基于残差注意力机制的泥石流沟谷识别

针对泥石流灾害沟谷图像分类问题,文章对Resnet18网络进行改进,提出了一种改进的卷积神经网络模型。通过在网络结构中加入残差注意力模块,解决了原模型提取图像特征较差、边缘模糊的问题,改进后的网络能精确捕捉到泥石流灾害沟谷图像中的轮廓和内部山脊信息。此外,文章还对多种注意力机制结构进行了实验对比,分析其差异性,得出最适合泥石流灾害沟谷数据分类的注意力机制网络。实验表明改进后的网络模型在泥石流灾害沟谷图像的分类准确率达到75.42%,其分类性能在Resnet18网络模型的基础上提升了5.1%。     

基于改进原型网络的小样本古生物化石识别研究

传统古生物化石鉴定方法多依赖于古生物学家的经验知识,现有的人工智能识别方法需要大量的化石训练样本才能达到较高的准确率。为解决上述问题,在少量化石图像样本情况下准确识别化石,本文尝试使用残差网络和注意力模块相结合的方法,并将其运用于小样本的化石鉴定。首先以残差网络作为模型的特征提取模块,并在残差网络的残差块中嵌入CBAM卷积注意力模块,提高模型对于化石纹理特征的关注,以提取更为全面的深层次化石图像特征,再使用小样本度量学习中的原型网络对提取特征进行原型计算,最后通过多轮次迭代训练得出最佳的化石判别模型。使用本文方法与5种经典的小样本学习方法进行对比实验,实验结果表明本文方法的识别准确率最高,在样本数量为1和5的情况下,准确率达到了86.32%和94.21%,对稀缺样本下的化石识别具有更显著的优势。     

基于改进原型网络的小样本古生物化石识别研究

传统古生物化石鉴定方法多依赖于古生物学家的经验知识,现有的人工智能识别方法需要大量的化石训练样本才能达到较高的准确率。为解决上述问题,在少量化石图像样本情况下准确识别化石,笔者等尝试使用残差网络和注意力模块相结合的方法,并将其运用于小样本的化石鉴定。首先以残差网络作为模型的特征提取模块,并在残差网络的残差块中嵌入CBAM卷积注意力模块,提高模型对于化石纹理特征的关注,以提取更为全面的深层次化石图像特征,再使用小样本度量学习中的原型网络对提取特征进行原型计算,最后通过多轮次迭代训练得出最佳的化石判别模型。使用本文方法与5种经典的小样本学习方法进行对比实验,实验结果表明本文方法的识别准确率最高,在样本数量为1和5的情况下,准确率达到了86.32%和94.21%,对稀缺样本下的化石识别具有更显著的优势。     

基于多尺度循环注意力网络的遥感影像场景分类方法

高分辨率遥感影像场景分类一直是遥感领域的研究热点.针对遥感场景对尺度的需求具有多样性的问题,提出了一种基于多尺度循环注意力网络的遥感影像场景分类方法.首先,通过Resnet50提取遥感影像多个尺度的特征,采用注意力机制得到影像不同尺度下的关注区域,对关注区域进行裁剪和缩放并输入到网络.然后,融合原始影像不同尺度的特征及其关注区域的影像特征,输入到全连接层完成分类预测.此分类方法在UC Merced Land-Use和NWPU-RESISC45公开数据集上进行了验证,平均分类精度较基础模型Resnet50分别提升了1.89%和2.70%.结果表明,多尺度循环注意力网络可以进一步提升遥感影像场景分类的精度.      

基于融合残差注意力机制的卷积神经网络地震信号去噪

由于U型卷积神经网络(Unet)在地震数据去噪中存在计算量大、网络退化和泛化能力弱等问题,本文为了提高去噪效果以及增强模型的泛化性,提出了一种融合残差注意力机制的卷积神经网络(RAUnet)。该网络结构主要由编码和解码两部分构成,网络的每个卷积层之后都加入了批标准化和带泄露整流激活函数。在编码器中,为了提高对噪声的提取能力,引入了残差结构和卷积块注意力模块。残差结构利用残差跳跃连接的方式减弱了网络退化,降低了特征映射的难度。卷积块注意力模块使用通道和空间的混合注意力权重,能提升相关度高的特征并抑制相关度低的特征。在解码器中,为了提升特征融合的维度恢复能力,选用双线性插值方式进行上采样。实验测试结果表明,对于合成地震信号,本文方法对简单模型和复杂模型随机噪声的压制效果均更有效,并且更好地保护了有效信号;对于实际地震信号,本文方法仍然能在去噪的同时尽量保持有效信号中的细节,对叠前数据和叠后数据都展现出了良好的泛化性。     

基于难易样本平衡因子的遥感图像目标检测

遥感图像目标检测一直是遥感图像领域中的热点和难点问题,旨在分类和定位感兴趣目标.近年来卷积神经网络理论技术的快速发展,有效地解决了传统目标检测方法特征提取不足的问题.在公开的遥感数据集RSOD-Dataset上,基于YOLOv3算法模型进行目标检测,为了适应遥感图像中目标小、背景复杂等难分类样本的特点,在检测模型中引入...     

