基于多源高分辨率遥感影像的典型自然资源要素提取

利用高分辨率遥感数据具有高空间分辨率的特性,本文以青海省西宁市0.3和1 m多源高分辨遥感影像为数据源,基于卷积神经网络深度学习算法进行典型自然资源要素提取。结果表明,0.3 m遥感影像提取耕地、林地准确率均在85%以上,召回率在89%以上;1 m遥感影像提取耕地林地准确率在90%以上,召回率在91%以上,研究成果可用于西宁市自然资源典型要素智能提取。     

一种高分辨率遥感影像建筑物自动检测方法

高分辨率遥感影像具有丰富的空间信息、地物几何结构和纹理信息,有助于对地物目标进行认知和解译。而建筑物目标在人类活动区域内占据重要地位,对高分辨率遥感影像中的建筑物进行自动检测具有重大意义。提出了一种基于全卷积神经网络的建筑物自动检测方法,并制作了建筑物样本数据集,利用基于区域的全卷积神经网络和特征检测网络进行建筑物检测模型的参数训练,对待检测影像进行预处理之后利用模型进行建筑物检测,得到影像中的建筑物目标的具体位置和类别置信度。实验证明,提出的检测方法具有更好的效果和更快的速度。检测召回率达到92%,检测准确率达到98%,证明了该方法针对建筑物检测具有较高的精度和较强的稳定性。     

人工神经网络在高分影像防沙带识别中的应用

基于高分一号(GF-1)遥感影像,利用人工神经网络方法对新疆和田洛浦县沙漠边缘村庄周围的防沙带进行识别,并与目视解译的防沙带结果进行对比,验证识别精度。将人工神经网络方法的识别结果与传统的最大似然法进行对比分析,并利用图像识别领域中的准确率、召回率和F值3个指标对两种方法进行精度评价。结果表明,人工神经网络方法识别防沙带的准确率为79%、召回率为83%、F值为81%,最大似然法的准确率为74%、召回率为82%、F值为78%,人工神经网络方法的3个评价指标均高于最大似然法。     

无人机与卫星影像匹配的相似性逼近算法

针对现有算法在无人机与卫星影像具有较大空间分辨率差异时存在匹配正确率不高的问题,本文提出了一种无人机与卫星影像匹配的相似性逼近算法。该方法在匹配前对无人机影像进行高斯滤波处理,提高了无人机与卫星影像的尺度相似性,并最终提高了匹配算法的正确率。试验结果表明,该算法具有较高的匹配精度,适用于无人机与卫星影像空间分辨率差异较大时无人机影像的匹配与自主定位。     

基于深度学习的航空影像非正规垃圾堆放点监测技术研究与实践

城市化进程的加快导致垃圾随处堆放的问题日益突出,给城市的环境及居民的生活质量造成了严重的影响。利用遥感手段快速监测非正规垃圾堆放点具有及时性和高效性,因此具有十分重要的意义。本文结合无人机高分辨率航空影像及非正规垃圾堆分布特征,提出了按地域特征勾画样本数据集提取样本数据特征,采用U-Net和Swin Transformer融合模型,以及针对性改进训练流程开展非正规垃圾堆放点信息分类研究。试验以绍兴市越城区、柯桥区和上虞区作为研究区域,利用飞马航测无人机获取航空影像数据,对比分析了本文提出的方法和基于深度学习的典型地物要素提取方法在非正规垃圾堆放点监测上的应用,试验结果表明本文提出的方法准确率提高了1.72倍。     

多尺度空洞卷积的无人机影像目标检测方法

无人机作为一种新型遥感传感器,越来越多地被应用在医疗、交通、环境监测、灾害预警、动物保护以及军事等领域。由于无人机飞行器飞行高度差异大、采集影像视角可变、飞行速度快,因此无人机影像上的目标具有尺度变化大、分布差异明显、背景复杂、存在大量遮挡等特点,这为无人机影像目标检测带来了一定的困难。针对此,提出一种多尺度空洞卷积的无人机影像目标检测方法,在现有的目标检测算法的基础上,增加多尺度的空洞卷积模块,加大视野感知域,提高网络对无人机影像中的目标分布情况、尺寸差异等特点的学习能力,进一步提升网络对无人机影像中多尺度、复杂背景下的目标的检测精度。实验结果表明,所提出的算法在不增加网络参数的情况下,提升了无人机影像上目标检测的精确度和召回率,具有一定的有效性和鲁棒性。     

