多场景下的行人步频自适应检测方法

针对步频检测中容易出现步数过计、错计等问题影响行人航迹推算(PDR)室内定位精度,提出一种自适应步频检测算法.由于智能手机内置加速度传感器直接采集得到的数据存在大量干扰噪声,提出一种组合滤波去噪方法,即将加速度数据依次通过赫尔指数移动平均法、卡尔曼滤波(KF)和低通滤波的预处理滤波组合去除噪声.然后在不同场景下,如上下...     

基于移动智能终端的PDR/iBeacon融合室内定位

针对单传感器室内定位存在累积误差大、连续性差的问题,本文顾及行人航迹推算(PDR)与低功耗蓝牙信标(BLE Beacon)良好的互补性,研究了基于移动智能终端的融合PDR/iBeacon的室内定位算法：首先,采用电子罗盘和陀螺仪互补修正航向角法降低了PDR的累积误差,其次结合离线指纹库并利用加权K近邻法实现了iBeacon指纹定位,最后基于扩展卡尔曼滤波器(EKF)实现了PDR/iBeacon融合定位。两组实测结果表明,相较于传统的PDR,电子罗盘和陀螺仪互补修正航向角方法有效地抑制了航向误差的累积。室内行人航程为39和60 m时,融合PDR/iBeacon定位的平均误差分别为0.560、1.802 m,相比改进的PDR和iBeacon指纹定位精度提高了11.81%、25.53%和26.66%、11.75%。融合PDR/iBeacon的室内定位能降低PDR的误差累积和iBeacon定位的波动性,满足用户室内定位的需求。     

双状态机的自适应步态检测算法

针对步态检测算法无法适应于不同的运动状态、不同传感器姿态问题,该文提出基于双状态机的自适应步态检测算法,该方法在原算法基础上利用最大整体加速度阈值对状态机进行状态分割,并利用时间阈值和整体加速度阈值对状态机进行二次判断。通过四类步态检测算法的比较实验,常规峰值检测算法、状态机步态检测算法在行人行走状态下步态检测精度均优于99%,而在行人跑步状态和行走+跑步状态的步态检测精度仅为60%和70%,无法适应行人的不同运动状态;本文算法在不同行人运动状态、不同传感器姿态下均具有较强的适应性和可靠的步态检测正确率。     

融合多源遥感影像的城市扩展识别与空间驱动分析

鉴于当前较难获取最新高精度长时序遥感城市土地监测图,现有城市扩展空间驱动分析实践识别主要驱动因子时未检验因子集的全局解释性且较少关注空间溢出效应。以东莞为实验对象,集合Landsat影像和MODIS归一化植被指数（normalized differential vegetation index,NDVI）时序产品,构建深度学习分类器,获取高精度土地覆盖分类图,识别城市扩展,使用基于logistic回归的探索性回归识别解释东莞全局城市扩展的最优因子集,进而使用auto logistic回归测度空间溢出效应的影响并进行驱动分析。研究发现：(1)基于深度学习分类器,融合Landsat光谱、纹理和MODIS NDVI时序变化信息可获取高精度（Kappa>93%）土地覆盖分类图;(2)基于探索性回归可良好识别解释全局城市扩展的最优因子集,受试者工作特征曲线（receiver operating characteristic curve,ROC）>0.85;(3)2000—2020年,最优解释东莞全局城市扩展的主要空间驱动因子有城市规划方案、距建成区距离、空间加权城市密度、城市扩展的空...     

一种基于神经网络快速检测震后坍塌房屋的方法

在地质灾害发生后快速进行房屋坍塌检测,可以有效地进行灾害评估,并实施抢险救援工作.传统的房屋坍塌检测方法难以适应现代海量无人机影像处理工作,既需要大量的人力、时间成本,又不能保证检测的精度,无法满足应急测绘的要求.本文提出了一种基于卷积神经网络(convo-lutional neural network,CNN)快速检...     

