图像跨尺度特征融合与数据增强的公交客流检测模型

针对目前公交客流目标检测中由于前后排乘客图像尺寸差距大、遮挡严重而难以检测的问题,提出一种改进的目标检测模型YOLOv5s＿P。该模型基于YOLOv5基本架构,针对乘客图像尺寸差距大的问题,使用重复加权双向特征金字塔网络结构替换YOLOv5中的路径聚合网络结构,引入权重机制双向跨尺度融合不同特征,增强提取复杂目标特征的能力;同时针对遮挡问题,结合Mixup数据增强方法,扩充遮挡和重叠图像的训练样本,提高模型泛化能力,减少客流图像残缺导致的漏检。为了验证YOLOv5s＿P模型性能,将其应用于实际公交场景,并与Faster R-CNN、SSD300、RetinaNet、YOLOv5s 4种模型进行对比测试。实验结果表明,YOLOv5s＿P模型在不影响检测速度的情况下,平均精度均值达到96.9%,平均漏检率较YOLOv5s模型降低了3.43%,提高了公交客流的检测精度。     

基于改进YOLOv5的无人机影像道路裂缝检测方法

道路裂缝的出现对道路使用寿命和人车安全带来明显影响,需及时检测出道路裂缝。针对无人机影像中裂缝目标小、图像背景复杂导致检测精度低等问题,本文以无人机采集裂缝图像作为研究数据,提出了一种改进YOLOv5模型的深度学习道路裂缝检测方法。在YOLOv5模型骨干网络中分别加入CBAM、SimAM、CA注意力机制,提高模型对裂缝的识别能力及检测精度,通过消融试验进行对比分析,同时在YOLOv5模型上融入自适应空间特征融合算法,改善裂缝特征提取能力。研究表明,改进后的YOLOv5网络模型相比于原模型,精度得到明显提高,均值平均精度(mAP)提升20.6%,在保证准确性的同时有效提高了检测精度,可为道路裂缝检测提供新的方法。     

光线追踪遮挡检测算法

遮挡检测是真正射影像制作中关键的一步。本文根据光线追踪法遮挡检测的原理,将TIN数据分为基本面三角网和墙面三角网分别进行遮挡检测,对格网数据则采用光线与DSM表面的高程差值的变化规律来确定遮挡关系,从而得到改进的遮挡检测算法。实验证明改进后的算法能够准确地检测出复杂建筑物的遮挡区域。特别是格网数据的光线追踪遮挡检测更简单、更有效。     

洪水淹没分析中的自适应逐点水位修正算法

洪涝灾害损失评估是防洪减灾科学决策的基础,其中洪水淹没分析是准确提取洪水淹没范围、水深及历时等灾情信息的关键。洪水淹没分析主要采用数字高程模型数据,由于DEM的格网分辨率与高程精度有限,常出现异常的洼地或平地,导致难以可靠地计算每个格网点处的流向,而传统方法采用统一高程的洼地填平处理又使得容易出现洪水演进过程中复杂起伏地形水面爬坡以及平坦地形水位断流的问题,为此提出顾及流速和淹没时间的自适应逐点水位修正算法,即在DEM坡面流模拟的基础上,根据洪水水流特性、地形、边界变化、水流速度、水深变化以及淹没点的淹没时间,计算水位修正值,对洪水演进过程中每个格网点的水位进行修正,采用多种地貌类型的DEM数据进行试验,证明洪水演进的淹没范围、水深及历时的实时计算结果准确可靠,可为快速评估灾害损失与防洪决策服务提供更为科学的依据。     

卫星测高数据监测青海湖水位变化

为了验证Cryosat-2/SIRAL数据监测湖泊水位的能力,提高其提取湖泊水位变化的精度,以青海湖为研究对象,利用主波峰重心偏移法、主波峰阈值法、主波峰5-β参数法、传统重心偏移法、传统阈值法和传统5-β参数法6种算法对Cryosat-2/SIRAL LRM 1级数据进行波形重跟踪,提取青海湖2010—2015年湖泊水位,对比不同算法获取水位的精度,并结合Envisat/RA-2 GDR数据,延长水位变化时间序列,获得青海湖2002年—2015年的水位变化信息。结果表明,主波峰5-β参数法提取湖泊水位的精度最好,均方根误差为0.093 m;对于GDR产品中LRM模式的3种数据,基于Refined OCOG算法的数据更适合湖泊水位的提取;青海湖2002年—2015年水位整体上涨,水位平均变化趋势为0.112 m/年,年内水位变化呈现明显的季节性。     

