黑河流域中游无人机遥感影像数据处理

无人机低空遥感技术是航空遥感领域一个新的发展方向,具有低成本、快捷、灵活机动,以及数据高时效、高分辨率等特点。本文以无人机低空遥感在黑河流域中游张掖的应用为例,介绍了无人机低空遥感系统的基本构成,论述了影像数据的获取、影像的匀色、特征点的提取与匹配、几何纠正与镶嵌、DTM和DOM的生成等处理流程与分析方法。实验结果表明,无人机低空遥感系统能够满足局部区域内的高分辨率、大比例尺基础数据采集的实际需求,在三维重建、土地调查、环境监测等领域具有良好的应用前景。     

喀斯特高原山区无人机低空遥感影像数据的获取与处理

无人机低空航拍遥感系统具有运行成本低、执行任务灵活性高等特点,是卫星遥感和载人航空遥感的有力补充。通过在贵州高原山区进行多次无人机航拍试验,提出存在的问题及改进方法,探索一条适宜于贵州高原山区的无人机低空遥感影像数据的获取与处理方法,以期利用无人机遥感平台解决喀斯特高原多云雾山区高分辨率影像资料获取困难的问题。     

无人机遥感正射影像质量评价研究

无人机低空遥感摄影是获取地理环境信息的重要手段,凭借其机动灵活、高效快速、成本低廉等特点,无人机获取低空遥感影像的方式,具备了其他影像获取方式不可比拟的优势。本文根据正射影像成果质量要求,分析了无人机低空遥感正射影像质量控制的环节和关键要素,建立了较为全面、合理的质量评价体系,提高了无人机遥感影像质量评定的效率。     

无人机低空遥感技术应用

为了推广无人机低空遥感技术的应用,对其关键技术进行了研究,分析了无人机低空遥感系统的功能设计与考虑,归纳了工作流程,形成了一套完整的无人机低空遥感应用于地质调查的技术路线。为了验证这一技术方法的实用性,将搭建的无人机低空遥感系统在北京周口店地区进行了应用实验。结果表明,该技术方法可为地质调查、应急测绘等提供及时有效的影像数据,对无人机低空遥感应用具有参考意义。     

应急响应中PixelGrid无人机遥感数据处理的关键技术与应用

随着数字摄影测量技术的发展,低空无人机摄影方式得到了很大的重视。在灾害应急领域,可帮助获得受灾地区高质量的正射影像图、DEM和全景图等产品,及时获取灾区的准确信息,为救灾减灾提供方便。而考虑到无人机摄影不同于常规摄影方式,需要在提高大量数据的处理速度的前提下,也能保证处理成果的精度符合应用要求。本文以高分辨率遥感影像一体化测图系统（PixelGrid）为依托,介绍对灾情发生后获得的影像数据进行快速处理的相关方法、实现技术及应用。     

基于WorldWind与无人机影像的三维场景重建与漫游研究

本文基于无人机低空遥感影像与拼接镶嵌处理结果,在WorldWind开源软件框架上,二次开发与实现了影像金字塔的构成过程与在NASAWorldWind中的快速实时显示,并结合数字高程信息（DEIM）、无人机飞行过程中的GPS定位信息与WorldWind中NLTLandsat7（VisibleColor）影像数据,建立了无人机遥感影像的实时三维地形重建与场景漫游系统。该系统为矿区地形分析与建设规划、灾区灾情监测与快速应急处理等提供了较好的应用平台。     

青海:无人机尽揽大美高原

正随着社会经济的高速发展,社会各行各业对高分辨率遥感影像的需求愈加迫切,推动着低空无人机航空摄影的迅速发展。为切实提高高分辨率影像数据的获取能力,加强测绘应急保障水平,青海省第二测绘院不断探索高原环境下影像快速获取的新途径,致力于低空无人机航摄系统的建设和应用,为全省经济建设、应急测绘保障、防灾减灾、生态环境监测等提供可靠的测绘保障服务。     

固定翼无人机低空遥感系统在山地区域影像获取研究

针对固定翼无人机低空遥感系统在山地区域的影像获取,阐述了在山地区域无人机类型的选择以及无人机起降场地的要求,研究了无人机航摄设计、航空摄影实施等方法与技术。     

低空无人机遥感系统在海岛潮间带监测中的应用

目前我国传统海岛潮间带监测基本上采用载人机航空摄影测量与卫星遥感的这两种方法。本文研究利用无人机遥感系统,通过相机标定与POS后差分等技术手段,获取海岛高、低潮位两期遥感影像,并对两期影像进行对比实验,得到海岛潮间带监测数据,验证了低空无人机遥感系统能够在海岛潮间带监测中的成功应用。本文方法丰富了海岛动态监测手段,能为行政主管部门提供准确及时的海岛及其潮间带空间地理信息。     

无人机遥感影像特征点的三维场应用

无人机低空遥感系统具有低成本、机动灵活等优点,能够低空低速飞行,在小区域内快速获取高质量遥感影像,可以作为国家航空遥感监测体系的重要补充。对基于采用尺度不变特征转换（SIFT）算法进行无人机影像之间特征点的识别、提取和匹配,根据无人机拍摄时的POS信息进行点的三维场可视化模拟进行了研究,从而实现对某一路段高速铁路周围的...     

