航天多波段全极化干涉雷达的地物探测

航天飞机成象雷达 3号及X波段合成孔径雷达 (SIR -C/X -SAR)计划是一项包括中国在内有 13个国家合作进行的大型雷达对地观测研究计划。SIR -C/X -SAR具有L、C、X3个波段及L、C波段HH ,HV ,VH ,VV极化 ,X波段VV极化同时成象的能力 ,可获得全极化及干涉雷达数据 ,是本世纪内最先进的航天成象雷达系统。该文系统介绍了SIR -C/X -SAR中国项目开展以来取得的研究成果。重点阐述了中国雷达试验区及与SIR -C/X -SAR成象飞行同步开展的航天—航空—地面立体同步观测试验和对干沙的穿透性试验 ,以及在相关领域和不同地区的应用 ,包括昆仑山火山群的发现 ,广东肇庆植被覆盖区地质体的识别 ,明、隋两代长城的探测与极化响应分析 ,海洋及城市特征研究 ,并介绍了利用干涉雷达数据生成数字地形模型的结果     

GPR在地下管线探测中的应用

论述了GPR探测地下管线的原理以及工程介质中电磁波的传播规律,结合工程实例,分析了地下管线在GPR图像上的基本特征,总结了GPR方法探测地下管线的一些关键.     

城市地下管线探测及其信息管理系统应用分析

本文以广东省韶关市"中心城区"地下管线探测为例,首先介绍了地下管线探测的基本方法和工作流程,对探测中的关键技术和难点问题进行了探讨分析,并提出了相应的解决对策。然后,介绍了该市地下管线信息管理系统的建立过程,并对该系统的应用进行了较详细的分析介绍。通过本文的介绍表明:对城市地下管线准确、全面的探测及其信息管理系统的建立,可以为城市规划、建设和管理提供准确直观的地下空间管线信息,能为城市地下管线安全、高效运行以及地下空间资源的合理利用提供可靠保证,能够进一步促进城市提高管理效率和管理水平。     

应用天基和地基雷达的城区地下自来水泄漏探测方法

城市自来水供水系统是城市居民生活和经济发展的重要基础设施,主要由城市自来水供水水源、给水处理系统和地下自来水管网系统等组成。随城市规模的不断扩大,城市地下自来水管网不断扩建,管线过长、管龄过老、管道腐蚀、管道磨损等问题,地下自来水漏损问题已成为供水行业普遍存在的严重问题。应用天基雷达确定可能的高泄漏区域,应用地基雷达确定准确的漏点,将极大提高泄漏探测效率。本文利用天基雷达的L波段探测因自来水水管漏水会引起周围土壤介电特性的变化区域,再通过探地雷达采集疑似高泄漏区域雷达剖面数据并分析其瞬时频率以定位精确漏水位置。结果表明,该方法能够有效对城市地下自来水管道泄漏进行探测,实现了一种快速、高效、精准的探漏方法。     

高光谱目标探测中的空间和光谱尺度效应

高光谱遥感目标探测主要利用目标和背景的光谱特征差异进行目标识别。一般情况下,影像的空间和光谱分辨率越高,探测效果越好。但多数情况下空间和光谱分辨率难以同时满足需求。针对该问题,本文利用Field Imaging Spectrometer System(FISS)地面高光谱成像仪器,通过在稀疏草地上布设人工绿色目标,研究了目标和背景光谱相似情况下,单一均匀背景下小目标探测问题,提出空间和光谱尺度定量分析方法,得到目标探测适用的空间和光谱尺度。结果表明:(1)利用FISS高光谱仪器进行人工目标探测,所需的空间分辨率约为目标尺寸的2倍以内;(2)当光谱分辨率优于40 nm时,目标和背景的两个主要特征:反射峰的位置和波段趋势差异均可被描述,在原始空间分辨率5倍(0.85 cm)以内,探测精度可以达到0.94以上。由于反射峰间距20 nm,当光谱分辨率低于40 nm时,该特征消失,造成探测精度的下降;(3)当光谱分辨率低于40 nm时,选取目标、背景光谱特征差异较大的波段可提高探测的有效性,在舍弃目标背景相似波段后,探测精度上升,得到本实验的最佳波段组合为红、绿、蓝、黄及红边波段。     

