联合空-谱信息的高光谱影像深度三维卷积网络分类

针对高光谱影像分类高维和小样本的特点,提出一种基于深度三维卷积神经网络的高光谱影像分类方法。首先,该方法直接以高光谱数据立方体为输入,利用三维卷积操作提取高光谱数据立方体的三维空-谱特征。然后,利用残差学习构建深层网络,提取更高层次的特征表达,以提高分类精度。最后,采用Dropout正则化方法防止过拟合。利用Pavia大学、Indian Pines和Salinas 3组高光谱数据进行试验验证,结果表明,与支持向量机和现有的基于深度学习的高光谱影像分类方法相比,该方法能有效提高高光谱影像的地物分类精度。     

利用深度卷积循环神经网络的高光谱影像空谱特征分类方法

针对高光谱影像分类问题,提出了基于深度卷积循环神经网络的高光谱影像空谱特征分类方法.首先将高光谱数据立方体看作一组特征序列;然后利用深度卷积循环神经网络构建特征序列的依赖关系,并采用"预训练+微调"的训练策略对深层网络模型进行训练,从而使得所设计的深层网络在训练样本较少的情况下也能得到更加充分的优化.在Pavia大学和Indian Pines数据集上的试验结果表明,构建的深度卷积循环神经网络的分类精度比RNN方法分别提升了9.49％和5.8％.     

一种联合空谱特征的高光谱影像分类胶囊网络

高效稳定的深度学习分类器有助于提升高光谱遥感影像的分类精度。针对卷积神经网络标量式神经元特征表达能力有限、无法有效建模特征之间空间层次结构关系的不足，设计了一种考虑数据图谱合一特性的端到端高光谱胶囊网络(H-CapsNet)。H-CapsNet主体由编码器(卷积层、PrimaryCaps层及DigitCats层)和解码器(全连接层)组成，通过在网络输入端嵌入通道和空间注意力模块，以此增强模型对空谱特征的抓取和识别，进而提升网络对特征的聚焦和表达能力。以资源一号02D卫星获取的张家港高光谱影像及公共数据集University of Pavia和University of Houston影像为例进行试验，将H-CapsNet网络与传统机器学习算法和多个深度学习网络进行对比。试验结果表明，在3景不同分辨率的高光谱影像上，H-CapsNet分类网络均取得了最优的分类效果，总体精度相较于其他方法分别提升了2.36%～7.67%、0.16%～11.8%和1.75%～15.58%。H-CapsNet网络对小像素邻域具有较好的适应性，当图像块尺寸有限时，仍可以取得相对理想的分类结果。     

利用胶囊网络实现高光谱影像空谱联合分类

卷积神经网络等深度学习模型已经在高光谱影像分类任务中取得了理想的结果.然而,由于传统神经元只能进行标量计算,现有的深度学习模型无法对高光谱影像特征的实例化参数进行建模,因此无法在邻域范围受限的条件下获得令人满意的分类效果.通过引入胶囊网络结构设计了一种新型网络模型,该模型利用胶囊神经元进行向量计算,并利用权重矩阵编码特...     

高光谱影像分类的深度少样例学习方法

针对高光谱影像分类面临的小样本问题,提出了一种深度少样例学习算法,该算法在训练过程中通过模拟小样本分类的情况来训练深度三维卷积神经网络提取特征,其提取得到的特征具有较小类内间距和较大的类间间距,更适合小样本分类问题,且能用于不同的高光谱数据,具有更好的泛化能力。利用训练好的模型提取目标数据集的特征,然后结合最近邻分类器和支持向量机分类器进行监督分类。利用Pavia大学、Indian Pines和Salinas 3组高光谱影像数据进行分类试验,试验结果表明,该算法能够在训练样本较少的情况下（每类地物仅选取5个标记样本作为训练样本）取得优于传统半监督分类方法的分类精度。     

改进的残差3D-CNN的高光谱遥感影像分类

针对高光谱遥感影像分类中空间特征和光谱特征利用率低问题，该文综合三维卷积神经网络、谷歌神经网络和残差神经网络的优势，提出融合改进Inception模块的残差三维卷积神经网络高光谱遥感影像分类方法。改进后的Inception模块包括4条不同的卷积层分支，用以提取蕴涵在高光谱遥感影像中多尺度的特征；利用了3D卷积核代替2D卷积核能直接同时提取高光谱遥感影像中更丰富的空-谱特征；通过残差结构连接分支提取特征缓解了梯度消失的问题，提取更深层次的特征。实验表明，该文算法不仅提高了条状和线状地物区域的边缘分类准确率，对小目标的分类能力也得到了增强。     