集成空间变换结构与深度残差网络的遥感影像场景分类方法

针对传统高分辨率遥感影像的场景分类效率较低,以及卷积神经网络在遥感影像场景分类上由于空间不变性而导致的分类精度不高的问题,提出了一种结合空间变换网络和迁移学习的高分辨率遥感影像场景分类算法.首先,利用ImageNet数据集训练深度残差网络ResNet101得到预训练模型,通过知识迁移提高模型目标探测效率;之后在模型中嵌入空间变换结构,使模型能够主动在空间上变换特征映射,提高模型的鲁棒性;最后,在模型中添加Dropout层减小模型出现过拟合的概率.本方法在AID和NWPU-RESISC45两种不同规模的高分遥感影像数据集上进行了验证,在只有20%训练样本的情况下仍达到了94.30%和93.63%的分类精度.实验结果表明本次改进模型具有更好的特征提取能力,针对易误分类场景的分类结果更优.     

基于FPN Res-Unet的高分辨率遥感影像建筑物变化检测

针对城市土地资源变化检测工作繁杂、工作量大、自动化程度低等问题，本文提出一种基于深度学习模型的高分辨率遥感影像建筑物变化检测方法，将语义分割的思想引入到遥感变化检测。基于残差结构特征较卷积层提取性能更优和特征金字塔网络多尺度预测的特点，将残差结构和特征金字塔网络融合到Unet模型中，建立FPN Res-Unet模型。该模型以Unet为基础，引入ResNet18的残差结构作为编码路径特征提取层，在每次卷积后使用边界填充，使得输入图像和输出图像尺寸一致；在解码路径每级上采样过程中，拓展支路径将特征金字塔网络融合到模型的网络主干中，将残差结构、Unet及特征金字塔网络的优点相互融合，增强了Unet的特征提取，弥补了语义分割网络对小目标检测的欠缺；在获取深层语义信息的同时关注细节信息，提高建筑物变化检测精度。实验表明，该方法在所用数据集，准确率、召回率、F₁ 3种指标均达到90%以上。     

基于改进YOLOX的遥感影像目标检测算法

目标检测是遥感影像处理中一项基础性和常规性的工作。本文基于YOLOX(you only look once X)网络进行改进,设计了一种针对遥感影像目标的检测算法。首先在特征提取模块PANet(path aggregation network)中加入自适应空间特征融合(adaptively spatial feature fusion, ASFF)网络,针对目标检测中尺度不一致的细部特征进行深入挖掘。其次,设计了基于ECA(efficient channel attention)的特征提取模块,高效通道交互在更加关注特征图中正样本特征信息的同时降低了模型的复杂性。再次,为了避免过拟合造成梯度消失、激活效果弱的问题,提出使用swish激活函数。最后,在DOTA(dataset for object detection in aerial images)上进行实验,通过消融实验定性分析、通过对比实验定量验证了本文算法的最佳机制和有效性。结果表明：在添加ASFF和ECA机制并且优化swish激活函数的前提下,改进网络模型的全类平均正确率(mean average precision, mAP...     

基于FM-UNet++和高分二号卫星影像的露天矿区范围变化检测

利用遥感和深度学习技术实现露天矿区土地利用变化信息的自动提取对于矿区开采监测、生态环境保护具有重要意义。针对复杂异质矿区场景下土地利用类型的变化,构建新型深度学习模型FM-UNet++,利用高分二号(GF-2)卫星影像实现露天矿区的自动变化检测。首先,通过资料调查和目视解译制作露天矿区变化检测数据集,通过数据增强对其进行扩充;其次,通过在UNet++模型中引入特征增强坐标注意力机制FECA(Feature-enhanced Coordinate Attention)和Mish激活函数构建面向露天矿区变化检测的FM-UNet++模型;最后,训练FM-UNet++及7种对比模型进行露天矿区变化检测实验,并比较不同深度学习模型的检测结果。结果表明：特征增强坐标注意力机制FECA和Mish激活函数均提升了UNet++模型的露天矿区变化检测性能。FM-UNet++模型对露天矿区变化检测的精确率(Precision)、召回率(Recall)、F1-Score和交并比(IoU)值分别达到95.6%、89.2%、92.3%和85.7%,相较于FCN、PSPNet、Deeplabv3+、LANet、UN...     