波段选择协同表达高光谱异常探测算法

高光谱遥感影像具有光谱分辨率极高的特点,承载了大量可区分不同类型地物的诊断性光谱信息以及区分亚类相似地物之间细微差别的光谱信息,在目标探测领域具有独特的优势。与此同时,高光谱遥感影像也带来了数据维数高、邻近波段之间存在大量冗余信息的问题,高维度的数据结构往往使得高光谱影像异常目标类和背景类之间的可分性降低。为了缓解上述问题,本文提出了一种基于波段选择的协同表达高光谱异常探测算法。首先,使用最优聚类框架对高光谱波段进行选择,获得一组波段子集来表示原有的全部波段,使得高光谱影像异常目标类与背景类之间的可分性增强。然后使用协同表达对影像上的像元进行重建,由于异常目标类和背景类之间的可分性增强,对异常目标像元进行协同表达时将会得到更大的残差,异常目标像元的输出值增大,可以更好地实现异常目标和背景类的分离。本文使用了3组高光谱影像数据进行异常目标探测实验,实验结果表明,该方法与其他现有高光谱异常目标探测算法对比,曲线下面积AUC(Area Under Curve)值更高,可以更好地实现异常目标与背景分离,能够更有效地对高光谱影像进行异常目标探测。     

城市管线普查中通讯共同沟信息的动态管理

地下管线是城市的重要基础设施,是现代化城市健康发展的保证。通讯共同沟作为城市通讯电缆的一种全新的管理方式,正在许多城市中实施,在协调管理、优化地下空间资源等方面发挥着重要作用。如何在管线普查中采集、记录及管线普查后对通讯共同沟信息进行动态管理,成为了城市规划管理部门与管线探测作业单位的一个新的课题。     

地质雷达在地下管网普查中的应用

随着智慧城市的推广,智能化建设进程得以高速发展,随之如何开发及利用城市地下空间就显得格外重要。城市地下管线作为城市的重要基础设施已由单一、简单的形式发展到多权管理、多类别、布局交错的地下网络(管网),常规的探测技术已经不能满足需要。探索地下空间难以确定目标体的最先进的技术手段就是地质雷达。本文就地质雷达在地下管线中的原理和方法进行了较为详细的论述。     

利用ArcEngine和C~#实现地下管线断面分析

结合城市地下管线网络分布情况和探测采集到的管线数据,设计了断面分析相关的数据组织结构,利用ArcEngine控件和Visual Studio 2005软件开发平台,实现城市地下管线横断面和纵断面分析功能,为城市地下管线的科学管理提供准确的决策信息。     

柴达木盆地烃蚀变矿物高光谱遥感识别研究

高光谱遥感识别烃蚀变矿物可用于探测油气烃类微渗漏和定位地下油气藏.以有天然气分布的柴达木盆地东部三湖地区为研究区,对Hyperion高光谱数据进行重采样处理,克服了目标识别矿物不明显和传感器低信噪比的影响.通过确定烃蚀变矿物高光谱遥感探测的指示标志,采用线性光谱(SAM)拟合与光谱匹配(SAM)相结合的方法确定了影像端元对应的矿物组分.识别结果表明,合理缩减影像波段数和确定影像端元的方法,能有效提高烃蚀变矿物的高光谱遥感识别精度.     