一种深度学习的无人机影像道路自动提取方法

针对无人机影像道路提取自动化程度低、道路信息不完整及道路交叉口不连通等问题,该文提出了一种结合拓扑结构和全局上下文感知的无人机影像道路提取方法,通过构建一种编码/解码模式的深度学习方法实现自动化提取.在网络模型中,设计了聚合特征模块及增强型扩张卷积模块以获取更多的道路信息,并引入拓扑感知损失函数以保证道路的连通性,实现道路拓扑结构特性的反演.实验结果表明,基于改进后的网络模型对道路信息的提取效果较好,在无人机影像测试集上的准确率、召回率、F1得分和交并比(IoU)分别达到了89.07％、84.74％、86.86％和72.45％;在马萨诸塞州道路公共影像集通用性测试中,提取原始遥感图像的道路信息也表现了出色的提取性能.     

一种面向无人机绝对定位的卫星基准影像检索方法

针对全球导航卫星系统（global navigation satellite system,GNSS）拒止环境下大范围无人机视觉绝对定位问题,提出了一种聚合深度学习特征的卫星基准影像检索方法。首先,利用预训练的深度学习模型提取无人机与卫星基准影像的局部卷积特征;然后,对局部特征描述符进行聚合,生成影像全局表达;最后,利用影像全局特征进行相似性检索,并采用检索结果精匹配重排序的后处理方法,进一步提高检索准确率。设计了一个新的面向无人机绝对定位的卫星基准影像数据集并进行实验,结果表明,使用所提方法检索无人机影像适配区域的卫星基准影像的准确率达76.07%,可为后续基于视觉的无人机绝对定位提供参考。     

基于卷积神经网络的地铁保护区风险源识别北大核心CSCD

城市轨道交通沿线的风险源识别是防止违规作业导致的安全事故的重要手段。为解决传统识别方法效率低、漏检率高、成本大等问题,本文基于无人机地铁保护区巡检系统,采用卷积神经网络对无人机采集的影像数据进行风险源识别。首先介绍无人机影像获取的流程,并在原始影像数据的基础上,通过数据增强的方式制作多角度、多尺度的风险源数据集;然后使用卷积神经网络建立风险源识别模型,对无人机采集影像中的风险源进行自动识别和定位。试验结果表明,多角度、多尺度风险源数据集的建立进一步提升了模型的识别准确率,且比传统方法具有效率高、成本低等优点。     

领域知识优化深度置信网络的遥感变化检测

为提高高分辨率遥感影像变化检测精度,提出一种以领域知识为优化策略的深度学习变化检测方法。利用改进的变化矢量分析和灰度共生矩阵算法获取影像的光谱和纹理变化,设定合理阈值获得变化区域待选样本;引入领域知识中图斑形状特征指数与光谱知识,筛选得到高质量的训练样本;构建并训练了深度置信网络模型,使用优化策略对深度学习变化检测结果进行优化,以减少“椒盐”噪声和伪变化区对检测精度的影响。通过高分二号与IKONOS影像的变化检测实验表明,该方法较优化前准确率与召回率最大增幅分别为7.58%和14.69%（高分二号）、17.08%和23.87%（IKONOS）,虚警率和漏检率最大降幅为30.22%和23.30%（高分二号）、17.08%和23.87%（IKONOS）,能够有效提高变化检测精度。     

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。     

基于多源数字遥感影像的“两违”监测服务体系

"两违"综合治理工作因涉及范围广、频率高,亟须采取相应的数字化手段为工作开展提供技术支持。高分辨率遥感技术具有高空间分辨率技术特点,可为"两违"执法工作提供实时详尽的高分辨工作底图,加以遥感处理分析,可以达到对监控区域"两违"变化多时相监测的目的。本文设计了一套以遥感监测为主要手段,集成卫星遥感、航空遥感、无人机航测技术,从多源影像获取、多源数字正射影像工作底图制作、"两违"疑似图斑提取与建库到基于移动互联网技术的"两违"遥感地理信息系统开发的辅助城市规划监测服务体系。     

某铝土矿低空无人机遥感测绘成果精度分析

对于分布散、范围大的铝土矿区,传统测量手段及时获取满足精度要求的矿区测绘资料具有一定难度。采用低空无人机遥感技术,能够快速提供矿山建设所需要的数字线划图、数字高程模型及数字正射影像,实现矿山的数字化与信息化建设。结合某铝土矿测绘面积大、矿区地物要素较少的测绘特征,通过无人机影像快速空三加密以及DLG,DEM,DOM的制作技术,获得低空无人机遥感测绘成果。通过对解析空三加密点精度分析和GPS实测点检查,表明测绘成果满足1∶2 000测图精度要求。     

