利用BP神经网络剔除多波束测深数据粗差

针对多波束单ping水深数据多呈现较为复杂的曲线形式的现象，提出了基于逆传播（back propagation，BP）神经网络的多波束测深数据粗差剔除方法，即依据BP神经网络具有从输入到输出的映射功能，构建适应多波束单ping水深数据复杂曲线的训练学习算法进行曲线拟合。考虑地形之间的延续性进行相邻ping水深数据间的相关性分析，纵向检查定位并剔除粗差。通过实测多波束测深数据验证该方法的有效性，并与不确定性与测深学联合估值滤波以及交互式滤波方法进行比对分析，结果表明该方法可以有效剔除多波束测深数据中的粗差。     

基于多波束测深数据的GRID_DDM构建方法评估及分析

系统分析了现有格网数字水深模型(GRID_DDM)插值数学模型的优劣,针对高精度、高密度多波束测深数据,采用不同的建模方法进行GRID_DDM构建,定量评估相关插值方法的精度与效率。实验表明,剖分插值和自然邻点插值方法构建的GRID_DDM精度较高,且效率可被接受,是多波束测深数据GRID_DDM构建的优选方法。     

高精度瞬时水深模型的一种构建方法

高精度的水深表达是舰船安全、经济航行的先导和基础。本文提出了一种构建高精度瞬时水深模型的方法,利用高密度的多波束水深数据作为静态水深,基于余水位订正的预报水位作为动态水位,通过高效集成静态水深和动态水位从而构建瞬时水深模型。实验证明:本文所提的构建瞬时水深模型的方法较传统的方法,准确率有了很大的提高;瞬时水深模型的精度与格网尺度有关;余水位是影响瞬时水深模型精度的一个重要因素。     

联合不确定度的多期水深剖面分析方法及应用

单波束测深技术在近海及河口水深测量中被广泛应用,但受动态海洋环境的影响,很难有效获取不同时期同一位置的水深数据,这给快速变化的近海地形的准确对比与分析造成很大困难。针对该技术问题,本文提出了一种联合不确定度的多期水深剖面分析方法。通过初始不确定度计算、水深及不确定度传递、卡尔曼滤波更新等步骤构建时序地形剖面,并基于假设检验完成剖面地形演变分析。用两期次河口区单波束数据对算法进行了验证。结果表明,本文方法获取了可与实际地形剖面有效对比的水深剖面,并可对地形骤变区域作出准确评估,对于快速变化的河口水下三角洲尤其是航道区域的演变分析具有实际的应用价值。     

多波束水深数据不确定度研究

针对目前多波束水深数据质量评定问题,提出一种基于交叉检查的多波束水深数据质量评定方法。该方法计算原始水深的不确定度信息,利用多波束交叉测线成果水深信息,分析交叉检查区域水深差值与不确定度相符情况。试验结果表明,不同的多波束软件得到成果水深及其不确定度不同,所提方法能检查出多波束成果水深与其不确定度不符程度。     

高精度瞬时水深模型的乘潮进港分析

针对海图上航道水深数据稀少、进行乘潮进港分析不准确的不足,本文提出了基于高精度瞬时水深模型的乘潮进港分析方法。在海图水深的基础上,融入高密度多波束水深数据,共建高精度静态水深模型,并进一步精化水位预报,形成高精度的瞬时水深模型;然后,采用分段测试的方法,分析航线可行性,并求取乘潮进港时间窗口。实验结果表明基于高精度的瞬时水深模型能够获得更准确的乘潮进港出发时间窗口,可提高航道通航能力。     

二次CUBE滤波算法及在边坡乱石区测深数据处理中的应用

针对传统CUBE（combined uncertainty bathymetry estimation）算法在水下边坡乱石区多波束测深数据滤波中表现出的水深估计不准确、地形特征模糊和粗差剔除能力不足等问题,基于乱石区测深数据特点,提出二次CUBE滤波算法,给出了位置和水深同步估计的思想和方法、顾及地形梯度的平面和水深不确定度传递模型、参考水深的多重估计和优选新算法,以及顾及地形梯度的二次水深估计模型,综合实现了乱石区水深的准确估计和粗差的自动准确检测。试验表明,本文给出的方法实现了粗差的自动准确剔除,提高了传统CUBE算法水深估值的精度,算法效率和抗差性更强,形成的地形特征更加准确。     

一种基于LM算法的多波束横摇残差改正方法

针对多波束测深系统由于存在运动残差而产生横摇误差,从而导致数据条带边缘呈现“波浪”状周期性起伏的问题,提出了一种基于列文伯格-马夸尔特（Levenberg-Marquardt,LM）算法的多波束横摇残差改正方法。该方法首先建立水深与横摇残差之间的函数关系式,然后采用非线性最小二乘LM算法并结合剖面趋势线构建思想进行横摇残差提取,最终实现对海底地形的改正。实例计算结果表明,改正后地形过渡更加平滑,趋近真实海底;左、右舷剖面水深标准差降低约50%,而剖面水深均值则几乎不变;对两组横摇序列进行相似性计算,初步判断横摇残差包含延时与杆晃影响。所提方法能够较准确地提取系统横摇残差,改正后海底地形起伏相对标准差明显降低,有效地削弱了运动残差对多波束测深数据的影响。     

