经纬仪望远镜调焦镜运行正确性的检测

论述了经纬仪望远镜调焦运行正确性检测的必要性、检测原理与室外检测方法及检测结果的分析与处理方法。给出了二台仪器的检测实用。提出对望远镜应通过检测，以确定其调焦运行的可靠区与不可靠区，及评定望远镜调焦运行的正确性，以便测量时采取有效的方法来削减由于调焦运行误差所引起视准差的影响，保证与提高测量或定线的精度。     

结合深度学习与规则特征的立面窗户检测方法

针对现有通过检测窗户角点实现窗户检测方法中存在窗户误检的问题，该文在窗角点分组阶段，以建筑物立面窗户的分布规律及其自身的几何结构特征为依据，提出一种参数自适应的窗角点分组方法。该方法是在使用深度学习方法获取窗户4个角点坐标的基础上，结合窗户角点及其连线的空间位置关系、平行垂直关系，建立窗角点分组判别依据，实现对窗角点检测结果的准确划分，进而得到有效窗户检测结果。为验证该方法的有效性，选用4个公开数据集进行窗户检测实验，结果表明：该方法可有效支持多类图像数据、实现全自动化运行，且与现有方法相比，具有更高的检测精度。     

基于局部光谱空间分析的多尺度边缘检测

分析了传统边缘检测算法在多光谱影像应用中的局限性，提出了一种基于局部区域的光谱空间平均半径测度的边缘检测方法，该方法扩展了原有的单波段影像边缘检测的概念，将像元的灰度信息转化为光谱矢量，提高了检测的可靠性，并给出了多尺度边缘组合的算法。通过MAIS成像光谱仪对鄱阳湖30个波段数据试验，证明了此方法对边缘检测的有效性。     

动态卷积YOLOv5的视频火焰检测算法

针对传统火灾检测系统容易受地理空间的影响，且现有的深度学习方法对动态火灾的检测能力较弱等问题，该文提出了一种动态卷积YOLOv5视频火焰多尺度目标检测算法。采用K-means++算法优化了anchor box聚类，降低了分类结果的误差。基于动态卷积思想，采用剪枝方法对YOLOv5 Neck和Head的网络头进行了剪枝，降低了模型大小，实现了视频火灾的动态实时准确检测。基于不同火灾监控视频的实验结果表明，该文方法不仅可以有效地对地面监控视频中的火灾点进行检测，还能够对无人机上监控视频中的火灾点进行检测。研究结果可以应用于基于视频的不同场景的火灾检测，从而达到对现有火灾检测系统补充的作用。     

经纬仪望远镜调焦镜运行正确性的检测

论述了经纬仪望远镜调焦运行正确性检测的必要性、检测原理和室外检测方法及检测结果的分析与处理方法。给出了二台仪器的检测实例，提出对望远镜应通过检测，以确定其调焦运行的可靠区与不可靠区，及评定望远镜调焦运行的正确性，以便地采取有效的方法来削减由于调焦运行误差所引起视准差的影响，保证与提高测量或定线的精度。     

基于红外热成像的地下管线质量检测方法

由于地下管线深埋地下，不利于日常检测，为实时了解地下管线质量情况，研究基于红外热成像的地下管线质量检测方法。基于红外热像仪工作原理采集地下管线红外热像图，当地下管线有裂纹时，热量在裂纹处聚集，使地下管线的红外热像图中出现温差，将地下管线热像图中的温差变化转化为图像的边缘信息，利用增加方向模板和改进阈值的索伯算子(Sobel)边缘检测算法检测地下管线红外热像图的边缘梯度信息，衡量红外热像图的色差，通过色差检测结果识别出图像中存在的质量问题，实现地下管线质量实时检测。实验表明：地下管线管裂纹长度及厚度越大，地下管线红外热成像的温差越大；该方法在高噪声环境下的地下管线质量检测结果依然准确，该方法具备较好的质量检测抗噪能力。     

空间点相对关系的精密检测

工业检测的精度一般要求很高，常规的检测手段难以达到。本文对空间点相对关系的精密检测方法和精度进行分析，实践表明该方法行之有效。     

基于参照点的任意区域检测方法

区域检测，即判定当前点是否位于某个已知的区域之内，这是电子地图处理和计算机图形学以及目标定位中经常遇到的问题。对于任意区域的检测目前尚无很满意的方法，文中给出的基于参照点的检测方法，思路清晰、实现简便，且适用3维空间任意区域的检测。     

