SOKKIA NET05全站仪自动目标识别精度测试与分析

介绍了SOKKIA NET05全站仪自动目标识别功能的特点,分析了影响全站仪观测精度的误差来源。在多种观测条件下,对仪器自动目标识别精度进行了全面的测试和分析,与人工照准精度进行了比较,并对仪器自动目标识别夜间观测精度进行检测。结果表明,在正常观测条件下,仪器自动目标识别精度较高,且测值稳定。     

基于面向对象的高分辨率影像专题信息提取

利用面向对象的分类方法对高分辨率影像上的水体、植被、建筑物以及道路进行了自动提取;对自动提取结果进行了精度评价:水体和植被的用户精度在90%以上,建筑物和道路中心线的用户精度在70%以上;并分析了影响信息提取精度的因素。     

地物自动转绘中的影像匹配及精度控制方法

遥感影像判绘是地形图测绘中的一项重要工作,目前应用地物自动转绘技术是提高其作业效率的一个重要手段。其中,影像匹配是地物自动转绘中的关键技术,影像匹配的精度直接关系最终的转绘精度。为保证最终转绘结果满足精度需求,本文针对地物自动转绘中的影像匹配及精度控制展开研究,将一种迭代加密构网的匹配策略应用到地物自动转绘中,并提出了一种基于双阈值策略的匹配精度控制方法。通过对天绘一号卫星影像进行试验的结果表明,该方法在满足作业精度要求的情况下有效提高了作业效率。     

行政界线属性精度的软件自动检查方法

介绍了行政界线属性精度自动检查的必要性,分析了属性精度的质量元素、质量特点和常见错误,探讨了属性精度自动检查的程序实现方法,并介绍该方法在广东省行政界线采集与建库项目中的应用情况.实践证明该方法是有效的,可显著提高检查效率,确保成果质量.     

自动化全站仪在高层建筑基坑变形监测中的应用

在对自动全站仪自由设站观测原理进行认真分析研究后,利用TC 2003高精度自动全站仪的自由设站加极坐标法对某高层建筑的一级基坑进行变形监测,通过监测结果精度分析,验证了自动全站仪在建筑物变形监测中的快速、准确性.     

基于栈式自动编码器的高分辨率遥感影像分类

针对遥感影像分类识别中,属性特征过多不仅会造成维数灾难,而且会影响分类精度的问题,本文采用基于栈式自动编码器的面向对象的分类方法解决高分辨率遥感影像的分类精度问题.文中对自动编码器的重构特征质量、栈式自动编码器的深度以及隐层单元数对分类精度的影响进行了试验分析,并将该分类方法与传统的影像分类方法进行比较,研究其分类精度的优劣性.定量分析与实验结果表明:栈式自动编码器能够获得较好的重构特征,与其他传统的面向对象的遥感影像分类方法进行比较,取得了最好的分类效果.     

基于自动照准全站仪的精密三角高程测量代替二等水准测量的研究与应用

随着测绘新技术的发展及高精度自动照准全站仪的出现,传统高程传递的作业模式具备了改进的空间,本文对基于自动照准全站仪的精密三角高程测量代替二等水准测量方法进行了深入研究,经理论推导、精度分析和实际应用,基于自动照准全站仪的精密三角高程测量成果完全满足国家二等水准测量精度要求。     

一种自动空中三角测量系统的概念、实现和结果

本文描述了了种基于软拷贝的自动空中三角测量系统。这种系统能自动构成区域网图形,自动选定网点并且对网点进行了子像素级精度的匹配。     

基于Landsat-8和Sentinel-1A辽东湾海冰分类研究

为研究辽东湾海冰类型特征,文中基于2016年2月9日的Landsat-8和Sentinel-1A数据,结合多光谱、归一化植被指数(NDVI)构建CART自动决策树(CART Automatic Decision Tree),并用灰度共生矩阵(GLCM)统计Sentinel-1ASAR数据的纹理信息特征,对比传统监督分类并验证两种遥感图像海冰分类精度。研究指出:对Landsat-8数据,基于CART自动决策树的分类精度最高,总精度达81.68%;而Sentinel-1ASAR数据,基于最大似然分类的总精度为73.88%,相比于CART自动决策树,其能获得更高的海冰分类精度。分析本研究可知,基于光学数据的CART自动决策树在海冰类型识别中占优,而最大似然分类在SAR数据中对海冰类型的识别度较好,本文为辽东湾海冰监测与预报提供了一种有希望的技术手段。     