结合事件和语境特征的台风事件信息抽取方法

台风事件信息抽取在台风知识检索、灾害应急预警、损失评估预测等方面具有重要价值。由于台风事件存在一个时空动态演变的过程,新闻文本中易出现包括台风形成、登陆、移动和消散等不同时间节点的事件状态的混合表达,使得规则匹配和现有传统机器学习方法进行信息抽取效果不佳。因此,提出一种结合事件和语境特征的台风事件抽取方法,能够充分考虑词汇的事件特征和上下文信息。实验结果显示所提出的方法使得登陆时间和登陆位置抽取准确率高达92%,各事件元素抽取精度总体较高且较为平衡,平均F1值高达78%,提升幅度达42%。本文研究为构建台风知识库提供了方法支撑。     

融合空间和时序遥感信息的深度学习水稻提取

为了得到更加精细的水稻提取结果,提出一种结合高分辨率和多时序遥感影像的深度学习水稻提取方法.构建全卷积网络(FCN)对BJ-2高分辨率遥感影像进行分类,并利用长短期记忆网络(LSTM)和随机森林(RF)分类器对Sentinel-2多时序遥感影像进行分类,再通过面向对象的分割和投票对3种方法的分类结果进行融合,得到最终提...     

光流网络的无人机视频运动目标检测方法

针对传统光流技术的无人机视频运动目标检测方法计算效率低等问题,提出一种基于改进光流网络的无人机视频运动目标检测方法.首先利用卷积神经网络分别提取视频序列影像中目标的运动特征,并利用所提取特征进行光流计算;其次通过堆叠网络结构增加网络深度、引入小位移子网络等方法提高光流计算的精度和效率;最后通过光流阈值分割实现运动目标的检测.采用4组不同飞行模式下的无人机视频数据进行实验,实验结果表明,无论是在悬停模式还是在航行模式下,所提方法均能实现单目标、多目标和遮挡目标的检测,检测效果更好、计算效率更高(计算时间≤35 ms),基本能满足无人机视频运动目标实时处理的需求.     

一种基于机器学习算法的区域/单站ZTD组合预测模型

针对天顶对流层总延迟(ZTD)具有一定的时空变化特性,提出了一种基于BP神经网络、长短期记忆网络(LSTM)算法的区域/单站ZTD组合预测模型. 以连续14天香港连续运行参考站(CORS)网络18个监测站观测数据为例,利用BP神经网络、LSTM及本文算法进行了区域、单站及二者组合ZTD预测模型研究. HKWS测站的预测结果表明:利用前13天数据预报第14天数据,区域、单站、组合模型ZTD预测的均方根误差（RMSE）分别为10.2 mm、10.4 mm、8.5 mm,组合模型相对于区域、单站模型预测精度分别提升了17.2%、18.4%.      

结合超像素和卷积神经网络的国产高分辨率遥感影像云检测方法

由于国产高分辨率卫星遥感影像波段少、光谱范围窄,导致传统云检测方法精度低。本文提出了基于卷积神经网络的高分辨率遥感影像云检测方法。首先采用主成分分析非监督预训练网络结构,获取待测遥感影像云特征;然后采用超像素分割方法进行影像分割;最后将检测结果影像块拼接,完成整幅影像云检测。试验效果评价表明,基于卷积神经网络的高分辨率遥感影像云检测方法不受光谱范围限制,云检测精度高,误判较少,适合国产高分辨遥感影像云检测。     

一种结合语义分割模型和图割的街景影像变化检测方法

由于街景影像具有地物尺度多样化、地物界限不明确、地物光谱信息复杂等问题,造成应用统计方法、机器学习等方法对复杂度高的街景影像变化检测性能欠佳.因此提出一种结合语义分割模型和图割(GC)的街景影像变化检测方法.该方法首先采用Camvid数据集训练DeeplabV3+网络得到的迁移学习模型对两个时期的街景影像进行语义分割;...     

基于卷积神经网络的高分辨率遥感影像目标检测方法研究EI北大核心CSCD

高分辨率遥感影像目标检测作为高分对地观测系统中影像信息自动提取及分析理解的重要内容,对高分对地观测系统应用价值的发挥具有重要影响。卷积神经网络作为最热门的深度学习模型,由于其可以根据海量数据和标注自行进行有效图像特征提取和学习,在训练数据充足的情况下,模型具有良好的泛化能力,能够在复杂多变的条件下依然保持良好的稳健性和普适性。因此,基于卷积神经网络的目标检测架构被相继提出,但现有网络架构多是针对自然图像设计的,相对于自然图像,高分辨率遥感影像存在背景更加复杂、目标尺度更小、同类目标尺度变化更大和影像尺寸更大等特点;将这些网络架构直接用于高分辨率遥感影像目标检测会存在网络目标建议框尺度不匹配,待检影像相对于网络输入过大,以及缺乏训练数据等问题。针对上述问题,论文系统性地开展基于卷积神经网络的高分辨遥感影像目标检测方法研究。主要研究内容如下。