超像素极化合成孔径雷达影像谱聚类算法研究

针对基于像素的谱聚类计算量大、效率低,且受到影像斑点噪声影响严重的问题,该文结合极化合成孔径雷达影像的统计特性,提出了一种基于超像素的极化合成孔径雷达影像谱聚类算法。该方法首先用基于梯度分割影像的分水岭算法得到影像的初始分割;然后按区域邻接关系合并含像素个数较少的极小区域得到超像素图像;最后以超像素为基本数据单元,采用修正Wishart距离作为超像素之间的距离度量标准,通过Nystrm逼近的采样方法获得最终的分类结果。最后利用模拟数据和1991年获取的荷兰Flevoland地区L波段稻田数据验证了该算法的有效性,总体分类精度达到了98.17%。     

结合凝聚层次聚类的极化SAR海冰分割

针对全极化高分辨率合成孔径雷达(SAR)多噪声的特点,选择合适的海冰SAR影像纹理特征量,并基于凝聚层次聚类的思想,提出一种全极化SAR海冰分割方法。将该方法的结果与K-Means、迭代自组织聚类(ISODATA)和模糊C均值算法等经典分割方法相比较,发现该方法的碎斑明显减少,且分割结果较为准确,证明了该方法的有效性。     

基于均值漂移和谱图分割的极化SAR影像分割方法及其评价

提出了一种基于均值漂移和谱图分割的极化SAR(PolSAR)影像分割方法。首先,通过均值漂移算法对PolSAR影像进行过分割处理,并基于Wishart统计分布和假设检验的方法构建边缘检测器,充分利用了PolSAR影像的全极化信息提取边缘信息;然后,在过分割和边缘信息的基础上构建相似性度量矩阵,并采用归一化割准则实现PolSAR影像的分割。该算法充分利用了均值漂移算法过分割的特点,降低了谱图分割算法的运算代价,并结合谱图分割算法全局优化的优点改善了PolSAR影像的分割结果;最后,利用Radar-sat-2全极化影像进行了实验,并采用改进的分割效果评价方法实现了精度评价。实验表明,该算法有效地实现了PolSAR影像的分割,显著提高了谱图分割算法的效率,分割结果优良,分割精度优于eCognition软件中的多尺度分割方法。     

耦合知识图谱和深度学习的新一代遥感影像解译范式

在遥感大数据时代,遥感影像智能解译是挖掘遥感大数据价值并推动若干重大应用的关键技术,如何将知识推理和数据学习两类解译方法有机联合已成为遥感大数据智能处理的重要研究趋势。由此提出了面向遥感影像解译的遥感领域知识图谱构建与进化方法,建立了顾及遥感成像机理和地理学知识的遥感领域知识图谱。在遥感领域知识图谱支撑下,以零样本遥感影像场景分类、可解释遥感影像语义分割以及大幅面遥感影像场景图生成3个典型的遥感影像解译任务为例,研究了耦合知识图谱和深度学习的新一代遥感影像解译范式。在零样本遥感影像场景分类实验中,所提方法在不同的可见类/不可见类比例和不同的语义表示下,都明显优于其他方法;在可解释遥感影像语义分割实验中,知识推理与深度学习的联合方法取得了最好的分类结果;在大幅面遥感影像场景图生成实验中,知识图谱引导的方法精度明显高于基准的频率统计方法。遥感知识图谱推理与深度数据学习的融合可以有效提升遥感影像的解译性能。     

基于深度学习的高分辨率遥感影像自动变化检测

我国城市化发展迅速,地表利用信息处于不断变动中,及时掌握这些变化信息十分必要.但实际作业中,变化信息获取方式仍然以高人力成本方法,如实地外业调查或者目视遥感影像判读为主,生产效率低.因此,本文提出了一种基于语义分割的深度学习变化检测方法.首先,利用编码-解码深度卷积网络,实现遥感影像地物的自动分类;然后,利用Mean-Shift方法分割前后期影像,融合其光谱、纹理和语义信息等特征,对比前后期影像的特征差异,提取出变化置信度图;最后通过EM算法分割变化与未变化类生成二值变化图,得出变化区域范围.该方法为自动化实现地物变化监测提供了有效的解决办案,实验证明,该方法相比人工以及传统分类模型具有更好的检测精度,有效降低了内外业工作量.     

生成对抗网络框架下的极化SAR图像语义分割

针对DeepLabv3+语义分割网络难以获取极化合成孔径雷达(PolSAR)图像数据分布的问题，该文提出了一种生成对抗网络(GAN)框架下的语义分割方法。其中，GAN的生成器为轻量级复数DeepLabv3+,它能充分提取PolSAR数据的幅度和相位中所蕴含的丰富目标特征，获取精细的语义分割结果；GAN的判别器为实数多分辨卷积神经网络，它和生成器进行对抗学习后，能进一步使得语义分割后的数据分布逼近于真实标签。4个PolSAR数据集的实验结果表明，该文所提方法比DeepLabv3+和轻量级复数DeepLabv3+具有更高的平均交并比、整体精度和平均像素精度。     

