基于深度学习的国产卫片图斑提取

本文针对国产卫片多时相、长时序、全天候、多源海量等特点,提出了一种高效、准确的卫片图斑提取方法。该方法在深度学习理论基础上构建了地物目标语义分割模型和图斑提取智能算法群,实现了国产卫片图斑的特征、规律及属性的自动识别,完成了卫片图斑提取的智能化和自动化。试验结果表明,该方法在国产卫片图斑提取中具有较高的准确率,为后续图像处理、分析和应用提供了重要支持。     

基于DInSAR技术监测地震形变及深度学习提取损毁建筑物 ——以厄瓜多尔为例

针对地震导致的地表变形、建筑物损坏等问题,利用合成孔径雷达差分干涉测量技术检测受灾区,并利用深度卷积网络提取损坏建筑物.以2016年4月16日厄瓜多尔地震为例,利用Sentinel-1A雷达数据获取地震形变.结果表明:厄瓜多尔地区整体地震形变在0～0.226 m,可检测形变变化为0.028 m;结合光学遥感影像进行分析...     

基于深度学习方法的耕地违建自动提取

耕地是粮食安全的根基所在,而随着我国城镇化的推进,农村违法占用耕地问题逐渐普遍化.加强对农村耕地的违建监测并制定应对措施是有效制止耕地蚕食现象的前提.借助深度学习技术,提出了一种基于前期耕地矢量的建筑物变化检测方法.首先利用已有国情矢量和影像数据制作建筑物专题样本;然后利用U-Net网络进行建筑物提取的模型训练,借助O...     

基于深度学习的地物要素智能提取系统设计

随着人工智能在图像识别领域的应用不断深入,传统的地物分类正从人工采集向自动化/半自动化的模式发展。本文主要开展利用多源遥感影像数据基于深度学习算法实现植被、水体、道路、居民地等典型地物的智能化提取的研究,进行模块设计,为用户提供可操作、可视化的系统软件设计。本系统设计立足应用实际,遵循模块化、可拓展的设计原则,提供水系、道路、植被、居民地等典型地物智能提取解决方案,以减少人工投入,提高生产效率。     

基于多源空间数据的河道水域变化监测方法研究

近年来,随着经济社会的快速发展,河道水域占用情况日益增多,严重影响河道防洪、排涝等正常水域功能的发挥。以浙江省省级河道为例,以覆盖浙江全省的高分辨率航片、省级基础地理信息数据等多源空间数据为基础,结合测绘和水利标准,提出基于多源空间数据的河道水域变化监测方法。方法充分利用高精度的基础测绘空间数据,保证成果的可靠性,同时符合水利部门的规定,能够满足水利部门的实际需要。研究结果表明,2008-2012年间,浙江省省级河道水域减少情况严重,主要减少类型为建设用地。方法为水利部门全面、客观地掌握水域的无序占用情况提供了一种有效手段。     

基于深度学习的乱占耕地建房疑似图斑自动提取方法研究

为实现农村乱占耕地建房问题“早发现、早制止、早查处”,本文提出一种基于深度学习的乱占耕地建房疑似图斑自动提取方法,利用高分辨率遥感影像解译模型,结合第三次国土调查成果耕地数据,快速识别乱占耕地建房疑似图斑。最后以江苏省某县级市为例开展实验,实验表明：该方法提取结果准确率高、用时少,可为耕地保护、督察执法提供重要支撑。     

基于GIS技术的河道变化监测研究

各种类型的GIS中存储了海量的地理空间数据,且数据还在以指数级方式不断增长,迫切需要高效、精确、科学地分析这些数据,以找出数据所蕴涵的意义,进而了解事物的性质与规律,为科学决策提供必需的信息。随着GIS在理论和软件研制水平上的不断提高,其应用范围不断扩大,而GIS的空间分析功能也成为人们倍加关注的热点。本文利用地理信息系统（GIS）与数字高程模型（DEM）技术,对新安江电站下游河道高程数据进行分析,得到河道变化的趋势,并对这一趋势进行分析,以利于实时的监测河道的变化。     

基于深度学习的遥感影像地物目标检测和轮廓提取一体化模型

随着遥感影像的分辨率不断提升,基于可见光遥感影像地物目标检测和轮廓提取的研究越来越受到关注。基于深度学习的方法提出一个利用遥感影像进行地物目标检测和轮廓提取的一体化模型,旨在解决遥感影像地物目标检测和轮廓提取中繁复的手工标注和传统算法效果不佳的难题。以船舶为研究对象,在HRSC2016遥感数据集上进行验证,单类目标检测精度可以达到79.50%,4类目标检测精度为63.45%,轮廓提取精度可以达到97.40%。结果证明,提出的模型可以实现基于遥感影像的自动化、智能化的船舶目标轮廓提取。     

基于深度学习的高分辨率遥感影像自动变化检测

我国城市化发展迅速,地表利用信息处于不断变动中,及时掌握这些变化信息十分必要.但实际作业中,变化信息获取方式仍然以高人力成本方法,如实地外业调查或者目视遥感影像判读为主,生产效率低.因此,本文提出了一种基于语义分割的深度学习变化检测方法.首先,利用编码-解码深度卷积网络,实现遥感影像地物的自动分类;然后,利用Mean-Shift方法分割前后期影像,融合其光谱、纹理和语义信息等特征,对比前后期影像的特征差异,提取出变化置信度图;最后通过EM算法分割变化与未变化类生成二值变化图,得出变化区域范围.该方法为自动化实现地物变化监测提供了有效的解决办案,实验证明,该方法相比人工以及传统分类模型具有更好的检测精度,有效降低了内外业工作量.     

