先进的机器学习技术在遥感智能解释

计算技术的进步促进了新的和强大的机器学习技术的发展,展示了有前景的结果在范围广泛的应用程序。遥感(RS)的大量数据可用性,它是具有挑战性的手动或检测特定的土地覆盖分类。聪明的解释RS图像的目标是使用先进的机器学习技术加上地质知识关注融合大量的遥感数据,提高遥感应用深度。聪明的解释方法,如机器学习和深度学习最近显示可能克服的挑战遥感信号,图像和视频处理。本研究课题旨在收集和突出最近最先进的技术在这一领域的杰出贡献。

本研究课题的重点是最近的机器学习算法的发展,图像处理技术,大数据集成,以提高基于ai遥感应用。

评论文章或意见方法或应用程序包括每个欢迎的优点和局限性。这个主题包括帮助推动科学技术和最新的方法。这个集合的贡献将接受同行审查。新奇的可能不同,但方法的实用程序或协议必须明显。我们欢迎贡献覆盖遥感智能解释的各个方面。

但不限于,以下话题特别感兴趣的:

1)基于深度学习遥感处理:
•分类、分割、不混溶;
•目标/异常检测、变化检测;
•多模型(全色、多光谱、高光谱、激光雷达SAR)数据融合,融合分类。

2)基于深度学习遥感的应用:
•大气和生态监测;
•精准农业;
•机载实时应用程序。

关键字:智能解释、遥感、深入学习、图像处理、地球观测数据,Knowledge-guided机器学习

重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。