基于反对称小波的车型识别研究

在对车型识别去噪和边缘检测进行分析的基础上，提出了一种基于反对称小波的检测方法。首先采用尺度间相关性和尺度内相位法进行有效去噪，然后检测变换模极大值，并进行有效区分保留真正边缘模极大值，最后进行相关恢复处理得到比较清晰的车型边缘。结果表明，该方法提高了车型边缘检测的准确性和车型识别率，具有很好的应用前景。     

基于特征注意力金字塔的遥感图像目标检测方法

遥感图像场景复杂、目标大小不一、分布不均衡等特点增加了目标检测的难度，而适于检测不同尺度目标的特征金字塔融合不同深度的特征图时，没有考虑特征图各自的重要性，没有强调目标区域的特征，为此本文提出基于特征注意力金字塔的遥感图像目标检测方法 FAPNet(Feature Attention Pyramid Network)。首先，使用通道拼接方式融合不同深度的特征图，给用于检测的特征图提供不同大小感受野的特征，并基于通道注意力对融合的特征图在通道维度重标定，根据特征图所负责检测目标的尺度自适应地调整不同大小感受野特征的权重，强化感受野大小与待检测目标尺度匹配度较高的特征，弱化匹配度较低的特征。其次，使用叠加的扩张空间金字塔池化结构，结合弱监督分割网络建模位置注意力，强化目标区域特征，弱化背景区域特征，进一步提升目标检测方法的性能。实验结果表明，相较于RetinaNet，针对汽车目标，所提方法在UCAS-AOD数据集和RSOD数据集上检测精度AP分别提升了3.41%和2.26%，针对多类目标所提方法在各目标上取得了较优的AP结果，且mAP结果优于其他比较方法。     

Support Vector Machines for Cloud Detection over Ice-Snow Areas

In polar regions, cloud and underlying ice-snow areas are difficult to distinguish in satellite images because of their high albedo in the visible band and low surface temperature of ice-snow areas in the infrared band. A cloud detection method over ice-snow covered areas in Antarctica is presented. On account of different texture features of cloud and ice-snow areas, five texture features are extracted based on GLCM. Nonlinear SVM is then used to obtain the optimal classification hyperplane from training data. The experiment results indicate that this algorithm performs well in cloud detection in Antarctica, especially for thin cirrus detection. Furthermore, when images are resampled to a quarter or 1/16 of the full size, cloud percentages are still at the same level, while the processing time decreases exponentially.     

基于显著性图像与纹理特征的遥感影像云检测

遥感影像云检测是遥感影像处理中非常关键的环节,准确识别影像含云区域能够提升影像的利用价值.根据遥感影像的成像特点,将阈值法和纹理特征结合实现云和下垫面的分割.首先将影像从RGB(red-green-blue)空间转化为HSI(hue-saturation-intensity)空间,进而构建影像的显著性图像,利用Otsu...     

Pattern detection in airborne LiDAR data using Laplacian of Gaussian filter

Methods for feature detection in laser scanning data have been studied for decades ever since the emergence of the technology. However, it is still one of the unsolved problems in LiDAR data processing due to difficulty of texture and structure information extraction in unevenly sampled points. The paper analyzes the characteristics of Laplacian of Gaussian (LoG) Filter and its potential use for structure detection in LiDAR data. A feature detection method based on LoG filtering is presented and experimented on the unstructured points. The method filters the elevation value (namely, z coordinate value) of each point by convolution using LoG kernel within its local area and derives patterns suggesting the existence of certain types of ground objects/features. The experiments are carried on a point cloud dataset acquired from a neighborhood area. The results demonstrate patterns detected at different scales and the relationship between standard deviation that defines LoG kernel and neighborhood size, which specifies the local area that is analyzed.     

Pattern detection in airborne LiDAR data using Laplacian of Gaussian filter

Methods for feature detection in laser scanning data have been studied for decades ever since the emergence of the technology.However,it is still one of the unsolved problems in LiDAR data processing due to difficulty of texture and structure information extraction in unevenly sampled points.The paper analyzes the characteristics of Laplacian of Gaussian(LoG) Filter and its potential use for structure detection in LiDAR data.A feature detection method based on LoG filtering is presented and ex-perimented on the unstructured points.The method filters the elevation value(namely,z coordinate value) of each point by convo-lution using LoG kernel within its local area and derives patterns suggesting the existence of certain types of ground ob-jects/features.The experiments are carried on a point cloud dataset acquired from a neighborhood area.The results demonstrate patterns detected at different scales and the relationship between standard deviation that defines LoG kernel and neighborhood size,which specifies the local area that is analyzed.     