考虑自然邻点影响域的多波束测深数据趋势面滤波改进算法

针对传统趋势面滤波法在多波束测深数据粗差探测方面存在曲面拟合函数不确定、滤波不彻底以及部分水深点被不合理剔除的问题,通过引入散乱水深点局部最小范围——自然邻点影响域的概念,提出一种基于自然邻点影响域的多波束测深数据趋势面滤波改进算法。首先,通过对自然邻点影响域内的局部曲面进行分析,构造了影响域内特定局部坐标系下的统一曲面拟合函数;然后,利用该统一曲面拟合函数按照所提传递式迭代趋势面滤波法进行顺次迭代,逐步滤除影响正常水深点判定的粗差数据;最后,根据突变地形边界点在其相邻邻域地形内连续性不一致的特性,建立了面向突变地形边界点的判断准则。试验结果表明：该改进算法可适应不同复杂程度的海底地形,有效剔除多波束水深数据中的粗差点,同时对实际海底地形中的正常水深点和各种特殊水深点进行保留,显著提高了海底地形表达的精度。     

Imagenex DT101多波束测深系统在水下测量中的应用

阐述了Imagenex DT101多波束测深系统的技术指标和组成,讨论了Imagenex DT101多波束测深系统在水下地形测量中影响数据精度的因素;同时结合在某大型水库测量的应用特性,分析了在水下地形测量中Imagenex DT101多波束测深系统的主要技术流程和实施方案。     

大面积水深异常检测的条件变化自编码算法

针对大面积海底地形数据缺失或异常的复杂及多变性特点，结合条件变分自编码器（CVAE）与深度卷积生成对抗网络（DCGAN），构建了条件变分自编码生成对抗网络（CVAE-GAN）大面积海底伪地形的检测与剔除方法。本文方法利用条件变分自编码算法改变原有的样本分布，通过对训练样本的学习重新构建样本之间的分布规律，有效提高了高维到低维映射的稳定性；结合生成对抗网络，提高了整体算法的稳健性，最终得到较优的检测与剔除结果。采用水深格网数据进行试验，并与中值滤波法、趋势面滤波法进行比较。结果表明，本文方法在精度、稳定性及噪声稳健性方面有所提高，验证了本文方法在海底地形数据处理上具有可行性。     

声惯一体单波束测深系统在长江河道勘测中的应用

现如今单波束测深系统及多波束测深系统已经在长江河道水下地形测绘中广泛应用,人们对于内河航道水下地形数据的精度要求也越来越高,声惯一体单波束测深系统很好地解决了传统单波束测深精度不高及多波束测深系统安装操作复杂且对测量水域条件要求较高等问题。本文针对声惯一体单波束测深系统在长江河道勘测中的实际应用情况,与传统单波束及多波束测量数据进行对比分析,结果表明声惯一体单波束测深系统能够很好地满足长江河道高精度测量的需求。     

一种高分辨率SAR影像道路提取方法

针对高分辨率SAR影像中细节信息损坏道路的面特征结构、影响道路提取,基于影像统计特征,给出一种结合区域生长和细节信息识别的道路提取方法。该方法通过区域生长提取呈现面特征的暗目标(道路框架),利用CFAR算法识别细节,通过形态学融合得到最终结果。为降低高分辨率影像区域异质性对提取结果影响,提出了一种自适应CFAR算法,相比之前算法可自适应删除干扰点;并引入有效表征影像统计的GA0分布。利用海南省陵水黎族自治县机载X波段高分辨率SAR数据的幅度影像进行实验,结果表明,该方法能有效提取呈面特征的道路,获得准确的道路宽度和中心线信息。     

基于GDI+的多波束测深数据可视化研究

多波束测深数据的可视化处理是提高数据处理效率和精度的有效途径。本文针对多波束测深数据的密集、数据量大的特点,探讨了基于GDI+实现多波束测深数据处理可视化的基本流程和关键步骤,给出了几种实用的坐标变换模式,提出基于图像的绘图模式实现了多波束测深数据的快速绘制和刷新,提高了绘制和刷新速度,满足了测深数据可视化处理的要求。     