多源遥感数据在地下采煤塌陷识别中的应用与分析

长期的地下采煤会造成地表沉降,严重影响矿区生态环境和人民生命财产安全,采取可行有效的方法对矿区采空塌陷进行监测与分析,是实施地质灾害精准防护的首要前提,具有重要现实意义。为此,本文利用Sentinel-1 SAR雷达影像和高分辨率光学遥感影像,分别采用小基线(SBAS)InSAR技术和人机交互遥感识别方法对纳雍县鬃岭地质灾害群地下采煤塌陷范围进行了监测识别,对比分析了各自技术特点。结果表明:①基于小基线InSAR雷达监测技术能很好反映监测期内地表形变信息,对因地下开采引发的地表形变较大或微小形变均能有效识别,但对早期煤矿开采造成而目前趋于稳定的采空塌陷识别能力不足;②高分辨率光学遥感人机交互解译对于目前采空塌陷形变已趋于稳定或历史上形成的采空塌陷区损毁土地情况有很好的识别;③综合InSAR 监测技术和高分辨率光学影像遥感识别方法,能较全面获取采空塌陷范围及损毁情况,可为矿山地质环境治理、地质灾害防护提供参考依据。     

控制点布设方案对无人机精度测量的影响及其应用

近年来矿区地质灾害愈发严重。为准确监测尾矿坝地表沉陷变形,以地形地貌复杂的尾矿坝为研究实例,开展无人机低空摄影的形式进行监测数据收集。无人机原始POS数据存在系统误差的问题,文章利用误差改正模型纠正原始POS数据,并设计7种像控点布设方案,并对获取的尾矿坝高分辨率正射影像及DEM进行了精度评价。结果显示,当布设像控点数量为8个时,数据误差可以控制在3 mm以内;用两期DEM数据差值覆于地面模型,生成尾矿坝沉降图, 沿Y=350 m、Y=100 m和X=60 m剖面线做剖面图。基于测量结果发现,尾矿坝已出现整体沉降,其中南部尾矿坝下坡沉降范围最大,沉降范围在0.16 m之内。这次应用验证了在尾矿坝地表监测中无人机低空摄影测量的精度是可靠的。利用无人机的高精度成图方法对尾矿坝变形进行监测,对应急响应溃坝可能导致的绿洲地区及周边河湖生态灾难地形和矿区安全生产起到一定的预警作用。     

控制点布设方案对无人机精度测量的影响及其应用——以西北地区某尾矿坝地表沉降监测为例

近年来矿区地质灾害愈发严重。为准确监测尾矿坝地表沉陷变形,以地形地貌复杂的尾矿坝为研究实例,开展无人机低空摄影的形式进行监测数据收集。无人机原始POS数据存在系统误差的问题,文章利用误差改正模型纠正原始POS数据,并设计7种像控点布设方案,并对获取的尾矿坝高分辨率正射影像及DEM进行了精度评价。结果显示,当布设像控点数量为8个时,数据误差可以控制在3 mm以内;用两期DEM数据差值覆于地面模型,生成尾矿坝沉降图,沿Y=350 m、Y=100 m和X=60 m剖面线做剖面图。基于测量结果发现,尾矿坝已出现整体沉降,其中南部尾矿坝下坡沉降范围最大,沉降范围在0.16 m之内。这次应用验证了在尾矿坝地表监测中无人机低空摄影测量的精度是可靠的。利用无人机的高精度成图方法对尾矿坝变形进行监测,对应急响应溃坝可能导致的绿洲地区及周边河湖生态灾难地形和矿区安全生产起到一定的预警作用。     

无人机遥感在矿山地质环境调查中的应用

无人机遥感是遥感数据获取的重要工具之一,其具有成像分辨率高、数据获取灵活等优点。选取宁东羊场湾矿区60km2作为研究区域进行无人机遥感解译,解译结果与实地调查结果吻合程度较高,验证了无人机遥感技术在矿山地质环境调查中的可行性与有效性。为矿山地质环境调查与监管提供快速有效的技术。     

卷积神经网络和视觉注意力语义分割模型在高分辨率遥感影像分类中的性能分析

随着深度学习语义分割的快速发展,基于计算机视觉语义分割模型的高分辨率遥感影像分类方法也大量涌现。为系统定量地研究经典的和先进的视觉语义分割模型在遥感影像分类中的性能,在总结深度学习语义分割进展的基础上,选择9种基于卷积神经网络(CNN)和视觉注意力的语义分割算法,对米级和厘米级2个尺度的遥感数据集进行分析研究。在模型构建上基于计算机视觉通用的语义分割框架,训练时采用红绿蓝3波段遥感图像并基于ImageNet预训练权重进行迁移学习训练。研究结果表明：通用的语义分割模型通过常规训练设置进行训练能取得较好的遥感影像分类效果,部分地物的交并比(IoU)可以达到90%以上;基于视觉注意力的遥感影像分类模型的精度普遍高于基于CNN的模型,且MaskFormer能更有效地提取离散的地物信息;不同类别的精度最高值并不全在总体最优模型中,部分会存在于次优模型中;类似的地物在更高分辨率遥感数据集中可以获得更高的精度。     