一种检验自动陀螺经纬仪精度的方法探讨

根据国内自动陀螺经纬仪在使用和检定方面还没有一个完善的指标和规范的现状,联系最新的测量规范,探讨了一种检验仪器精度的方法并且通过试验进行验证。结果表明,针对自动陀螺经纬仪提出的内、外精度符合检验方法有可行性,在应用过程中可以采用这种方法对自动陀螺经纬仪进行简单的鉴定。     

改进分水岭方法下的遥感图像水体提取

针对当下全球的水域环境监测中水体提取不完整、与周围地物区分错误等问题，以山东潍河为研究对象，提出了一种改进分水岭分割方法。首先提取目标水体的光谱信息分量作为前景图，然后将膨胀后的水体对象作为背景图，利用前景图与背景图叠加生成标记图，最后利用标记图通过分水岭变换对原图像进行分割以实现水体信息的自动提取。本文将试验结果与OpenCV中手动标记种子点的分水岭算法、基于Canny边缘的分水岭算法、结合形态滤波和标记的分水岭分割方法结果进行了对比。结果表明，本文算法比用种子点手动标记的方法更加自动化，提取的水体更加完整准确；相比于Canny边缘方法又避免了过度分割；比结合形态滤波标记的方法也更加完整准确，目标水体明显，对于水体提取是一种自动化的有效方法。     

Sentinel-3 OLCI数据的内陆湖泊有机悬浮物浓度遥感估算

有机悬浮物OSM (Organic Suspended Matter)是湖泊有机碳库的重要组成成分,对研究湖泊生态环境和初级生产力具有重要意义.本研究以太湖、巢湖、涌湖、小兴凯湖、滇池、洪泽湖、呼伦湖和南漪湖8个内陆湖泊为研究区,发展了适合内陆水体的有机悬浮物浓度遥感估算方法.基于B6、B7波段的斜率和B10、B11波...     

基于GF-5高光谱特征分析的水体提取方法研究

针对山区水体、山体阴影与裸地等地类光谱混淆性,基于高分五号(GF-5)影像数据,结合高光谱特征分析构建了山区水体决策树提取模型. 先对水体和相关干扰地类进行高光谱特征分析实现特征波段选取,应用单波段阈值法、多波段谱间关系法、归一化水指数(NDWI)法进行提取实验. 通过比较以上实验不足之处,提出了单波段阈值法与构建的阴影水体指数(SWI)相结合的决策树水体提取模型,以Google Earth高清影像为参考结合实地采样得到的混淆矩阵进行精度评价. 实验结果表明:单波段阈值法与NDWI法易将山体阴影识别为水体,受裸地影响较小;多波段谱间关系法对山体阴影有一定抑制作用,受小面积裸地影响;决策树提取模型能有效抑制山体阴影和裸地影响提取完整水体. 其总体精度为89.39%,Kappa系数为0.82,显著提升了山区水体提取精度.      

高分一号卫星遥感影像提取冰川堰塞湖水体方法比较

快速准确地从遥感影像提取冰川堰塞湖水体信息,是研究冰坝遥感监测与应急监测的核心热点问题。以GF-1卫星遥感影像为主要数据源,采用归一化差分水体指数(NDWI)、改进阴影水体指数(ENDWI)和面向对象(SVM)对克亚吉尔冰川堰塞湖水体进行定量提取。比较分析3种水体判识方法,3种方法均可以提取完整的水体边界,并且抑制了90%以上的非水体信息。NDWI法和ENDWI法可应用于GF-1地表水体提取,能够满足冰坝水体监测与应急监测需求,但面向对象法最适宜GF-1影像的水体信息准确提取。     

面向海洋应用的无人机遥感图像配准研究

在海洋应用中,大面积水体的同名点匹配相比陆地更加困难,制约了无人机遥感图像的配准精度和收敛速度。本文提出了一种改进算法适用于海洋无人机遥感应用,采用主成分分析（PCA）和水体阈值方法去除水体,获得图像中非水体区域的分块图像,然后利用仿射-尺度不变特征变换算法（ASIFT）进行图像的特征点提取和重叠图像非水体区域的同名点匹配。通过海岛、海岸线的无人机遥感试验结果表明,基于改进算法,在不增加时间开销的情况下,可以增加30%~50%的同名点数量,精度提高约5%~10%。文中方法适应用于海洋无人机遥感的序列图像配准,为海岛、海岸线的遥感监测提供了有效的技术支持。     

