多尺度并联卷积神经网络遥感影像油罐目标检测算法

针对传统遥感影像油罐目标检测算法依赖油罐圆形特征,对于背景复杂和存在大量小目标的情况检测效果差的问题,提出一种多尺度并联卷积神经网络油罐目标检测算法.首先根据油罐目标尺寸对各神经网络检测效果的影响规律,采用不同网络架构分别检测不同尺寸的油罐目标;其次利用经过训练的分类网络对上述检测结果进行后处理,剔除可能存在的误检;最后将所有结果共同进行非极大值抑制,从而实现不同尺寸油罐目标的检测.对多个数据集下的遥感影像进行了测试,实验结果表明,与传统经典的目标检测算法相比,该算法明显提高了油罐目标的检测精度、召回率和鲁棒性;同时级联分类网络对检测结果的后处理过程也大大降低了油罐目标检测的虚警率,提高了可靠性.     

基于标志物影像的导航方案设计

通过序列影像获取、卷积神经网络与集成学习的影像场景分类、标志物影像匹配等方法,解决地形平坦而导致GPS或北斗信号受干扰、消弱等环境下的自主导航定位问题,并利用获得的导航定位信息重新规划路径,有效降低人员生命危险,提高任务成功率.     

一种基于自由形状线特征的影像匹配方法

与点特征相比,高级别的特征,特别是自由形状线特征包含了更丰富的信息,这对于其后的影像解译和表面重建等处理是更为有利的.深入研究自由形状线特征描述、匹配实体选取、相似性测度的确定等自由形状线特征匹配的关键问题,提出一种基于自由形状线特征的影像匹配方法.实验证明该方法对于自由形状线特征的匹配是可行的.     

一种改进的自适应遗传算法在影像匹配中的应用

影像匹配是计算机视觉及数字摄影测量的核心问题。基于遗传算法的全局寻优特点及影像匹配的具体特点,本文将遗传算法引入到遥感影像的匹配定位中。针对遗传算法中变异概率、交叉概率在实验中始终保持不变的缺点,本文利用Fibonacci数列对基于遗传算法的影像匹配进行了自适应改进。实验结果表明这种方法可以产生一个快速而且可靠的匹配结果。     

一种基于LiDAR点云的建筑物提取方法

从机载雷达点云数据中快速准确提取建筑物是当前研究的难点和热点。在对现有建筑物点云提取方法充分研究和分析的基础上,本文提出了一种基于LiDAR点云的建筑物提取方法。首先根据建筑物的几何特性提取初始建筑物轮廓点;然后构建局部协方差矩阵计算点云分布特征,剔除非建筑物轮廓点;最后利用DBSCAN聚类算法对建筑物轮廓点聚类,以聚类结果为基础构建缓冲区,以缓冲区内所有建筑物轮廓点为初始种子点,采用圆柱体邻域进行多种子点区域增长,实现建筑物点云的提取。通过两组试验,共5组数据验证本文算法的性能。试验结果表明,该方法能够准确、有效地提取多层复杂的建筑物点云,效率高,且具有一定的适用性。     

CAWS600-B型自动站风速故障的检修方法及实例

介绍了CAWS600．B型自动站风速数据异常时,如何利用示波器和传感器模拟器进行故障排除的步骤和检测维修方法,并通过济宁嘉祥国家级自动气象观测站风速数据异常的一次故障检修,详细描述了故障分析和修复过程,分析了困扰台站多时的风速分钟数据突然异常偏高跳变的原因,提出了风速数据异常偏高时的一种故障点寻找思路。     

自动气象站温湿度传感器工作原理及维护

比较详细地介绍了目前自动气象站中采用的HMP45A/D温湿度传感器的构造和工作原理,阐述了温湿度传感器日常维护工作的重点和注意事项.     

基于广义点的定向方法

传统摄影测量是基于测点的前方交会和后方交会,所以共线方程(即物点、像点与摄影中心位于一条直线上)是整个摄影测量的核心。相对定向和绝对定向则基于同名像点共面的思想,而在工业计量测量和飞机姿态测量等领域,大量存在的是一些直线或者曲线,并不存在明确意义的点。因此,提出了基于广义点的相对定向和绝对定向的方法,解决了传统相对定向和绝对定向不能解决的问题,理论上证明该方法是可行的。     

残差绝对值和最小法在单线阵CCD卫星影像后方交会粗差探测中的应用

利用残差绝对值和最小法进行单线阵CCD卫星影像的后方交会，一般来说，不仅可以克服外方位元素之间的强相关性，而且可以有效地剔除粗差。实验证明该方法简便、稳健、有效。     

PBIL算法在遥感影像匹配中的应用

提出了一种将基于群体增量学习(population-based incremental learning,PBIL)算法用于遥感影像匹配的方法,给出了详细的理论和实验分析,引入信息熵作为PBIL算法迭代终止的条件之一,取得了较好的实验结果.实验表明,基于该算法的影像匹配运算速度比较快,且收敛过程比较稳定.