无人机影像在高陡边坡危岩体调查中的应用

在高陡边坡危岩体的调查中,复杂的地形条件经常限制工作的正常开展,如何快速准确地获取地质灾害信息一直是地质灾害调查研究中的难点之一。以往的研究中对无人机遥感技术在黄土、高原等地区应用有所报道,但对西南地区高陡边坡危岩体灾害调查的研究尚无报道。文章以锦屏二级水电站出线场边坡落石灾害所在区域为例,将无人机摄影测量技术应用于高陡边坡危岩体调查中,通过无人机倾斜摄影获取高分辨率遥感影像,开展遥感影像三维建模,进行地质灾害遥感解译,总结了无人机遥感系统在高陡边坡危岩体调查的技术流程。通过三维实景模型,精确地分析了落石灾害的空间分布、失稳模式及演化过程,查明了区域内危岩隐患点的分布特征;基于三维点云模型,提取出地质灾害体的属性信息,测得落石方量为11.7 m3,采用最小二乘法进行平面拟合,得到落石两组主控结构面产状为275.4°∠31.2°、103.5°∠63.3°。实践表明,无人机遥感技术在高陡边坡地区落石灾害调查中具有明显的可行性和优越性,可以较好地应用于高陡边坡危岩体调查中。     

无人机遥感与卫星遥感在采煤地表裂缝识别中的对比

采煤诱发地表裂缝是地面塌陷最直观的表现形式之一,也是造成煤矿区环境恶化的主要因素。准确掌握地表裂缝的展布规律是煤矿区地面塌陷治理的基础。以宁夏金凤煤矿011805工作面为研究对象,对比分析卫星遥感影像与无人机遥感影像在地表裂缝调查、解译识别中的优缺点,总结工作面地表裂缝发育规律。研究表明,无人机航拍影像中裂缝整体视觉清晰,可充分反映出宽度大于5cm的地表裂缝的形态、长度、位置等发育特征,且解译出的地表裂缝发育规律更接近实际;无人机遥感不仅提高了煤矿区地表裂缝调查的精度和可靠性,也为地表裂缝各项研究提供了丰富的基础数据。     

安徽马鞍山高村采场矿坑地下水疏干预测

根据马鞍山高村铁矿露天采场矿区地质及水文地质特征,对矿区的基岩裂隙地下水系统进行概化。结合高村采矿场历史疏干资料和观测孔的地下水动态观测资料,建立了矿区地下水水流模型。然后按照露天采场的开采计划,论证矿坑地下水疏干对策,分别对2个开采规划期进行地下水疏干预测,为安全开采和经济有效地防治地下水提供设计依据。     

基于国产卫星在矿山集中区矿山地质环境中的应用研究

以国产卫星数据为信息源,对安徽省淮南市矿区进行矿山地物占地信息提取研究。在经过处理的图像上对研究区内的各矿山地物进行遥感解译,分析矿山地物的影像特征,通过目视解译为占地信息赋予属性,进一步将矿山占地信息细分,分析各矿山地物的变化情况。研究表明,2013-2014年间,淮南矿区矿山地物变化主要体现为采场、中转场地、固体废弃物等都有不同程度的增加;固体废弃物在部分地区出现了减少的局面,说明矿区采取的矿山环境恢复治理取得了阶段性效果。     

司家营铁Ⅲ

从水文地质条件、充水情况等方面研究影响司家营铁矿Ⅲ采场地下水涌水量因素;在矿区水文地质条件的基础上,进行了矿区地下水均衡计算,通过矿区地下水影响因素的综合分析,计算出矿区地下水总补给量和总排泄量,得出两者的平衡关系;分别采用大井法及数值模拟法,对司家营铁矿Ⅲ采场露天转井下深部开采不同中段的地下水涌水量进行计算,并结合自然降水和考虑露天采场回填废石影响,系统预测了不同开采中段矿坑总涌水量。研究成果表明,矿区地下水呈负均衡状态,对矿区开采呈有利态势;矿坑系统涌水量综合预测结果与阶段性的实测资料较为一致,为司家营铁矿Ⅲ采场井下防排水及地质环境保护奠定了基础。