matheus Benchimol Ferreira de Almeida Doutor em Ciências do Meio Ambiente Instituição：EMBRAPA Solos Endereço：R. Jardim Botânico，1024，Jardim Botânico，里约热内卢 – RJ，CEP： 22460-000 电子邮件： mateusbenchimol@hotmail.com
生成合成生成对抗网络的基于改善清晰度的多光谱卫星图像
摘要。合成的多光谱卫星图像的产生尚未达到其他领域中可达到的质量水平，例如面部图像的产生和操纵。难度的一部分源于需要在此类图像覆盖的整个电磁频谱上生成一致的数据，该图像的辐射分辨率高于多媒体应用中通常使用的图像。与不同波长相对应的图像带的不同空间分辨率提出了其他问题，其主要效果是相对于原始图像，在合成图像中缺乏空间细节。我们建议通过将样式传输应用于13波段Sentinel-2 Level1-C图像，明确认为基于生成的对抗网络的建筑可以生成合成卫星图像。为避免丢失更细的空间细节并改善生成的图像的清晰度，我们引入了一种类似Pansharpening的方法，从而将输入图像的空间结构转移到了样式转移的图像的情况下，而无需引入可见的文物。我们通过应用所提出的架构将贫瘠的图像转化为植被图像，反之亦然，从而得到的结果（res。冬季）图像进入冬季（res。夏季图像，确认了提出的解决方案的有效性。
一个单级分类器，用于检测GAN操纵多光谱卫星图像
摘要：当前的图像生成模型已经实现了非常现实的图像质量，提供了许多学术和工业应用。但是，为了确保这些模型用于良性目的，必须开发最终检测图像是否已合成生成的工具。因此，已经开发了几个在计算机视觉应用中表现出色的检测器。但是，这些检测器不能直接应用，因为它们是多光谱卫星图像，因此需要对新模型进行训练。虽然两类分类器通常达到高检测精度，但它们努力将图像域和与训练过程中遇到的形象不同的生成体系结构推广。在本文中，我们提出了一个基于量化量化的变异自动编码器2（VQ-VAE 2）功能的单级分类器，以克服两类分类器的局限性。我们首先要突出二进制分类器所面临的概括问题。通过在多个多光谱数据集中训练和测试有效网络架构来证明这一点。然后，我们说明，基于VQ-VAE 2的分类器，该分类器仅在原始图像上进行了培训，可以检测来自不同领域的图像，并由训练过程中未遇到的体系结构生成。最后，我们在同一生成的数据集上的两个分类器之间进行了面对面的比较，强调了基于VQ-VAE 2的检测器的出色概括能力，在使用vQ-ve-vae 2的探测器时，我们在使用蓝色和红色通道的0.05误报率为1时以1.05的误报率进行了检测。
PulseSatellite：一种利用人机反馈回路进行人道主义背景下的卫星图像分析的工具
简介 在处理冲突和人道主义危机时，准确及时的卫星图像分析是支持实地关键行动的关键。使用案例包括监测人口流离失所、绘制定居点地图、评估损害、与侵犯人权相关的火灾探测、交通网络损坏、评估洪水或确定地震、火山、气旋和山体滑坡的直接影响（Lang 等人，2015 年）。在这些情况下，提供决策重要信息的自动化流程必须经过仔细验证和调整以实现最佳性能，因为误报可能会危及人类生命。虽然存在几种通用卫星图像分析工具，但很少有工具是针对人道主义用例设计和优化的。PulseSatellite 是一种借助神经网络分析卫星图像的工具，它试图在模型推理过程的不同阶段加入人机交互，以在人道主义背景下实现最佳结果和专家验证。用于实施和部署 PulseSatellite 的概念框架此前已在 (Quinn et al. 2018) 中提出。
使用内部灰度方差和数字表面模型从卫星图像中自动检测建筑物
