[1]基于DBN与对象融合的遥感图像变化检测方法[J].计算机工程

[2]王志有,李欢,刘自增,吴加敏,施祖贤.基于深度学习算法的卫星影像变化监测[J].计算机系统应用,2020,29(1):40-48.

[3]张猛,钱育蓉,杜娇,范迎迎.基于特征整合的卷积神经网络草地分类算法[J].计算机工程与科学,2019,41(7):1251-1256.

[4]韩敏,林凯,张成坤.基于协同聚类和权重注意力稀疏自编码网络的变化检测方法[J].控制与决策,2021,36(10):2442-2450.

[5]王艳恒,高连如,陈正超,张兵.结合深度学习和超像元的高分遥感影像变化检测[J].中国图象图形学报,2020,25(6):1271-1282.

[6]基于尺度自适应卷积神经网络的人群计数算法[J].计算机工程

[7]徐胜军,欧阳朴衍,郭学源,Taha Muthar Khan.基于多尺度特征融合模型的遥感图像建筑物分割[J].计算机测量与控制,2020,28(7):214-219.

[8]申金晟,池明旻.深度先验图像特征在城市遥感大数据中的应用[J].计算机系统应用,2018,27(9):33-39.

[9]张文达,许悦雷,倪嘉成,马时平,史鹤欢.基于多尺度分块卷积神经网络的图像目标识别算法[J].计算机应用,2016(4):1033-1038.

[10]江泽涛,覃露露,秦嘉奇,张少钦.一种基于MDARNet的低照度图像增强方法[J].软件学报,2021,32(12):3977-3991.

[11]金顺楠,周迪斌,何斌,顾静军.基于多尺度特征融合与注意力机制的脊柱CT图像分割[J].计算机系统应用,2021,30(10):280-286.

[12]利用深度残差网络的遥感影像建筑物提取[J].遥感信息

[13]和超,张印辉,何自芬.多尺度特征融合工件目标语义分割[J].中国图象图形学报,2020,25(3):476-485.

[14]基于核最小噪声分离变换的高光谱遥感影像多类SVM分类[J].计算机应用与软件

[15]樊玮,周末,黄睿.多尺度深度特征融合的变化检测[J].中国图象图形学报,2020,25(4):669-678.

[16]张伟,郑柯,唐娉,赵理君.深度卷积神经网络特征提取用于地表覆盖分类初探[J].中国图象图形学报,2017,22(8):1144-1153.

[17]姚建华,吴加敏,杨勇,施祖贤.全卷积神经网络下的多光谱遥感影像分割[J].中国图象图形学报,2020,25(1):180-192.

[18]刘文,王海荣,周北京.DeepLabv3plus-IRCNet：小目标特征提取的图像语义分割[J].中国图象图形学报,2021,26(2):391-401.

[19]雷鹏程,刘丛,唐坚刚,彭敦陆.分层特征融合注意力网络图像超分辨率重建[J].中国图象图形学报,2020,25(9):1773-1786.

[20]谷雨,徐英.面向SAR目标识别的深度卷积神经网络结构设计[J].中国图象图形学报,2018,23(6):928-936.