兼顾内陆水体水位时空变化特性的合成孔径雷达波形重跟踪算法

合成孔径雷达(SAR)测高技术已被广泛运用于内陆水位监测中,但内陆水域回波复杂,需要波形重跟踪精化才能获取有效水位。内陆水域SAR高度计回波通常包含多个子波形,重跟踪的主要思路是寻找最优子波形,在特定条件下可以获得较合理水位,但在复杂水域或小水体中容易出现最优子波形筛选错误导致水位异常。传统最优子波形筛选主要是基于沿轨或外部数据约束下进行,而本文提出一种不使用外部数据、兼顾了内陆水体水位时间变化连续且空间变化平稳特性的重跟踪算法SaTCoM,首先对波形进行插值平滑,有效提高子波形识别准确度;然后对所有周期沿轨子波形水位集合进行时间向滤波得到参考水位序列;最后将沿轨子波形水位划分为若干区间并将子波形水位“放入”最近区间,在参考水位波动约束下,根据表征沿轨水位空间稳态特性的指标函数,选择最优水位区间子波形水位计算最终水位。选择我国区域68个大中小型水体的水文站实测数据作为验证,对其附近的哨兵-3A/3B/6A卫星SAR回波数据,分别使用SaTCoM算法、OCOG、ICE1、阈值法和MWaPP+算法重跟踪后进行了比较。结果表明,SaTCoM算法所得内陆水体水位与实测数据不符值RMSE为0.3...     

一种基于改进YOLOv3的遥感影像飞机目标检测算法

针对遥感影像场景复杂,飞机目标尺寸小、特征不明显的问题,提出一种基于改进YOLOv3的遥感影像飞机目标检测算法。首先对YOLOv3的特征提取网络的结构进行改进,并将网络的检测尺度由3个扩展至4个,提高小目标的检测率;其次采用线性加权的非极大值抑制算法,降低排列交错紧密的小目标的漏检率;最后在本文设计的数据集上将该算法与YOLOv3进行对比实验。结果表明,改进后的算法对复杂背景下的小尺寸飞机目标的检测准确率和召回率均有明显提升,验证了本文算法的有效性和鲁棒性。     

基于World Wind的鄱阳湖水位动态变化仿真系统研究

World Wind是由美国宇航局(NASA)开发的三维地理信息系统,也是一款可提供丰富数据的数字地球平台,如何将多源数据实现紧密型二三维耦合是基于World Wind开发专业系统需要解决的重要问题.在.NET开发环境下,以World Wind为仿真内核,开发了水位仿真系统,研究了二三维数据耦合技术,实现了环鄱阳湖生态经济开发区的湖区与航道淹没分析和三维漫游.结果表明,仿真系统流畅地实现了任意点地形高程、水位、水深和航道级别等信息的实时查询,仿真了不同控制水位条件下的鄱阳湖区淹没范围,仿真结果能够服务于鄱阳湖水利枢纽的水位调控决策;该仿真系统在湖泊干旱特征水位等确定中也具有重要的应用价值.     

湖盆数据未知的湖泊动态库容遥感监测方法

针对现有库容遥感监测方法对无湖盆数据区域的湖泊动态库容难以直接测算问题,提出了未知湖泊水下地形数据的遥感湖泊动态库容监测方法。该方法通过多源遥感数据,匹配相对时相的湖泊面积和水位信息,构建并模拟湖盆DEM数据,据此来估算湖泊的动态库容。在算法实现上,首先采用分布迭代水体提取从遥感影像提取湖泊的多期动态边界;其次,从ICEsat GLAS激光测高数据中反演出湖泊的动态水位高程;第三,依据时间水位信息,通过邻近时相匹配,将水位高程赋给湖泊边界线,生成湖泊等水位线;第四,通过等水位线构建TIN(triangulated irregular network)和Kriging插值,得到模拟湖盆数字高程模型;最后,依据模拟湖盆DEM和水体面积分布、水位信息,计算湖泊动态库容。试验通过对博斯腾湖的多年动态库容监测与真实性检验,结果显示:最大误差为2.21×108 m3,最小误差为0.000 02×108 m3,平均误差为0.044×108 m3,均方根为0.59,相关系数达到0.99。     

越南海防市近岸海洋水位变化特征分析

目的 利用越南海防市沿海地区HONDAU验潮站52a的潮汐观测资料,采用基本统计方法和潮汐调和分析法研究该地区海洋水位变化特征。结果显示:该地区海平面、潮差均呈现上升趋势,年变化率分别是1.89mm/a、3.07mm/a;对采样间隔为1h的潮位连续观测数据作调和分析,得到调和常数的时间序列,分析显示各主要分潮的调和常数均为时变量,且与周期性(3～5a)ElNino和LaNina现象相关;余水位年上升率是1.76mm/a,平均增、减水位分别是12.48cm和-13.36cm。增、减水位持续时间小于24h的累积频率分别是95.5%和93.3%,增减水位持续时间大于48h的只占1%～2%。绝对余水位值小于50cm的占大多数,大约99%,增减水位绝对值大于100cm的只占0.1%左右。     