摘要 自动建筑物提取最近被认为是遥感操作中的一项活跃研究。它已经进行了 20 多年，但由于图像分辨率、变化和细节级别，自动提取仍然遇到问题。由于物体密度高和场景复杂，这将是一个更大的挑战，尤其是在城市地区。本文将介绍一个高分辨率全色图像的理想框架，有助于可靠和准确的建筑物提取操作。提出的框架以及对领域知识（空间和光谱特性）的考虑提供了诸如场景中物体的性质、它们的光学相互作用及其对结果图像的影响等特征。为了更好地分析场景的几何性质，我们使用数字表面模型 (DSM)。已使用来自 IKONOS 和 QuickBird 卫星的各种图像对提出的算法进行了评估。结果表明，与最先进的方法相比，所提出的算法准确且有效。
《银河系生物学家指南：利用人工智能》和非常高分辨率的卫星图像监视来自太空的海洋哺乳动物
1东北渔业科学中心，国家海洋渔业服务，NOAA，伍兹霍尔，马萨诸塞州02543，美国2海洋哺乳动物实验室，阿拉斯加渔业科学中心，国家海洋渔业服务，NOAA，西雅图，西雅图，华盛顿州98115； kim.goetz@noaa.gov 3 British Antarctic Survey, High Cross, Madingley Road, Cambridge CB3 0ET, UK 4 Microsoft AI for Good Research Lab, 1 Microsoft Way, Redmond, WA 98052, USA 5 Naval Research Laboratory, Naval Center for Space Technology (NCST), Washington, DC 20375, USA 6 School of Engineering, University of Edinburgh, Sanderson Building, Robert史蒂文森路（Stevenson Road），国王大楼，爱丁堡EH9 3FB，英国7地球与环境学院，坎特伯雷大学，坎特伯雷大学，克赖斯特彻奇8140，新西兰8140，明尼苏达州明尼苏达州的地球与环境科学系8140美国国家海洋渔业服务公司NOAA，AK NOAA，AK 99513，美国 *通信：Christin.khan@noaa.gov;电话。： +1-617-256-4452
使用夜间卫星图像评估沙特阿拉伯住宅太阳能屋顶潜力：利雅得市的研究
© 版权所有 2019 阿卜杜拉国王石油研究中心（“KAPSARC”）。未经 KAPSARC 适当授权，不得使用本文件（及其所含的任何信息、数据或材料）（“文件”）。未经 KAPSARC 书面许可，不得全部或部分复制本文件。KAPSARC 不作任何明示或暗示的保证、陈述或承诺，也不承担任何直接或间接的法律责任，也不对文件中所含任何信息的准确性、完整性或实用性负责。文件中的任何内容均不构成或暗示构成建议、推荐或选择。本出版物中表达的观点和意见均为作者的观点和意见，并不一定反映 KAPSARC 的官方观点或立场。
最终计划 www.isprs2012.org
自北京会议以来的 4 年里，图像信息科学和技术取得了许多进展。现在，世界各地的人们都经常使用在线卫星图像服务来导航、探索新地方和规划行程。我们现在拥有用户可以为“空间和位置”图像和地图数据库做出贡献的系统；例如，众包数据现在是灾难响应规划中不可或缺的一部分。如今，小型卫星的发射成本仅为早期成像计划的一小部分，使小国能够以可承受的价格获得多光谱卫星图像。这项技术只会继续改进，使高分辨率卫星图像和相关空间信息无处不在。
Prithvi Foundation的云间隙刺激...
在多光谱卫星图像中填充多云的像素对于准确的数据分析和下游应用程序至关重要，尤其是对于需要时间分配数据的任务。为了解决此问题，我们将基础元素变压器（VIT）模型的性能与基线条件生成对抗网络（CGAN）模型进行了比较，以在多型卫星图像的时间序列中缺少价值插补。我们使用现实世界云面具随机掩盖了卫星图像的时间序列，并训练每个模型以重建缺失的像素。VIT模型是根据预处理的模型微调的，而CGAN则是从头开始训练的。使用定量评估指标，例如结构相似性指数和平均绝对误差以及定性的视觉分析，我们评估插补准确性和上下文保存。