基于GF-1遥感数据的城市水体信息提取方法研究

水体信息的高精度提取是水资源监测、调查与管理等研究领域的关键问题。本文选取国产GF-1卫星影像作为数据源,根据影像中典型地物光谱特征采用归一化水体指数法(NDWI)、多波段谱间关系法对研究区进行了水体提取,并通过结果分析提出了基于主成分分析与多尺度分割技术的综合水体信息提取方法。对以上4种方法进行对比分析,验证结果表明:归一化水体指数法易受阴影信息影响;改进的多波段谱间关系法能较为完整地提取水体信息,但受小范围阴影信息影响;主成分分析综合法总体精度较高;多尺度分割提取法能有效地分离水体信息与非水体信息,水体信息提取的效果最佳。     

利用BP神经网络提取TM影像水体

常用的水体提取方法需要设定阈值,而阈值的选择通常需要反复实验才能确定。为克服这一不足,本文提出了一种基于BP神经网络和光谱特征的水体自动提取方法。首先在TM影像中提取水体样本光谱信息、谱间关系、归一化差异水体指数以及缨帽变换(K-T变换)的第三分量(TC3)特征,然后将这4个特征作为BP神经网络的训练输入参数,最后利用训练好的网络对水体进行提取。对长沙市区TM影像进行水体提取,发现该方法组合了其他方法的优点,在不设置阈值的情况下,得到了更好的水体提取效果。     

基于BP神经网络的遥感影像分类研究

BP神经网络具有收敛速度快和自学习、自适应功能强的特点,能最大限度地利用样本集的先验知识,自动提取合理的模型。本文采用Landsat TM遥感图像作为数据源,以山西省定襄县为研究区,通过主成分分析方法来压缩输入数据,并结合NDVI和纹理特征来建立BP神经网络的土地利用分类模型,将分类结果与基于光谱单元信息的神经网络分类和基于纹理特征的神经网络分类结果进行定性和定量比较分析。结果表明:该方法总精度达到了80.50%,分别比基于光谱单元信息的神经网络分类和基于纹理特征的神经网络分类提高了18.89%和6.23%,能够有效地解决地物光谱混淆、分类精度不高等问题。     

基于阈值分割与决策树的SAR影像水体信息提取

目前我国的GF-3 SAR数据可实现全天时全天候的对地观测,已服务于海洋、减灾、水利、气象等多个领域。改进了基于阈值分割法与决策树的GF-3 SAR影像水体信息提取方法,首先对GF-3 SAR影像进行基本处理;再采用KI二值化阈值分割法进行图像分割;然后通过构建知识决策树模型来提取水体信息,为了提高精度,采用GDEM数据进行地表建模,提取山体阴影;最后利用空间分析功能将地形建模阴影图与提取的水体范围进行匹配,去除山体阴影,进而获得水体信息的精确范围。通过混淆矩阵计算得到水体信息提取的总体精度为89.22%,Kappa系数为0.71,精度优于基于光学GF-2号影像的水体指数法提取结果。整个流程人工干预少,具有自动化更强、效率更高的优势。     

结合E-YOLO和水体指数约束的大面幅影像水利设施检测

水利设施对水资源与水量调度、自然湿地生态保护与修复、资源和生态功能的利用及经济效益发展有重要作用。传统方法统计水利设施位置、数量等依赖于汇编资料,存在耗时长、资料更新不够及时以及具体地理位置不详等缺点,遥感为大规模监测水利设施提供了新的可能。本文以YOLO v3网络为基础,结合水利设施的特点,提出了一种基于大面幅影像快速检测水利设施的算法,主要分为两个方面：（1）改进的YOLO算法（E-YOLO）。E-YOLO提出PPA特征融合方法和等比预测框与四特征图交叉预测方法,对小样本等问题进行优化;改进损失函数,突出置信度损失;同时使用迁移学习的方法,读取特征提取部分的预训练模型参数。（2）基于E-YOLO算法和水体指数约束的大面幅水利设施检测算法。通过水体指数约束滑动步幅来解决影像面幅大、目标尺度小的问题,同时降低漏检率和误检率,再结合轮廓合并方法,优化检测结果。本研究中采用高分二号影像数据实现大面幅影像水利设施检测,实验结果表明：E-YOLO算法可以明显提高水利设施检测效果,相比平均F2精度相比YOLO v3提高了1.25%。且有更好的稳定性;水体指数约束的大面幅检测方法可以在保证效率的情况下提高检测精度,其F2精度相比大步幅和小步幅方法分别提高了3.72%和2.70%,为遥感水利设施检测提供了良好方案。