顾及道路约束条件的动态目标检测与跟踪方法

智能交通是智慧城市的重要组成部分,面对复杂多变的道路背景,如何能够快速检测、跟踪道路监控影像中的动态目标,是智能交通建设的关键技术难点。本文根据道路监控视频特点,提出了采用道路约束条件与颜色特征集相结合的动态目标跟踪方法,以道路约束条件确定运动目标搜索区域,利用HSV颜色特征集进行特征匹配,然后基于ⅡR滤波背景法对背景影像进行更新及动态目标的检测,并根据道路约束条件与颜色特征相结合跟踪方法实现对动态目标的跟踪及动作预测。试验结果表明该方法可准确对运动目标进行检测与跟踪,且对慢速运动目标也具有较好的响应能力,实现了对道路动态目标的实时检测与跟踪。     

城市道路网匹配的层次化面域剖分模型

针对道路网“节点-弧段”数据模型在道路网结构化表达方面存在的不足,本文基于stroke的基本原理,设计了基于道路等级划分的道路网层次化面域剖分模型,使道路网空间结构特征表达具备了层次化特征。基于道路重要性等级和与面域边界的连通关系,对面域内的道路进行了层次性划分。建立了由“整体-局部-对象本身”的道路网层次化表达模型。最后,基于该模型本文提出城市道路网匹配模型,从高等级道路到低等级道路,利用特征一致性评价模型选取匹配对象。通过试验结果分析,证明了本文方法适用于解决具有典型城市特征的道路匹配问题。     

结合尺度空间的面向对象高分辨率影像城市道路提取

基于遥感影像的城市道路提取对于城市建设、规划和地图更新等有重要意义。针对高分辨率遥感影像城市道路网的复杂性,结合尺度空间思想提出一种面向对象的城市道路自动提取算法。在此基础上,使用Canny算子获取像元簇梯度图,并进行标记分水岭分割得到区域对象;建立城市道路与几何、光谱特征相关的道路规则,从分割结果中筛选出道路区域对象;使用形态学方法提取道路区域的骨架,并对骨架进行连接、光滑等后处理,最后输出道路网提取结果。实验结果表明,该方法用于复杂城市道路的高精度自动提取,对城市道路网更新有一定参考意义。     

点云深度学习基准数据集

为推进深度学习方法在点云配准、语义分割、实例分割等领域的发展,武汉大学联合国内外多家高等院校和研究机构发布了包含多类型场景的地面站点云配准基准数据集WHU-TLS和包含语义、实例的城市级车载点云基准数据集WHU-MLS.其中,WHU-TLS基准数据集涵盖了地铁站、高铁站、山地、公园、校园、住宅、河岸、文化遗产建筑、地下...     

地质雷达+三维测量内窥镜的城市道路病害检测与应用

城市道路病害体作为城市安全的重要隐患,具有隐蔽性、突发性等特点,需及时予以检测和处理。地质雷达利用电磁波反射确定地下介质分布,以其无损、快捷及浅层高分辨率优势广泛应用于城市道路病害检测中,但要对病害体作进一步处理,需要对病害体做进一步精细勘测。本文利用地质雷达在道路病害检测中的优势,结合三维测量内窥镜技术的实时视频和测量功能,实现道路地下病害体的准确定位和精准测量,为后续防治和治理提供有用数据。     

融合毫米波雷达与单目视觉的前车检测与跟踪

对现有融合雷达与视觉的车辆检测方法进行改进,增加目标跟踪过程,进一步提升城市复杂环境下智能车前方车辆信息感知的准确性。首先,针对雷达数据处理,提出一种基于层次聚类的雷达杂波剔除方法;其次,针对视觉数据处理,提出一种基于目标景深的自适应车辆检测方法;最后,提出一种基于核相关滤波器（kernelized correlation filter,KCF）-扩展卡尔曼滤波（extended Kalman filter,EKF）组合滤波的目标跟踪方法,对车辆几何与运动信息进行了有效估计。通过在不同交通环境与天气状况下进行实车实验,结果证明,该方法具有更好的可靠性与鲁棒性。     

一种在长时间序列SAR影像上提取稳定目标点的多级探测法

基于长时间序列上的差分雷达地表形变检测技术是近年来形变监测领域中一项重要的关键技术,而在长时间序列上稳定目标点的准确提取则是其中的一项重要环节,在此本文提出了一个有效的提取稳定目标点的多级探测方法.该方法以传统的振幅探测法为基础提取稳定目标点,同时针对振幅探测中稳定目标点的分布密度低、不均匀等问题,建立时间相干性计算模型,并利用目标点时间相干信息提取更多满足要求的稳定点目标.本文选用上海地区的26幅ERS-1/2 C波段SAR图像(1992-2000年获取)进行了目标点的提取实验,证实了该方法的有效性和可靠性.     

