基于PS-InSAR的输电塔结构及沿线地质监测技术

我国电力建设发展迅速,电力输送设施建设通常会跨越恶劣地质条件区域,这些区域易发生地质灾害,从而引起输电铁塔基础结构产生形变,严重威胁高压输电线路的运行安全.本文使用合成孔径雷达影像,应用永久散射体差分干涉测量(PS-InSAR)技术对高压输电塔结构及其沿线地表进行形变监测.使用相干系数阈值法来确定研究区域的永久散射体点...     

不同栅格尺寸下输电线路地质灾害易发性评价

输电线路的安全运行对国家经济建设与发展具有重要意义,而针对输电线路进行地质灾害易发性评价的研究较少。以京津冀地区的输电线路为例,选取高程、坡度、坡向、地形起伏度、地层岩性、距断层距离、距水系距离、土地利用类型8个指标因子,采用频率比法对各指标因子进行分级,构建易发性评价体系。再利用不同的机器学习模型,使用不同尺寸的栅格单元作为评价单元对研究区进行易发性评价。最后,选取精度最高的机器学习模型与传统的层次分析法完成研究区易发性区划图。研究结果表明：贝叶斯网络模型在区域输电线路易发性评价中的应用效果最好,模型性能最强,最高AUC值为0.876。与传统的层次分析法相比,BN模型在研究区易发性制图中的效果更好,精度更高。此外,采用50 m的栅格作为评价单元在研究区易发性评价中取得了最好的应用效果,研究成果为输电线路地质灾害易发性评价以及栅格尺寸的选用提供了思路以及参考。     

基于对偶四元数的不同地形无人机影像区域网平差解算方法

随着对地观测技术的发展,通过各种传感器获取的影像越来越多。无人机遥感技术以其方便、快捷、成本低、可云下飞行的优势正越来越多地运用到铁道沿线信息的获取中,为保证后续分类、信息提取、面积量算的精度,对无人机影像进行区域网平差具有重要意义。考虑到无人机影像具有像幅小、数量多、基线短、重叠度不规则等特点,将对偶四元数引入到无人机影像定向过程中,提出了一种利用对偶四元数进行无人机影像区域网平差解算的方法,并针对不同地形区域的无人机影像进行实验。实验结果表明:本文提出的算法应用到无人机影像区域网平差中,精度与常规光束法区域网平差相当,所需像控点数量及分布与常规光束法区域网平差相当,本文研究为提高无人机影像区域网平差的解算效率探索了一种新思路。     

基于GDAL的无人机影像快速拼接方法研究

在突发地震等自然灾害时,通常利用无人机进行应急航空遥感测绘获取受灾区域影像数据,由于无人机影像数据量较大,采用传统方法拼接速度慢,耗时长。本文提出一种通过影像坐标,快速进行无人机影像拼接方法,并结合实验,利用GDAL及OGR开源库,实现应急航空测绘中无人机正射影像的快速拼接。结果表明,该方法切实可行,有一定的实用价值。     

无控制点数据的无人机影像快速处理

本文以四川地震灾区作为典型研究区,尝试在无其他控制点数据时,仅利用小型无人机影像和无人机系统自身记录的辅助数据,进行无人机影像的快速匹配、拼接和纠正处理。首先,对小型无人机获取的影像数据和辅助数据进行了详细分析,然后,将小区域原始影像利用影像匹配算法进行自动拼接,拼接后的分块区域再根据辅助数据进行纠正处理。SIFT算法被运用到无人机影像的匹配中,达到了较好的速度和精度;分块拼接后的成果利用辅助数据的伪中心点进行纠正,相对精度较高,镶嵌结果无视觉错位。最后,将纠正结果和GoogleEarth影像数据叠加进行精度检查,主要标志性地物重叠良好。     