采用极值法计算贝加尔湖水位变化

以贝加尔湖为例,利用Jason-1测高卫星7年(2002—2008)、Jason-2测高卫星8年(2009—2016)的波形数据,采用极值法对波形进行重定,计算贝加尔湖水位异常时间序列。通过重定前后提取的湖面水位时间序列与4个实地测量站数据进行对比,发现波形重定前后的卫星测高水位变化数据与测量站数据差值的平均值能提高2 cm左右,波形重定后标准差相较波形重定前能提高40%左右,表明采用极值波形重定算法能显著提高卫星测高数据精度,可以作为一种计算波形改正数的方法。     

基于航空影像的真正射制作技术

数字真正射影像(True Digital Orthophoto Map,TDOM)作为测绘产品中的重要内容,在纠正的同时考虑了地物的可见性,消除了建筑物遮挡及影像自身阴影现象,真正意义上兼备了纹理信息与几何精度.从而在国情普查、变化监测、市政规划建设中发挥了重要的作用.在分析传统正射与真正射理论区别的基础上,对真正射数据获取、核心算法、产品制作等的难点进行了探讨与总结.并提出了基于高程约束的(Semi-Global Matching,SGM)遮蔽检测算法,较好地解决了TDOM遮挡及边缘锯齿状情况.     

一种改进顶帽变换与LBP高程纹理的城区建筑物提取算法

利用LiDAR数据的建筑物提取存在植被点与建筑物点难以区分的问题,利用航空影像进行城区建筑物提取则无法有效剔除阴影区域植被。本文融合LiDAR和航空影像两种数据源,提出了改进顶帽变换及局部二进制模式(LBP)高程纹理分析的建筑物提取算法。首先将LiDAR数据进行规则格网化,通过改进顶帽变换提取地面数据点,然后根据航空影像计算归一化差值植被指数(NDVI)值进行植被粗提取,计算LBP高程纹理,精细区分植被点与建筑物点,最后利用形态学操作填充建筑物孔洞,以检测出的建筑物点为种子点进行区域生长,得到完整的建筑物点集合。试验基于ISPRS提供的Vaihingen数据集中复杂多植被城区场景,试验结果表明,本文算法能够有效区分植被与建筑物,实现建筑物准确提取。     

深度学习遥感影像多尺度油罐检测算法性能分析

遥感影像中油罐目标尺度变化大,小目标较多,影响其检测性能。为探究影像缩放对各网络油罐检测的影响以及油罐目标尺寸对于检测结果影响的规律,选择经典的5种深度学习目标检测算法,包括FRCNN、RFCN、SSD、YOLOv3和RetinaNet算法,对不同尺度油罐目标的检测精度、泛化能力和运行效率等进行了对比分析和实验验证。实验结果表明,RetinaNet和RFCN算法的平均精度和泛化能力最好;YOLOv3算法的速度最快。不同算法都有所谓的最佳检测尺寸窗口,通过对检测影像适当地缩放可以使待检测目标尺寸落入最佳窗口,从而提高油罐目标检测的精度。同时,对基于深度学习的遥感影像多尺度油罐检测算法提出了改进的建议。     

基于改进YOLOv7的道路目标检测方法

针对现有方法在道路场景中实施目标检测时存在对小目标检测精度低、泛化性能不佳等问题,提出一种基于YOLOv7的改进方法。在特征融合结构中,引入通道注意力机制来抑制更多负样本参与特征学习,同时在融合层末端输出四个尺寸的特征图,以强化对小尺寸目标的检测精度;使用改进K均值聚类（K-means++）算法生成与真实目标宽高更贴合的锚点框,让模型在训练前期快速收敛;最后在检测输出端使用软性非极大值抑制算法,精准检测重叠度较高的目标。以开源中国交通标志数据集（CCTSDB）与腾讯-清华100K(TT100K)数据集混合构建训练与测试数据集,实验结果表明,与原始YOLOv7相比,改进后模型在mAP@0.5、mAP@0.5:0.95指标上分别提升7.9%与5.6%,同时检测速度仅有少量下降,但仍能完成实时检测,同时在不同场景下保持性能稳定,充分证明了本文所提方法能够在复杂道路场景下开展多类目标的快速精准检测。     