基于深度学习差值分析的高分影像建筑物变化检测

高分辨率遥感影像的建筑物变化检测在灾害评估、城市管理等方面应用广泛.为提高建筑物变化检测精度,提出一种对不同时相的图像分别进行建筑物提取,再利用差值法进行变化检测提取建筑物变化结果的方法.首先利用基于分类验证原理对高分辨率遥感影像进行建筑物提取与优化,进一步将两幅不同时相的建筑物提取结果转化为两幅二值图像,在此基础上使...     

基于结构相似性与直线提取的建筑物变化检测方法

利用数字线划图中建筑物的矢量信息,根据前后两个时期的高分辨率遥感影像,通过结合LSD直线段提取算法与结构相似性度量,采用比较特征差异的方式提出了一种能够以较高的正确率进行快速建筑物变化检测的算法。本文对检测算法的过程进行了介绍,通过实验数据对算法进行了检验,探讨了阈值变化对结果的影响。     

Study on the Combined Application of CFAR and Deep Learning in Ship Detection

To maintain national socio-economic development and maritime rights and interests, it is necessary to obtain the space location information of various ships. Therefore, it is important to detect the locations of ships accurately and rapidly. At present, ship detection is mainly carried out by combining satellite remote sensing imaging with constant false alarm rate (CFAR) detection. However, with the rapid development of satellite remote sensing technology, remote sensing data have gradually begun to show the characteristics of “big data”; additionally, the accuracy and speed of ship detection can be improved by analysing big data, such as by deep learning. Thus, a ship detection algorithm that combines CFAR and CNN is proposed based on the CFAR global detection algorithm and image recognition with the CNN model. Compared with the multi-level CFAR algorithm that is based on multithreading, the algorithm in this paper is more suitable for application to ship detection systems.     

基于FME的DSM变化检测提取方法研究

本文基于FME平台,采用目标级变化检测方法,基于同一区域不同时相影像,设计了一个DSM变化检测范围提取的模板。对同一位置不同时相的DSM进行叠置,计算高程差值,得到变化的点,并通过高程差值阈值和面积阈值过滤后,进一步处理提取变化区域。该方法为大面积的DSM变化检测和地理国情监测提供了新的技术方法。     

深度学习在大坝变形预测中的应用研究

大坝时间序列变形的高精度预测对于大坝运行维护及保护人民生命安全显得尤为重要。本文以某大坝113期变形时间序列数据为实验,提出了一种深度学习中的循环神经网络(LSTM)方法来进行大坝变形预测,将实验的结果与机器学习中NAR神经网络和ARIMA自回归移动平均模型的预测结果进行对比,LSTM、NAR和ARIMA模型的均方根误差(RMSE)分别为0.392 5、0.573 7、1.298 7;平均相对误差(MRE)分别为0.0498、0.1046、0.1878;R^2系数分别为0.932 3、0.822 1、0.247 7。从上述结果对比可知,LSTM时间序列预测模型的精度更高且稳定性更好,可作为后续大坝变形预测的一种新的思路和探索。     

利用主成分分析改善土地利用变化的遥感监测精度——以珠江三角洲城市用地扩张为例

近年来,珠江三角洲由于经济的快速发展,城市用地急剧增加,利用多时相的遥感图,可以定量地监测这种城市化的现象。但理,由一般的遥感动态监测方法所得的结果往往夸大变化的程度,以及获得一些不合理的结论．该文提出主成分分析的方法来改善遥感动态监测的精度。将该方法应用应用于珠江三角洲发展最快的东莞市,获得了较满意的结果。     

基于深度学习的目标检测定位系统设计与实现

针对传统遥感影像目标检测方法效率不高,并且无有效手段对检测信息进行管理利用的问题,提出了在B/S构架下基于深度学习的目标检测及定位方法。通过集成深度学习框架、WebGIS以及数据库,实现了集遥感影像目标检测、展示及管理于一体的目标检测定位系统,满足多用户基于前端浏览器的并发目标检测需求。利用网格划分策略,实现了基于前端的大区域范围的目标快速检测。基于某机场飞机目标及某城市区域运动场目标检测结果表明:本文设计的目标检测定位系统能够在前端实现目标快速检测定位,具有较高检测精度,并可有效管理检测信息,为深度学习循环再利用提供数据支撑。     

基于遥感影像和矢量数据的水系变化检测

介绍了基于遥感影像和矢量数据的水系变化检测方法。根据矢量的拓扑结构,将水系分为主干河流、湖泊和支流水系网。对主干河流采用“模式分类、区域生长、形态学处理、边缘提取、缓冲区检测”的流程,对湖泊采用“区域生长、形态学处理、多边形面积相减”的处理,对支流水系网采用“金字塔分解和多尺度模板匹配、Ziplock Snakes模型优化、缓冲区检测”的策略。实验结果验证了上述方案的可行性。