Remote Sensing：武汉大学高被引文章精选 | MDPI 编辑荐读
点击左上角"MDPI开放数字出版"关注我们，为您推送更多最新研究。
本期编辑荐读精选了 2020-2021 年 Remote Sensing 期刊发表的来自武汉大学的五篇高被引文章，内容主要涉及用于图像处理的各种神经网络算法。希望能为相关领域学者提供新的思路和参考，欢迎阅读。
01
PGA-SiamNet: Pyramid Feature-Based Attention-Guided Siamese Network for Remote Sensing Orthoimagery Building Change Detection
PGA-SiamNet：用于正射遥感影像建筑物变化检测的基于注意力引导金字塔特征的孪生神经网络
Huiwei Jiang et al.
https://www.mdpi.com/2072-4292/12/3/484
文章亮点：
(1) 本文提出了一种由注意力引导的金字塔特征孪生神经网络，通过特征增强解决建筑物变化检测技术中难以提取足够特征的问题。
(2) 该网络使用金字塔中的卷积神经网络捕获可能的像素级变化区域，并通过不同数据集 (WHU 和 EV-CD) 来验证本文方法。
(3) 本文所提出的方法对于构建高分辨率正射遥感影像变化检测框架是有效的，并且各种指标均优于现有的变化检测方法。
识别左侧二维码，
免费阅读英文原文。
02
Classification of Hyperspectral Image Based on Double-Branch Dual-Attention Mechanism Network
基于双分支双注意力机制网络的高光谱图像分类
Rui Li et al.
https://www.mdpi.com/2072-4292/12/3/582
文章亮点：
(1) 为提高准确率并减少训练样本，本文提出了一种用于高光谱图像 (Hyperspectral Image, HSI) 分类的双分支双注意机制网络 ( Double-branch Dual-attention Mechanism Network, DBDA)。
(2) DBDA 中设计了两个分支来捕获 HSI 中包含的大量光谱和空间特征。此外，通道注意力和空间注意力分别应用于这两个分支优化提取的特征图。
(3) 在四个高光谱数据集上进行的一系列实验表明，本文所提出的框架具有优于由于当前最先进的算法，尤其是在训练样本信号较少的情况下。
识别左侧二维码，
免费阅读英文原文。
03
BRRNet: A Fully Convolutional Neural Network for Automatic Building Extraction From High-Resolution Remote Sensing Images
BRRNet：用于从高分辨率遥感图像中自动提取建筑物的全卷积神经网络
Zhenfeng Shao et al.
https://www.mdpi.com/2072-4292/12/6/1050
文章亮点：
(1) 本研究提出了一种被称为构建残差细化网络 (Building Residual Refine Network, BRRNet) 的深度学习网络，用于准确和完整的建筑物提取。
(2) BRRNet 由预测模块和残差细化模块两部分组成，进一步细化了预测模块的结果与真实结果之间的残差，从而提高了建筑物提取的准确性。
(3) 实验结果表明，该方法在建筑物的完整性和复杂建筑足迹的准确性方面优于其他最先进的方法。
识别左侧二维码，
免费阅读英文原文。
04
Dimensionality Reduction of Hyperspectral Image Based on Local Constrained Manifold Structure Collaborative Preserving Embedding
基于局部约束流形结构协同保留嵌入的高光谱图像降维
Guangyao Shi et al.
https://www.mdpi.com/2072-4292/13/7/1363
文章亮点：
(1) 图学习是分析高维数据内在属性的一种有效的降维 (Dimensionality Reduction, DR) 方式，已广泛应用于 HSI 数据的降维领域。
(2) 本文提出了一种被称为局部约束流形结构协同保留嵌入 (Local Constrained Manifold Structure Collaborative Preserving Embedding, LMSCPE) 的新监督谱降维方法，可刻画样本对之间的协同关系，探索 HSI 中的内在几何结构。
(3) 在三个基准 HSI 数据集上的实验表明，文中所提出的 LMSCPE 方法优于目前用于 HSI 分类的降维方法。
识别左侧二维码，
免费阅读英文原文。
05
MRENet: Simultaneous Extraction of Road Surface and Road Centerline in Complex Urban Scenes from Very High-Resolution Images
MRENet：从高分辨率图像中同时提取复杂城市场景中的路面和道路中心线
Zhenfeng Shao et al.
https://www.mdpi.com/2072-4292/13/2/239
文章亮点：
(1) 本研究使用来自 GF-2 卫星的遥感图像设计了一个包含带有手动注释图像的复杂道路场景的数据集。
(2) 提出了一个两任务和端到端的卷积神经网络，称为多任务道路相关提取网络 (Multitask Road-related Extraction Network, MRENet)，用于路面提取和道路中心线提取。
(3) 在网络设计中，使用空洞卷积和金字塔场景解析池化模块来融合多级特征，同时使用加权二元交叉熵函数来缓解背景不平衡问题。
识别左侧二维码，
免费阅读英文原文。
Remote Sensing 期刊介绍
主编：Prasad S. Thenkabail, USGS Western Geographic Science Center (WGSC), USA
涵盖遥感科学所有领域，从传感器的设计、验证和校准到遥感在地球科学、环境生态、城市建筑等各方面的广泛应用。期刊于今年被三个新的 Category* 收录。
2020 Impact Factor | 4.848 |
2020 CiteScore | 6.6 |
Time to First Decision | 18 Days |
Time to Publication | 43 Days |
*Category: Geosciences, Multidisciplinary (Q1); Environmental Sciences (Q2); Imaging Science & Photographic Technology (Q2)
识别二维码，
订阅 Remote Sensing 期刊最新资讯。
往期回顾
MDPI分学科公众号推荐
MDPI化学材料
汇集MDPI化学材料领域前沿研究成果。
MDPI工程科学
MDPI工程科学类学科平台，分享前沿科学进展。
MDPI 生物与生命科学
聚焦前沿学术，探索生物及生命科学的奥秘。
视频号
扫码关注
MDPI开放数字出版视频号
版权声明：
*本文内容由MDPI中国办公室编辑编写，一切内容请以英文原版为准。如需转载，请邮件联系：wechat@mdpi.com
由于微信订阅号推送规则更新，您可以将“MDPI开放数字出版”设为星标，便可在消息栏中便捷地找到我们，及时了解最新开放出版动态资讯！
点击左下方“阅读原文”，进入期刊主页。
喜欢今天的内容？给我们点个【在看】吧！