基于卡尔曼滤波算法的卫星导航高精度定位方法

为保证卫星导航的定位精准性,降低定位误差,提出基于卡尔曼滤波算法的卫星导航高精度定位方法。该方法采用支持向量机分类卫星导航信号,获取信号中不含伪距的直达信号,依据该信号获取终端接收机的三维空间坐标;将该坐标和接收机的时钟偏差以及频率漂移作为核心,采用改进的卡尔曼滤波算法获取终端接收机的位置坐标,即卫星导航的定位结果;并采用粒子群算法优化卡尔曼滤波算法获取的定位结果,以此提升卫星导航定位精准性。测试结果显示：该方法具有较好的应用性能,在X、Y、Z三个方向上的定位误差结果均在5 m以内;高程定位误差均在3.5 m以内,可精准完成导航载体所在位置的定位,掌握导航载体的运动轨迹。     

三峡库水位变化过程中的地壳垂直形变与重力变化监测

监测三峡库水位变化过程中的地壳垂直形变和重力变化,对三峡水库的安全运行和区域地质灾害监测防治等具有重要意义。本文从直接计算、实际测量和综合解算3个方面研究了三峡库水位变化过程中地壳垂直形变和重力变化。基于资源三号卫星影像提取的水体数据,结合水位数据,直接计算了三峡水库蓄放水从145~175m每隔5m的影响,地壳垂直形变最大可达30mm,对重力影响超过20μGal(1Gal=10~(-2) m/s~2)的范围距离长江中心线约2km内。库区较近的巴东CORS站(ES13)能够实际测量到库水位变化过程中的地壳垂直形变。由于目前三峡库区的CORS站和重力台站数量较少,分布不均,还不能满足紧密跟踪三峡库水位变化过程中的监测需求。利用三峡地区26座CORS站和部分重力台站数据,基于负荷形变理论和球谐分析方法,综合解算了库水位变化过程中的地壳垂直形变和重力变化,与实际CORS监测结果一致。通过对比分析发现,基于CORS站网的综合解算,能够有效提升对库水位变化过程中的地壳垂直形变和重力变化的监测能力。     

PDR+BLE融合的室内实时定位方法

由于导航卫星信号在室内被遮挡,室内定位技术逐渐成为泛在导航定位领域的研究热点。行人航迹推算(PDR)和低功耗蓝牙(BLE)定位是惯性定位和射频信号定位的常用定位手段,PDR定位连续稳定但存在累积误差,BLE定位无误差累积但定位精度较差。为此,本文面向室内复杂环境行人自主定位需求,对PDR和BLE的实时融合定位展开了研究。首先针对PDR误差累积问题,提出了BLE临近校正PDR的改进算法;然后针对BLE定位粗差大的的问题,提出了基于扩展卡尔曼滤波(EKF)的自适应抗差PDR+BLE融合定位算法。试验结果表明,相比传统算法,BLE临近校正PDR算法定位精度提高了19%,基于EKF的自适应抗差融合定位精度提高了21%,定位精度和稳定性都有显著提升,在室内定位领域中具有较高的适用性和可扩展性。     

顾及图像亮度特征的自适应视觉SLAM定位方法

针对眩光/阴影等复杂光照干扰场景视觉定位鲁棒性较低的问题，该文提出一种顾及图像亮度特征的自适应视觉同时定位与地图构建(SLAM)定位方法。该方法基于ORB-SLAM2算法进行改进，通过在ORB-SLAM2前端利用图像平均亮度阈值法检测光照干扰图像，并对其进行饱和度增强，从而得到有利于ORB特征提取的图像。该文利用TUM数据集与KITTI数据集验证了所提方法的可靠性，并与原ORB-SLAM2和ORB-SLAM3算法进行了对比实验。实验结果表明，该文方法的定位精度优于其他两种算法，有效提升了复杂光照场景中视觉定位的鲁棒性。     

一种用于RSS提取的改进粒子滤波算法

针对室内WiFi指纹位置定位中取RSS的平均值作为其定位特征值在室内环境的复杂性和动态性不能准确地反映RSS信号真值的问题,以及卡尔曼滤波和粒子滤波算法等用于RSS信号的提取只针对线性噪声或非线性噪声中的一种,在室内动态多变、干扰复杂多样的环境下鲁棒性不理想的问题,结合卡尔曼滤波和粒子滤波,提出一种用于RSS提取的改进的粒子滤波算法。给出了算法实现的步骤,并且在不同地点不同环境条件(静态环境和动态环境)下分别进行了指纹定位在线端的数据采集实验。实验结果表明:基于改进粒子滤波的RSS提取算法的定位精度和鲁棒性均优于均值算法、卡尔曼滤波算法、粒子滤波算法等已有算法。