中文版 | English

在结果中检索

OPT OpenIR

浏览/检索结果: 共5条，第1-5条 帮助

限定条件    
已选(0)清除 条数/页：   排序方式：
A Tracking Imaging Control Method for Dual-FSM 3D GISC LiDAR 期刊论文
Remote Sensing, 2022, 卷号: 14, 期号: 13
作者:  Cao, Yu;  Su, Xiuqin;  Qian, Xueming;  Wang, Haitao;  Hao, Wei;  Xie, Meilin;  Feng, Xubin;  Han, Junfeng;  Chen, Mingliang;  Wang, Chenglong
Adobe PDF(5870Kb)  |  收藏  |  浏览/下载：117/3  |  提交时间：2022/08/25
3D GISC LiDAR  dual-FSM tracking and aiming  FSM feedback decoupling  composite axis control  remote-sensing imaging  
Learning a Fully Connected U-Net for Spectrum Reconstruction of Fourier Transform Imaging Spectrometers 期刊论文
Remote Sensing, 2022, 卷号: 14, 期号: 4
作者:  Chen, Tieqiao;  Su, Xiuqin;  Li, Haiwei;  Li, Siyuan;  Liu, Jia;  Zhang, Geng;  Feng, Xiangpeng;  Wang, Shuang;  Liu, Xuebin;  Wang, Yihao;  Zou, Chunbo
Adobe PDF(10978Kb)  |  收藏  |  浏览/下载：174/4  |  提交时间：2022/03/09
Fourier transform imaging spectrometers (FTISs)  spectrum reconstruction (SpecR)  deep learning  U-Net  fully connected U-Net (FCUN)  
Difference curvature multidimensional network for hyperspectral image super-resolution 期刊论文
Remote Sensing, 2021, 卷号: 13, 期号: 17
作者:  Zhang, Chi;  Zhang, Mingjin;  Li, Yunsong;  Gao, Xinbo;  Shi, Qiu
Adobe PDF(18175Kb)  |  收藏  |  浏览/下载：159/0  |  提交时间：2021/09/18
hyperspectral image  super-resolution  deep neural networks  difference curvature  attention  
Sparse constrained low tensor rank representation framework for hyperspectral unmixing 期刊论文
Remote Sensing, 2021, 卷号: 13, 期号: 8
作者:  Dong, Le;  Yuan, Yuan
Adobe PDF(6006Kb)  |  收藏  |  浏览/下载：127/0  |  提交时间：2021/05/07
hyperspectral unmixing  low tensor rank  non-negative tensor factorization  sparse constraint  
Hyperspectral image super-resolution with self-supervised spectral-spatial residual network 期刊论文
Remote Sensing, 2021, 卷号: 13, 期号: 7
作者:  Chen, Wenjing;  Zheng, Xiangtao;  Lu, Xiaoqiang
Adobe PDF(2974Kb)  |  收藏  |  浏览/下载：169/0  |  提交时间：2021/04/21
hyperspectral image super-resolution  data fusion  spectral-spatial residual network  multispectral image  self-supervised training