几何特征与神经网络联合优化的室内三维点云语义分割方法

室内三维点云数据精准语义分割是实现深层次室内空间应用的基础。针对现有三维点云数据语义分割方法存在目标不完整和不一致的问题,本文提出了一种几何特征与深度神经网络联合优化的室内三维点云语义分割方法。该方法首先利用深度学习实现室内结构信息语义标签的初步提取,然后利用几何与颜色特征的点云分割方法对原始数据进行精确分割,最后利用概率模型将深度学习语义分割结果与几何分割结果进行交叉融合,实现语义分割结果的联合优化。基于开放数据集对本文提出的分割方法进行了精度和有效性验证,分别采用室内场景简单到复杂的三组室内点云数据进行了测试,试验结果表明,本文提出的方法能够有效提升室内三维点云语义分割精度。     

采用螺旋散射的SAR极化定标参考地物提取方法

极化合成孔径雷达观测系统获取的影像需要经过极化定标处理才能进行定量的分析与应用。当前的极化定标方案普遍采用分布式地物解算串扰和交叉极化通道不平衡误差,需要在定标前选取满足一定散射特征的分布式地物作为定标参考样本。利用螺旋散射的极化特征与分布特点,提出了一种新的极化定标参考地物自动提取方法。该方法根据极化目标分解构建螺旋散射比率特征,并采用自适应阈值分割方法自动提取地物样本。采用C波段机载极化雷达影像进行实验,结果表明,所提方法能够保持影像极化定标的准确性,并能提高极化定标的精度。     

结合BRF神经网络的全极化SAR影像分类方法研究

为了解决模糊支持向量机(FSVM)算法应用于全极化SAR影像分类而产生的聚类中心陷入局部过适应问题,本文提出了一种基于模糊分割理论结合RBF神经网络的全极化SAR影像分类方法。主要利用模糊聚类分割、极化分解、纹理特征提取等,构建待分类地物特征集,并通过SGE进行监督降维,采用降维后的待分类地物极化表征完成RBF分类器训练,实现全极化SAR影像监督分类。最终通过C波段Randsat-2全极化SAR数据进行实测检验,结果表明,该方法使得分类结果区域一致性增强,充分地保存了待分类地物细节信息。     

多尺度特征融合的建筑物及损毁语义分割

遥感影像分割作为影像信息提取过程中的关键步骤,近年来基于深度学习的影像语义分割模型已经成为影像分割的主要研究导向。文中提出一种基于深度学习的多尺度特征融合语义分割网络,用来分割遥感影像中建筑物和损毁建筑物,该网络充分利用不同尺度特征图的信息,获得更精确的分割边缘。同时探究了不同样本数量和不同网络深度对于训练得到模型分割性能的影响,对深度学习网络应用于遥感影像参数选择提供了一定经验指导。     

移动激光扫描数据的道路标线自动提取

针对道路标线三维矢量数据难以高效精确获取的问题,该文提出了一种从移动激光扫描数据中自动提取道路标线的新方法。基于平缓路面这个假设,利用邻域高程一致性的判断方法提取地面点。将地面点根据轨迹数据分割成多组剖面,对每个剖面上的点云进行强度直方图统计,找到强度值有突变的点。以此为种子点通过强度值区域生长以得到完整的标线,利用点云模板匹配的方法剔除错误点集。最后对标线点云进行矢量化得到三维矢量线。通过城市中大约2km长的移动激光点云数据的实验,证明本文提出的方法在提取道路标线方面能得到较好的结果。     

论宽角航摄仪的精度、效率与成像质量

针对影响航空摄影测量精度、作业效率和成像质量的各种因素,该文提出了内外方位元素可清晰分离的航摄仪检校场建设方法,实现了航摄仪内方位元素的高精度检校。以此为基础,设计和实践了一种满足现有航测生产要求的高性能宽角航摄仪,该设备具有旁向视场角超过80°、稳定曝光频率2Hz、自动感知飞行速度和地形高、依摄影测量规则自动决定曝光间隔等能力。数万平方千米的生产实践表明:宽角航摄仪影像色彩自然,全局纹理清晰,支持在大速高比环境下航空摄影,其综合作业效率超过当今国际品牌航摄仪2倍以上。     

影响机载激光雷达点云密度的因素分析

针对机载激光雷达设计点云密度与实际获取不一致的问题,该文从参数设计、设备性能、摄区情况和综合要求等方面讨论影响点云密度的因素,分析各个因素对点云密度的影响程度,提出了保证点云密度的一般方法。基于影响因素分析结果,该文从工程实践出发,系统性地介绍了点云密度设计思路并验证点云密度影响因素。研究结果为如何设计机载激光雷达点云密度提供参考依据,对工程项目设计和数据处理具有一定指导意义。     