无人机高分辨率影像的森林株数密度制图

本文以大兴安岭无人机遥感数据为基础进行森林密度制图,并提出了一种局部阈值算法,通过与传统的Otsu方法去除背景噪声相比,得出了该方法在中等或较低森林株数密度地区能很好地去除噪声背景。结合局部最大值法取得很好的单木提取精度,其查全率达到了100%。传统的Otsu去除背景方法在较高森林株数密度地区具有较好的识别效果,但对非林分的空地信息存在错提取的现象。通过对以上两种方法的对比研究,得到大兴安岭森林株数密度制图结果,该研究可为稀疏森林区域的株数密度制图提供参考。     

利用差分GNSS获取高精度无人机影像外方位线元素

目前,微小型无人机遥感系统定位精度低,需要布设大量地面控制点,才能满足空三和测图精度要求,为提高无人机遥感系统影像的后期处理效率,文中研究利用差分GNSS模块,结合后差分算法提高POS数据精度,并通过位置标定、相机时间延迟改正等关键技术方法开展研究,最终获得高精度相机曝光时刻的位置信息,以此为基础,集成一套基于差分GNSS的无人机遥感系统。通过实验,最终实现以少量地面控制点获取高精度无人机影像外方位线元素,提高无人机影像后期处理效率,具有一定工程应用价值。     

3S技术在城市建设用地执法检查中的应用研究

选用2004年、2005年和2006年三个时相的QuickBird卫星遥感图像作为信息源,用GIS作为遥感数据处理工具来识别违法地块,利用GPS进行地块实际测量来确定违法用地的位置和面积,以郑州市城市建设用地执法检查为例,探讨3S技术在建设用地执法检查中的应用。     

基于无人机遥感的信息提取研究

无人机遥感系统可以获取矿区高分辨率遥感影像,具有较强的灵活性和现势性,成图速度快,能广泛应用于各种调查任务。本文以江西省定南县稀土矿区为研究区,介绍了无人机遥感系统的组成、航拍流程和数据处理的方法,通过面向对象的多尺度分割技术,建立不同地物类别对应的分类层次,然后根据地物特征进行信息提取,最后总结出一套基于无人机遥感的矿产信息提取方法。     

遥感与GIS在厦门市违章建筑监测与管理中的应用

应用遥感技术获取时间间隔为一年的同一区域的地面影像,对前后两个年度影像进行比对,采集新增建设图斑。结合使用已经发布到厦门市地理信息公共平台上的专题数据,建成新增违章建筑图斑的矢量数据库。然后使用GIS软件的分析功能对图斑数据进行统计、分析、汇总,最终实现对违章建筑的监测与管理。采用这种现代遥感技术与地理信息系统(GIS)技术可以为城市违章建筑的监测与管理提供更高效、实用的方法。     

无人机航测技术在森林蓄积量估测中的应用

无人机（UAV）航测技术是近年来发展起来的快速获取高分辨率影像的测绘新技术。森林蓄积量估算需要快速高效地获取森林遥感影像。虽然利用卫星和机载雷达同样可获取高分辨率遥感影像,但无人机航测技术与其相比具有飞行成本低、外业周期短、机动灵活等优点。本文利用无人机航测系统获取了案例地区DSM和DEM,采用最大邻域法提取了树高,采用分水岭算法分割了树冠信息,并以树高和冠幅作为解释变量的立木材积二元模型估算了森林蓄积量。结果表明,树高提取精度为83.73%,冠幅提取精度为86.98%,林分蓄积量估算精度为81.80%。     

兼顾连通性的U-Net网络高分辨率遥感影像道路提取

遥感影像道路提取结果中的断线一方面降低了提取精度，另一方面影响了道路形态完整性，使得提取结果不能直接应用于空间决策与分析。本文基于U-Net网络在高分辨率遥感影像道路提取时全局特征表达的优势，提出一种兼顾连通性的道路断线修复方法完善U-Net网络局部特征表达的劣势。首先，利用数据增强和扩充数据量后的样本数据作为U-Net网络的输入以此训练模型并进行最优模型的道路提取；然后，对提取结果中出现的道路断线以三次多项式曲线拟合的形式进行优化处理。实验表明，与相近网络比较，本文道路提取的精度和形态完整性有了明显的提高，查准率为86.25%，查全率为85.50%，F1-score达到了85.87%。其成果数据能直接地应用于地理决策分析，特别有利于灾后的路径规划，本文提出的方法对道路、电网、轨道、河流等线性地物分类结果中出现类似断线问题具有一定的参考意义。