Efficient,simultaneous detection of multi-class geospatial targets based on visual saliency modeling and discriminative learning of sparse coding

Automatic detection of geospatial targets in cluttered scenes is a profound challenge in the field of aerial and satellite image analysis. In this paper, we propose a novel practical framework enabling efficient and simultaneous detection of multi-class geospatial targets in remote sensing images (RSI) by the integration of visual saliency modeling and the discriminative learning of sparse coding. At first, a computational saliency prediction model is built via learning a direct mapping from a variety of visual features to a ground truth set of salient objects in geospatial images manually annotated by experts. The output of this model can predict a small set of target candidate areas. Afterwards, in contrast with typical models that are trained independently for each class of targets, we train a multi-class object detector that can simultaneously localize multiple targets from multiple classes by using discriminative sparse coding. The Fisher discrimination criterion is incorporated into the learning of a dictionary, which leads to a set of discriminative sparse coding coefficients having small within-class scatter and big between-class scatter. Multi-class classification can be therefore achieved by the reconstruction error and discriminative coding coefficients. Finally, the trained multi-class object detector is applied to those target candidate areas instead of the entire image in order to classify them into various categories of target, which can significantly reduce the cost of traditional exhaustive search. Comprehensive evaluations on a satellite RSI database and comparisons with a number of state-of-the-art approaches demonstrate the effectiveness and efficiency of the proposed work.     

多山地区输电通道内道路提取方法

准确提取输电通道内各地物类别是进行输电通道三维建模及交跨分析的基础。为解决目前贵州等多山地区输电通道内道路提取方法稳健性低、效率低的问题,本文通过结合道路特征显著性检测与形态约束的方法对影像中多山地区输电通道内道路的快速准确提取进行了研究。首先,对卫星影像中山区道路特征进行分析,对每个像素分别计算基于道路颜色一致性和结构一致性的像素级显著值;然后,结合显著目标空间先验知识融合显著性检测结果,形成最终道路显著图,初步提取影像中道路目标;最后,分析道路与建筑物等的差异性,基于道路形态一致性定义道路形态约束条件,通过制定约束规则最终实现道路的准确提取。结果表明,该方法对于不同弯曲程度、粘连程度及影像对比度的道路都能实现快速准确提取,提取完整度、正确率、质量及耗时平均分别为97.5%、97.0%、95.6%、0.515 s。该方法稳健性高,可以快速、准确提取各种情况下道路,在输电线路工程实际中有很好的应用前景。     

结合多光谱影像降维与深度学习的城市单木树冠检测

多光谱数据的降维处理对基于深度学习的单木树冠检测研究有重要意义,如何使用合适的降维方法以提高单木检测的精度却少有研究讨论。本文使用无人机搭载多光谱相机进行航拍作业,采集研究区内银杏树种多光谱影像。将原始多光谱影像通过特征波段选择、特征提取、波段组合的方法生成5种不同的数据集用于训练3种经典的深度学习网络FPN-Faster-R-CNN,YOLOv3,Faster R-CNN。其中由波段组合方法得到的近红外、红色、绿色波段组合在不同类型的目标检测网络中都有最好的检测结果,其中FPN-Faster-R-CNN网络对银杏树冠的检测精度最高为88.4%,由OIF指标得到的蓝色、红色、近红外波段组合信息量最高,但在所有网络中的平均检测精度最低,仅为79.3%。实验结果表明：在不同波段降维方法中,若降维后的影像中目标物体的色彩与背景差异较明显,且轮廓清晰,则深度学习网络对树冠的检测可获得较好的结果。而影像自身的信息量则对深度学习网络的树冠检测能力的提升作用有限。本研究中针对多光谱影像的降维方法分析,为基于深度学习的单木树冠检测研究提供了重要的实验参考。