深度学习遥感图像标注系统研究

随着深度学习的发展,遥感影像处理技术也从传统机器学习算法向深度学习转变,然而,用于遥感图像的训练数据集却十分稀少,且数据标注困难。本文将GIS技术与图像标注技术相结合,基于Flask Web框架设计一个可用于海量遥感数据的标注系统。该系统可用于海量遥感数据的数据框标注、数据类别标注,以及目标关键点标注,同时能将标注数据导出为深度学习训练最常用的COCO数据集和VOC2007两种格式。     

遥感影像并行服务系统设计与实现

实现海量遥感影像快速处理的重要基础是高速影像数据服务。基于影像瓦片模型、分布式并行存储体系结构,设计和实现遥感影像并行服务系统——瓦片服务系统,用于快速存储和访问以瓦片方式组织的遥感影像,为高速影像处理、实景城市等提供高吞吐数据服务。实验结果表明:瓦片服务系统具有快速存储和访问海量遥感影像的能力,在高速影像处理与影像服务等领域具有广阔应用前景。     

基于KML的三维遥感影像地名查询系统设计与实现

地名查询在遥感影像数据管理中起着重要的作用。本文通过分析KML数据规范,设计了一种基于KML的地名数据库;对全球影像数据进行四叉树划分,开发了一个多分辨率的全球三维遥感影像可视化系统。该系统基于地名数据库来进行地名数据的查询,通过用户交互能实时检索并表达选中地区的影像数据,为遥感影像数据管理和进一步应用奠定了基础。     

遥感图像自动解译面临的问题与解决的途径

遥感图像自动解译的目的是为了满足人们从海量遥感数据中快速识别与获取不同专题信息的需要。目前图像自动解译主要依赖地物光谱特征 ,其解译精度不高。解决这一问题的主要途径包括 :抽取遥感图像多种特征并综合利用这些特征 ,利用遥感图像解译背景数据库 ,在地理信息系统支持下实现背景数据与遥感信息覆合 ,采用专家系统完成遥感图像自动解译。     

高光谱遥感影像管理系统的设计与实现

由于高光谱数据的海量高维特征,使得传统的信息系统难以有效地对这些数据进行高效地存储、处理、分析,表现等管理操作。因此如何采用新的技术来开发一个能有效管理高光谱遥感影像数据的影像管理系统,是当前高光谱快速发展和深入应用的一个瓶颈之一。本文在研究的过程中,对当前影像管理系统的发展作了大量的分析,利用成熟的关系数据库和程序设计语言,开发了一个方便实用的高光谱遥感影像管理系统以管理高光遥感影像和其他遥感信息,提高影像管理效率。系统已初步实现了多景高光谱遥感影像检索,可以任意加载、导入高光谱遥感影像,运行效果良好。     

黄河防洪遥感应用试验简介

本文详细地介绍了1988年黄河防汛遥感试验的情况,着重介绍了遥感图像、水位数据实时传 输系统的建立及试验的结果,介绍了黄河试验区防洪数据库的建立及试验取得的成果以及利用极 轨气象卫星进行洪水监测的结果。     

一种利用Mask R-CNN的遥感影像与矢量数据配准方法

遥感影像数据与地理信息系统（geographic information system,GIS）矢量数据的配准是遥感与GIS集成的基础。目前遥感影像与矢量数据的配准关键在于遥感影像特征的提取,而现有遥感影像特征提取方法存在特征提取不完整、配准失败和精度不高等问题。由此提出了一种基于Mask R-CNN（region-based convolutional neural network）的遥感影像与矢量数据配准方法,首先,利用Mask R-CNN模型提取影像的道路交叉口作为影像控制点; 然后,依据几何拓扑关系筛选矢量数据道路交叉口作为矢量控制点,再根据遥感影像与矢量数据控制点的欧氏距离确定同名控制点;最后,以同名控制点为基础实现遥感影像与矢量数据的配准。选取上海市矢量数据和高分二号影像数据进行配准实验,实验结果表明, 所提方法鲁棒性强、精度高。     

利用PixelGrid系统处理多源遥感影像方法研究

随着科学技术的快速发展,人们对于高性能计算技术的需求日益迫切,大规模数据并行处理的集群式系统实现技术开始逐步成熟。我国已对该项技术进行了深入研究,并将其应用到遥感影像处理技术当中,形成了集群式数字摄影测量系统Pixel Grid。相对于传统的摄影测量及遥感影像处理过程,集群式系统整合资源、集成技术,大大提高了数字摄影测量以及遥感影像数据处理乃至空间信息提取的处理效率。这也是目前遥感影像处理技术发展的重要方向之一。     

Boosting和Bagging算法的高分辨率遥感影像分类探讨

多分类器集成能够有效地提高遥感分类精度、降低结果中的不确定性,基于样本操作的Boosting和Bagging算法是多分类器系统常用的两种算法。针对高分辨率卫星遥感分类的需求,以Qu ickb ird数据为例,分别以BP神经网络、RBF神经网络和决策树为基分类器,对Boosting和Bagging算法的应用效果进行了实验和分析评价,结果表明Boosting算法和Bagging算法能够用于高分辨率遥感影像分类,具有较好的分类性能。     

基于神经网络的遥感图像识别算法

随着遥感技术的发展,将会有更多不同时间、空间分辨率的遥感图像数据应用于各个领域的工程中,遥感图像的模式识别便成为当前遥感图像应用研究领域中一个很重要的研究方向。人工神经网络（Artificial Network Networks,ANN）是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。基于神经网络的遥感图像识别是遥感图像处理领域这几年的研究重点。本文首先介绍了人工神经网络和模式识别算法的基本理论知识,然后利用人工神经网络在Matlab工具箱环境中进行高空间分辨率的遥感图像识别。