高分遥感影像双通道并行混合卷积分类方法

高空间分辨率遥感影像拥有丰富的空间细节信息和多光谱信息。研究表明,二维卷积神经网络适于提取空间信息,而三维卷积神经网络更适于提取光谱信息。为了更好地利用空谱信息,本文提出一种双通道并行混合卷积神经网络(DPHCNN)方法,充分联合二维与三维卷积神经网络在空谱信息提取上的优势,同时引入混合注意力机制、多尺度卷积增强空间细节特征的提取能力,实现高分影像的精准分类。试验中利用高分二号影像数据集进行验证,与当前先进的深度学习分类方法相比,本文提出的DPHCNN方法在保证分类精度高、分类效率较好的同时,能在多时相影像分类中保持最高的稳健性,在综合评价上更具优势。     

改进残差网络及时序气象卫星云图的台风等级分类研究

结合了传统残差网络在数据样本小环境下分支卷积层特征的浪费问题，且考虑台风云图时空关联性强、特征复杂因素，参考日本国立情报学研究所在西北太平洋上空通过数个气象卫星拍摄的8 000多景高分辨率台风云图，编制了适应于残差神经网络的时序台风云图分类训练集和测试集。为满足数据集及台风特征，有效优化了原始残差网络的残差块，并得到了恒等映射残差块。经由增加卷积输出来促进分支通路更好的被利用，保留台风图像时序特性，提高网络性能。实验显示，W-ResNets模型在自建台风数据集上的训练精度达到99.60%,测试精度达到76.19%,相较于浅层卷积神经网络的测试精度高出8.48%,相比于使用传统的残差神经网络提高了2.87%,为进一步验证模型的泛化性能，采用MNIST通用数据集进行网络对比实验，宽残差网络得到98.786%的测试精度，优于传统残差网络。文中的W-ResNets预报模型可在小样本台风数据集推广使用。     

基于多尺度形变特征卷积网络的高分辨率遥感影像目标检测

传统的基于滑窗搜索和人工设计特征相结合的目标检测方法难以适用于海量高分辨率遥感图像的目标检测任务。本文提出了一种基于多尺度形变特征卷积网络的目标检测方法,利用可形变卷积网络对具有尺度和方向变化的遥感图像目标进行特征提取,然后对多层残差模块提取出的形变特征进行区域预测和鉴别。具体模型包括两个子网络：①目标区域预测子网络用于从多层深度特征图提取目标候选区域;②目标区域鉴别子网络用于对目标候选区域进行分类和位置回归。本文在光学卫星图像10类目标数据集上对比了多种基于深度学习的目标检测算法,并将训练好的模型用于谷歌地球影像飞机坟场数据集和高分2号、吉林1号数据集的评估,试验结果表明本文方法能够快速准确地对多类目标进行检测,具有较好的稳健性和迁移性。     

光谱可形变卷积驱动的高光谱图像分类

基于卷积神经网络的高光谱图像分类是当前的研究热点,先后发展了空洞卷积、可形变卷积等先进模型。然而,现有可形变卷积只在空间维偏移,忽略了高光谱图像光谱之间的差异信息。为此,本文将可形变卷积从空间维扩展到光谱维,设计了光谱可形变卷积,提出了光谱可形变卷积网络SDCNN（Spectral Deformable Convolutional Neural Network）。首先,利用全连接层学习光谱可形变卷积的偏移量,采用线性差值对图像光谱维进行特征校准;其次,采用多层1×1卷积进行光谱维特征聚合;最后,使用三维卷积层提取光谱?空间联合特征。不同于空间可形变卷积,光谱可形变卷积只在光谱维上进行偏移,可以为不同类别选择更合适的特征波段,提升模型的判别性。在国际通用测试数据Indian Pines、University of Pavia以及University of Houston上进行了实验,结果表明：本文提出的SDCNN方法优于其他深度学习方法,在相同样本条件下取得了更高的分类精度,总体精度达到了98.86%（Indian Pines,10%/类）、99.81%（University of Pavia,5%/类）以及97.41%（University of Houston,50个/类）,验证了该方法的有效性。     