超宽带与激光雷达组合的室内定位方法

针对室内及室内外过渡区域,GNSS信号受到严重影响导致的定位精度下降甚至无法定位的问题,该文提出了一种新的多传感器组合的室内定位方法。充分利用超宽带(UWB)超高的时间分辨率、良好的抗多径能力和较强的穿透能力,以及激光雷达(LiDAR)所表现在构图与定位方面主动、高效、精确的特点。使得两个系统相互作用,在复杂的室内环境下能够获得厘米级的定位结果。基于室内环境下的实测实验结果表明:无论是在非视距环境下UWB定位能力受到严重影响,还是在LiDAR定位结果出现较大发散的情况下,基于EKF的UWB/LiDAR组合定位系统都能够稳定维持厘米级的定位精度,定位结果比较接近参考轨迹。本文提出的基于EKF的UWB/LiDAR组合定位模型,实现了复杂室内环境下的高精度定位。     

卷积神经网络在大规模图像分类中的应用

针对大规模无序图像分类处理中成对图像的匹配和几何验证的计算量大的问题,该文通过研究和学习机器学习及图像识别领域先进的方法,提出了一种基于孪生神经网络的大规模图像有序化方法。该算法主要是:通过抽取已训练好的VGG19的网络模型的卷积层作为图像的特征,将提出的特征分别加权后,连接起来,再次卷积和池化,利用响应函数判定图像之间连通性,实现对输入图像对连通性判定。经实验证明,该算法可有效地识别具有场景重叠的图像对,效率和精度上也有所提高,无须执行详尽的推定匹配和几何验证,适用于运动恢复结构,图像连接等各种场景。     

一种适用于航空影像的无参考模糊探测方法

针对侧风、强风、湍流等飞行环境容易造成航空影像运动模糊,严重影响航空影像质量,同时航空影像数据量大,手动挑选模糊影像费时费力的问题,为了提高航摄内业人员的工作效率,该文研究一种适用于航空影像的自动模糊探测方法,以主流的无参考再模糊算法Reblur和无参考结构清晰度算法NRSS为基础,结合航空影像具有丰富地物的特点,对影像进行分块处理,计算所有字块的Reblur和NRSS模糊探测值,最后得到整幅影像的模糊探测值。其中,再模糊算法通过计算待测影像和参考影像的水平和垂直运动方向上的灰度变化来评价图像模糊度;NRSS算法在结构相似度SSIM算法基础上加入梯度信息提取和高斯滤波等改进,通过计算结构相似度评价图像模糊度。实验结果表明,该文研究的无参考模糊影像探测方法适用于航空影像数据,其评价结果与人眼主观评价结果具有较高的一致性,能够准确地缩小模糊影像的查找范围,极大地提高了航摄内业效率。     

一种基于蓝牙的室内定位导航技术

为解决GNSS定位技术的“最后一公里”问题,室内定位近年来成为定位领域的研究热点。为了满足室内定位和导航服务的需要,该文采用iBeacon信标节点,设计了一种蓝牙技术为基础的室内定位系统。利用不同AP对位置的影响差异,实现空间分割以自动构建指纹数据库,结合用户的运动状态实现室内定位。研究结果表明:该文的定位方案在500m2的室内环境下,定位精度优于2m,完全可以满足日常定位导航功能。     

市域尺度货物运输碳排放时空变化及因素分析

针对货物运输导致碳排放成为温室气体主要来源之一的问题,该文综合货物运输车辆的微观温室气体排放及时空变化,从市域尺度分析货物运输碳排放的时空变化规律。利用微观排放模型计算了2000年、2005年、2010年和2015年全国286个城市货物运输碳排放的空间分布及其变化,并应用地理加权回归模型探究城市化不同层面因素对碳排放时空分布变化的影响。结果表明:货物运输碳排放具有显著的空间集聚特征,且高排放地区的集聚规律更加显著;地理加权回归模型精度明显高于普通线性回归模型,经济变量、人口变量、货运强度变量与货物运输碳排放存在显著正相关关系。该研究可为中国各市级区域制订节能减排政策提供量化的科学依据。     

接收机天线相位中心改正对IGS/IGMAS站的影响

针对天线相位中心改正影响GPS数据解算以及处理软件不能识别接收机天线类型的问题,该文提出了利用近似型号的天线进行数据处理的方法。首先利用IGS站精确确定天线相位中心改正对数据解算造成的影响,再利用IGMAS站验证方法的可靠性。该文选取部分IGS、IGMAS站的数据,利用GAMIT软件进行试验并分析。结果表明,当不使用天线相位改正模型时,增大了单天基线解的NRM_S值,并增加15.5%的基线误差,对精密定位能带来平均2cm的影响;当将处理软件不识别的天线换成近似能识别的天线时,基线解效果要比不使用天线改正效果好,水平和垂向的定位精度均在3.9mm左右,比使用原装能识别天线的定位精度稍差。该方法既保证了精度,也较为简单快捷。     

自然资源管理辅助决策服务平台设计与实现

针对目前自然资源业务信息化中存在的问题,该文利用“互联网+”技术,依托“一张图”核心数据库,提出了构建自然资源管理辅助决策服务平台。探讨了系统的架构设计,明确了系统的关键技术难点,分析了系统实施方案和自然资源的辅助决策功能。该系统能有效地提升自然资源数据应用的深度和广度,支撑科学决策和对外服务水平。