一种高斯过程回归的水体吸收系数反演模型

水体吸收系数是评价水体环境质量和衡量海洋对全球气候影响的重要因子.水色遥感作为目前对大范围海洋进行长时间连续监测的唯一手段,可以借助于合适的反演模型从影像上获取水体吸收系数.然而现有模型多为经验模型,反演精度和水体适应性都较差.基于自建的全球水体光学原位测量数据集SeaBASS2020,通过选用412、443、490、510、560、620、665 nm波段的遥感反射率以及620、665 nm与其余5个波段的遥感反射率比值作为模型输入特征,并以Matérn函数作为模型的核函数,提出一种基于高斯过程回归的水体吸收系数反演模型GPR-a.实验结果表明,在反演精度上GPR-a较传统的波段比值经验模型有大幅提升,其中决定系数R2提升了24.79％,均方根误差σRMSE和平均相对误差εMRE分别降低了50％和35.17％.此外,实验还验证了GPR-a具有较强的鲁棒性和极佳的反演值不确定度估计能力.     

一种无人机热红外与可见光影像匹配方法

针对异源无人机影像视角、分辨率、灰度值差异大的特点,提出一种基于语义深度局部特征的无人机热红外与可见光影像匹配方法。该方法首先利用全卷积神经网络和注意力机制提取具有语义信息的深度局部特征;其次以多通道特征图作为描述符进行kd-tree匹配;最后将向量场一致性VFC(Vector Field Consensus)和随机采样一致性RANSAC(Random Sample Consensus)相结合(VFC-RANSAC)进行误匹配剔除,从而实现无人机热红外与可见光影像的稳健匹配。匹配试验表明,与SIFT、KAZE等提取的人工特征相比,深度特征可以抵抗更大的影像几何和辐射差异;与RANSAC相比,VFC-RANSAC能够更有效地剔除外点,获得更高的正确匹配率和匹配精度。