基于Skyline三维实景模型在三维GIS中的应用——以晋江三维实景地理信息系统为例

随着计算机和倾斜摄影技术的迅速发展,三维实景地理信息系统为用户提供了更丰富的地理信息、更友好的用户体验以及低廉的成本,应用前景广阔。鉴于此,本文探讨了以Skyline平台为基础建立晋江市三维实景地理信息系统的数据建模和实现方法。     

基于 Skyline 的三维地理信息系统设计与应用

随着计算机和三维数据获取、动态可视化技术、虚拟现实、倾斜摄影的迅速发展,三维GIS逐步从视觉表现的应用范畴走向专题应用。三维GIS已经成为当前GIS界的研究发展方向,应用前景广阔。鉴于此,本文探讨了以Skyline平台为基础建立三维地理信息系统平台的关键技术、系统架构、数据建模以及实现方法。     

城市3维模型构建方法研究与实现

3维模型的构建是城市3维地理信息系统建设的核心。介绍了基于现有数据资料制作城市3维模型的工艺流程,重点研究了利用城市大比例尺3维DLG数据批量获取建筑物高度的新方法和贴图制作过程。按照上述制作工艺和方法较好地解决了大面积城市3维建模这一问题,生成的模型具有很高的精度,完全满足城市3维建模的精度要求。     

机场净空限制面内障碍物点三维测量

绘制机场净空限制面及障碍物位置图,是了解掌握净空限制面和障碍物关系的专用图。文中阐述了应用三维导线测量作为基本控制,以三维前方交会测量障碍物点的平面和高程的方法,为绘制机场净空限制面和障碍物关系专用图提供可靠依据。     

利用LiDAR技术生产真3维电子地形图的研究

2006年3月,南京市测绘勘察研究院有限公司利用Optech公司的ALTM3100在南京市成功获取到10 km2的LiDAR数据。在此数据基础上,笔者对如何利用LiDAR技术与数据进行真3维电子地图制作进行了较为深入的研究,对其关键步骤在文中进行了阐述。最后,提出自己在城市3维建模技术方面的观点。     

二三维一体化城市综合管网系统设计与实现

2014年6月,国务院办公厅印发了《关于加强城市地下管线建设管理的指导意见》,提出"2015年底之前,完成城市地下管线普查,建立综合管理信息系统"。本文以此为契机,提出了基于普查完成的管线数据成果,建立城市二三维一体化综合管网系统。该系统能够满足政府管理部门的需求,确保地下管线的建设适应社会发展的需要,降低管网事故率,避免重大事故发生,大幅度提升应急防灾能力。     

一种基于DLT模型改进的三维相机标定算法研究

传统的DLT算法是忽略畸变参数的一种相机标定方法,只能粗略地计算出内、外参数的初始值,不能用于之后的求解运算。本文对传统的DLT模型进行改进,改进后不需设定初始值,采取迭代线性化的数学算法,通过编写程序,在三维场地下实现了一种既快速又准确的新标定方法。并与TSAI算法进行对比实验,分析了本文改进的新算法在计算速度与求解精度方面的优势。     

基于OSG的三维GIS功能的封装技术研究与实现

OpenSceneGraph(以下简称OSG)使用OpenGL技术开发,是以C++作为开发语言的应用程序接口(API),它让开发者能快速、便捷地交互式图形程序。在三维GIS领域,使用OSG作为底层渲染是不二之选。本技术研究拟从如何将底层基于OSG使用C++开发的功能进行封装(ActiveX技术),从而对C#和JavaScript等二次开发语言调用等方面进行研究,实现定制化开发和功能扩展,实现应用项目想要的功能。     

风景名胜区三维景观导游系统研制方案的思考

简要介绍了Skyline软件的性能及该软件下的TerraBuilder组件。阐述了使用TerraBuilder组件与3DsMAX相结合制作景区三维景观浏览效果图的方法,介绍了三维景观图的制作过程,强调需要使用photoshop软件来进行后期处理,以得到完美的效果图。     

跨图幅任意区域DEM裁剪功能的实现

随着计算机技术和图形图像技术的发展，3维地形模型的研究越来越受到重视，为了实现GIS中3维地形的无级缩放和无缝漫游，任意区域的DEM裁剪是一个必须解决的问题，文中通过举例详细论述了任意区域DEM裁剪功能实现的思想和过程。