一种无人机视频中影像与纹理影像叠加的方法

传统的无人机视频中影像表达方式是通过多媒体窗口或独立文件的形式表现,这种表达方式将纹理影像和专题影像人为分割,而且用户的视角在多媒体窗口和纹理影像窗口之间重复移动,给使用带来不便。本文提出一种基于帧序列的无人机飞行路线还原方法,即利用无人机飞行中的GPS、飞行参数等相关信息确定无人机的飞行姿态,而后将其分解成帧序列,并与纹理影像叠加,动态、有效地解决了上述问题,为更好的判断重点目标、应对突发事件提供了可能。     

基于面向对象与深度学习的榆树疏林识别方法研究

榆树疏林是浑善达克沙地中一种特殊的植被类型,它对于维持区域生态系统稳定具有重要意义,在防风固沙、涵养水源、调节气候等方面发挥着重要的作用。本文利用无人机影像与GF-2影像,对高分辨率数据源中榆树疏林的两种自动识别方法进行了研究。在面向对象方法中,首先通过计算影像对象的局部方差变化率得到了最佳分割尺度;其次采用随机森林算法对初选特征的重要性进行排序,并删除无关特征;最后分别对支持向量机（SVM）、随机森林（RF）、深度神经网络（DNN）3种分类器进行参数寻优与榆树疏林提取。此外,在ENVI5.5中基于TensorFlow框架,利用U-Net构建深度学习模型对榆树疏林进行了提取,并与面向对象方法进行对比。结果显示：① 通过面向对象方法过程的优化,最终的识别精度较以往研究有所提升,GF-2影像中SVM总体精度为90.14%,RF总体精度为 90.57%,DNN总体精度为91.14%;无人机影像中SVM总体精度为97.70%, RF与DNN总体精度为97.42%。② 深度学习方法中,GF-2影像的总体精度为91.00%,无人机影像的总体精度达到了98.43%。研究结果说明在榆树疏林提取中,无人机影像具有更高的空间分辨率,更丰富的纹理、形状等信息,能达到比GF-2影像更高的精度。面向对象方法对于2种影像都有较高的适用性;深度学习的方法在本文中更适用于无人机影像,它可以有效地减少无人机影像中的错分现象。     

低空无人机航摄系统应用实例研究

低空无人机航空摄影测量系统作为目前高效的高分辨率航空影像获取系统,可以在云层下低空甚至超低空平稳飞行并获取影像,不仅弥补了卫星遥感和常规航空摄影经常因云层遮挡获取不到影像的缺陷,也解决了传统卫星遥感重访周期过长,应急不及时等问题。无人机的飞速发展,为各个方面提供了新的技术,也快速的渗透到各个行业,如航摄型无人机、气象监测型无人机、地质勘测型无人机、农药喷洒型无人机、林业普查型无人机、电力电网巡航型无人机等,依托计算机技术、通讯技术、飞控技术、测控技术等让无人机进入到大发展的阶段,目前无人机遥感平台有:固定翼无人机、直升翼无人机、飞艇、六旋翼无人机平台等。     

浅析土地利用总体规划与村民建房用地之间的矛盾

正我国农村实行农业人口一户一宅政策,总体来讲,大部分地区大部分农村居民符合这一要求,但依然不能忽视存在一户多宅、一户一宅但超面积和非农业户口在农村拥有宅基地的现象。再加上重点建设项目,主要是建设不征地的项目,如架设高压输电线路,考虑到居民生活安全,输电线路以下的原有宅基地基本遗弃而不得不安排新的     

面向无人机影像的改进FNEA分割方法

针对无人机影像光谱信息量不足导致的影像分割精度较低和同类地块过度分割问题,本文设计了一种面向无人机影像的改进FNEA分割方法。首先,利用特征提取方法,构建原始RGB影像的不同纹理和植被指数特征影像;然后,基于改进分离阈值法选择最佳植被指数和纹理特征;最后,将最佳特征与原始RGB数据融合,采用FNEA算法进行影像分割。将改进FNEA方法与多种分割方法对比,结果表明改进FNEA方法的分割精度更高,同一地块内过度分割可得到较好控制,适合无人机影像的分割。