密集卷积残差网络的遥感图像融合

针对传统的遥感图像融合方法通常会引起光谱失真的问题和大多数基于深度学习的融合方法忽略充分利用每个卷积层信息的不足,本文结合密集连接卷积网络和残差网络的特性,提出了一个新的融合网络。该网络通过建立多个密集卷积块来充分利用卷积层的分级特征,同时块与块之间通过过渡层加快信息流动,从而最大程度地对特征进行极致利用并提取到丰富的特征。该网络应用残差学习拟合深层特征与浅层特征之间的残差,加快网络的收敛速度。实验中利用GaoFen-1（GF-1）和WorldView-2/3（WV-2/3）的多光谱图像MS （Multispectral Image）和全色图像PAN（Panchromatic Image）（MS与PAN的空间分辨率之比为4）评估本文提出方法的有效性。从视觉效果和定量评估结果两个方面来看,本文方法得到的融合结果要优于所对比的传统方法和深度学习方法,并且该网络具有鲁棒性,能够泛化到不需要预训练的其他卫星图像。本文方法通过特征的重复利用实现了光谱信息的高保真并提高了空间细节分辨能力,有利于遥感图像的应用研究。     

Assessing the potential of MODIS/Terra version 5 images to improve near shore lake bathymetric surveys

Estimation of storage volume of inland water bodies is made using bathymetric surveys. Such surveys are often terminated far inward from shores due to operational limitations. The gap in depth data for the shore area is often overcome by extrapolating the established volume-area relationship beyond the survey boundary. This introduces large errors in volume estimation. In this study, the potential of the Moderate Resolution Imaging Spectroradiometer MODIS version-5 images to improve an existing bathymetric model is assessed over Lake Tana, Ethiopia. MODIS images are used to generate a new bathymetric model of the unsurveyed shore. The new model is validated through its ability to reproduce measured lake levels. The result is compared with lake level estimates made from an existing bathymetric survey. Results showed that MODIS improved bathymetric model reproduced lake water level with a RMSE of 0.14 m as compared to 0.82 m using the existing bathymetric model. The Mean Absolute Error (MAE) has also improved from 0.78 m to 0.13 m. These results suggest that despite their unavailability on cloudy days, MODIS images provide significant advantages for improving bathymetric models.     

Development of digital bathymetry maps for Lakes Azuei and Enriquillo using sonar and remote sensing techniques

This article presents an improved algorithm for optimization and development of a digital bathymetric model (DBM) for Lake Azuei (LA) (Haiti) and Lake Enriquillo (LE) (Dominican Republic) using the ANUDEM method. Both sonar data and contour lines of the lakes’ layout extracted using Landsat imagery were compiled for bathymetry development. We show that the performance of the ANUDEM method was strongly dependent on the density and irregularity of the spatial distribution of the data. Changing the resolution of the output grids and deriving auxiliary topographically corrected contours improved the ANUDEM performance and minimized the systematic errors of the method. Statistical analysis showed no significant difference between measured and interpolated depths, characterized by a root mean square error of less than 0.71 m (LE) and 0.96 m (LA), and a median difference of ?0.009 m (LE) and 0.012 m (LA) on average. The shape reliability analysis revealed a relationship between accuracy and the depth and slope values, increasing in the center of the lakes where they are deep and the slope is gentle.     

融合多尺度特征注意力的遥感影像变化检测方法EI北大核心CSCD

深度学习技术已经成为遥感影像变化检测研究的主流方法,现有的基于深度学习的变化检测方法主要是获取单一尺度的变化特征,而在现实场景中,变化区域的尺度具有多样性。为此,本文提出了融合多尺度特征注意力的遥感影像变化检测方法,通过关注多尺度融合策略来解决变化检测存在的多尺度问题。首先,利用特征金字塔网络自身的多尺度特性,使网络学习到不同尺度的变化特征,为了提升网络感受野和利用全局特征信息,在特征提取网络末端引入扩张卷积空间金字塔模块;然后,在不同变化特征融合时,使用变化特征融合模块来控制信息传播以减少特征融合时的差异性;最后,使用门控机制,将不同尺度预测的变化特征图进行加权求和,最终产生具有高精度的变化特征图。本文方法不仅能获取多尺度变化特征,还能利用全局信息和精确的空间细节来提升预测特征图的空间精度。对比试验表明,本文方法在变化检测基准数据集CDD和LEVIR-CD上取得了较好的结果,召回率分别提高了6.58%和5.26%。     

多分辨率特征融合的光学遥感图像目标检测

高分辨率遥感图像目标检测是计算机视觉的一个重要研究领域,在民用与军事领域具有重要的应用价值。目前,基于深度学习的自然图像目标检测有了突破性进展。但是,由于遥感图像具有目标尺度差异大且类间相似度高的特点,使得处理自然图像的目标检测算法直接应用于遥感图像时仍面临着一些挑战。针对上述挑战,本文提出一种多分辨率特征融合的遥感图像目标检测方法。首先,通过特征金字塔提取多尺度特征图并在其后嵌入多分辨率特征提取网络,促使网络学习目标在不同分辨率下的特征,缩小不同特征层之间的语义差距。其次,为实现多分辨特征的有效融合,本文采用自适应特征融合模块挖掘更具判别性的多分辨特征表达。最后,将自适应特征融合模块的输出特征的相邻层进行深度融合。在公开的遥感图像目标检测数据集DIOR和DOTA上评估了本文方法的有效性,相比采用特征金字塔结构的Faster R-CNN,本文方法的准确率(mAP)分别提高2.5%和2.2%。