基于ETM+热红外影像的南极云区与地面冰雪区的检测

利用ETM 热红外波段影像对南极中山站附近的云区和冰雪区进行了自动检测,综合热辐射和纹理特征辅助分类,提出并使用加权最小距离分类器,获得了较好的分类效果。     

资源三号测绘卫星自动云检测

光学卫星遥感影像自动云检测是卫星产品生产系统的一个重要环节。利用资源三号卫星编目生成的浏览图,采用树状判别结构进行云检测,对浏览图进行分块,提取子块图像的特征进行云地分类。由于云类和地物类过于繁杂,且浏览图的分辨率较低,传统通过图像特征对云地进行分类的算法有很大的局限性,针对这一问题,本文提出了在分类之前对原始的子块图像进行增强处理,扩大云和地物的纹理差异,然后以二阶矩、一阶差分等作为云地分类的图像特征,并在多尺度空间内进行特征延拓,经过综合分析估计云在影像中的比例。该云检测算法应用于资源三号卫星应用系统工程,实际测试结果表明,该算法能够较好地提升云量检测的准确率。     

利用对象光谱与纹理实现高分辨率遥感影像云检测方法

针对高分辨率遥感影像云检测过程中合适的云检测光谱阈值难以确定及影像中类云地物对云检测精度影响的问题,提出一种基于对象光谱与纹理的高分辨率遥感影像云检测方法。首先,对影像进行直方图均衡化处理,根据均衡化影像直方图获得合适的影像云检测光谱阈值。其次,用简单线性迭代聚类算法对影像进行分割生成分割对象,以对象为处理单元,根据云检测光谱阈值和对象光谱属性对对象进行云检测过滤,获得初始云检结果。然后,求得直方图均衡化影像的纹理图,根据对象的纹理均值及角二阶矩对初始云检测结果提纯,消除类云地物对云检测精度的影响。最后对提纯云区域进行区域增长及膨胀处理,获得最终的影像云检测结果。定性对比试验和定量评价结果表明,本文方法可以获得良好的影像云检测结果。     

一种运用纹理和光谱特征消除投影差影响的建筑物变化检测方法

针对不同时期高分辨率遥感影像变化检测中城区建筑物因投影差差异所产生的误检测现象,提出了一种综合应用光谱和纹理特征的建筑物变化检测方法。以变化和未发生变化地物影像的散度作为可分性依据,首先对光谱差分影像在混合高斯密度模型下建模,并采用马尔可夫最小错误概率准则提取初始变化区域,往往含有错判的建筑物。然后将误判建筑物影像类和真实变化影像类构成训练集,通过引入多通道Gabor滤波器,提取训练集的纹理差分特征,并采用分类别PCA变换实施纹理差分特征的选择。最后对选择出的纹理差分特征依据高斯混合密度模型建模,并用马尔可夫最小错误概率提取真变化区域,即可去除光谱信息检测所产生的伪变化。试验表明,本文方法能够较好地解决建筑物变化的错判问题,提高了影像变化检测的精度。     

面向对象和GURLS结合的高空间分辨率遥感数据云检测

遥感信息获取过程中云是重要的干扰因素,随着国产高空间分辨率卫星数据的应用,实现数据的准确云检测对有效获取地面信息具有重要意义。本文以高分一号、高分二号多光谱影像为数据源,利用图像分割获取了同质对象,基于对象光谱、纹理和几何8种属性特征建立了规则集,以规则集为输入,利用阈值法和GURLS分类器结合进行了云检测。针对不同时相和场景的高分数据,将该方法与基于像素的最大似然法和SVM法进行了对比,结果表明该方法云提取精度均在95%以上,Kappa系数在0.9以上。     

国产高分辨率遥感卫星影像自动云检测

云检测一直是卫星影像处理的难题,特别是混有地物光谱特性的薄云长期成为影像产品生产的阻碍。本文所介绍的国产高分辨率遥感卫星影像自动云检测方法能够有效克服这一难题。首先采用改进的颜色转换模型,将影像由RGB转换至HIS颜色空间,利用影像强度信息与饱和度信息生成基底图,并使用影像近红外与色调信息对其进行优化,生成修正图。然后利用直方图均衡化与双边滤波结合带限定条件的Otsu阈值分割提取纹理信息,并对修正图进行误差剔除生成云种子图。最后以HIS颜色空间的强度信息为向导,结合云种子图进行云精确提取。与不同自动、人工交互式云检测方法相比,总体精度提高了10%左右,并且能够较好地提升云检测效率。