丘陵水网稻田地用图难点及其对策

根据低矮丘陵水网稻田地的特点以及地形变化规律,针对专业技术院校现地用图学员实践少,图、地对照经验不足,对学员在用图时所遇到的问题进行了探讨并提出相应的对策。     

三维数字景观中场景图的组织与绘制

介绍了场景图的基本概念、场景图的作用和场景图的生成,讨论了应用软件设计模式的思想,实现数码城市的三维数字景观中场景图的组织和绘制技术。     

空间认知的新窗口——地理虚拟空间十年回顾

地图学家对虚拟现实的关注大体已有十年,我们在利用VR技术构建一个有进入感的多维信息空间,这是作为空间认知工具的地图在数字时代的自然合理的延伸和扩展。地理虚拟空间不但是一种使用户可以身临其境的新型地图,而且可以把超越现实的规划方案提前实现,即虚拟出来,让用户去体验、去评价、去理解。由于虚拟空间6自由度的可交互性,它首先被用在操作与模拟系统中。在20世纪90年代初曾在分布式作战训练、自然环境分析和外科手术方面获得应用。随着硬件设备价格的下落和软件的逐步成熟,虚拟空间已经成为设计者和公众交流的重要工具,广泛用于规划与设计、研究成果交流、商品广告宣传、旅游热点介绍等业务中。     

基于CNN-GCN双流网络的高分辨率遥感影像场景分类

高分辨率遥感影像具有复杂的几何结构和空间布局,传统的卷积神经网络的方法仅能提取场景图像中的全局特征,忽略了上下文的关系,导致特征的表达能力受限,制约了分类精度提高。针对此问题,本文提出一个面向高分辨率遥感影像场景分类的CNN-GCN双流网络,该算法包含CNN流和GCN流两个模块。CNN流基于预训练DenseNet-121网络提取高分影像的全局特征;而GCN流采用由预训练VGGNet-16网络得到的卷积特征图构建邻接图,再通过GCN模型提取高分影像的上下文特征。最后,通过加权级联的方式有效地融合全局特征和上下文特征并利用线性分类器实现分类。本文选取AID、RSSCN7和NWPU-RESISC45共3个具有挑战性的数据集进行实验,得到的最高分类精度分别是97.14%、95.46%和94.12%,结果表明本文算法能够有效地表征场景并取得具有竞争力的分类结果。     

利用遥感数据对单株木和森林场景进行建模

针对遥感在三维可视化方面的不足,提出了用SRTM(航天飞机雷达地形测图任务)和TM(陆地资源卫星专题绘图仪)数据建立森林场景的方法。利用L系统语言和L-studio软件,通过提取的分枝规则建立了针叶树和不同叶面积指数(LAI)落叶树的几何模型,并将其作为森林场景内树木的纹理贴图。实验区的三维地形用四叉树结构建立,综合应用数据分块、动态载入、双缓存数组等措施提高大范围场景的漫游速度。从TM影像获取目视判读的遥感分类图和LAI反演图,结合控制树木的栽种位置和纹理选择,建立了单幅TM影像大小的森林场景。实验为其他遥感数据的三维显示提供了通用的建模方法。     

基于深度残差网络的机载LiDAR点云分类

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。     

注意力引导特征融合与联合学习的遥感影像场景分类

为充分利用遥感影像的多尺度特征，解决遥感影像尺度差异、类间相似和类内差异等现象给高精度场景分类造成的困难，本文提出了一种注意力引导特征融合和联合学习的遥感影像场景分类方法。首先，利用深层卷积神经网络提取影像不同层次的特征图；然后，利用设计的残差注意力机制增强不同层次特征图的语义信息、抑制冗余噪声信息；最后，使用全局均值池化获取不同层次特征图的全局信息以构建特征向量，并将不同层次的特征向量融合，3个不同层次的特征向量及融合后的特征向量分别采用独立的全连接层进行分类。利用联合损失训练网络参数，采取多分类器决策级融合的方式提高预测的稳健性。在UC Merced、AID和NWPU-RESISC45数据集上的试验结果表明，本文方法显著改善了对相似场景及类内差异显著场景的辨识能力，与使用多尺度特征的同类型场景分类方法相比，总体分类精度分别提高0.84%、4.04%和4.43%。     

简述地理信息系统(GIS)在森林调查中的应用

1 引言 利用林相图来进行森林调查的林分分层已经多年了,然而借助于地理信息系统进行以上工作,它的作用将会大大加强。地理信息系统能为每个林分得出估计每公顷初步蓄积的预估方程,把林分分成不同的层次,对每层次单独求算其面积和蓄积,其样本林分由系统(GIS)提供,再把样地点按照最优分配样地的规则以其特定间隔分布在图上,以便于现地调查,把现地调查数据与地理信息系统中的林分面积结合起来,以获得整个区域的整体估计,最后对地理信息系统中的空间数据和描述性数据进行更新,以进行连续性的经营管理。     

高分辨率遥感影像场景变化检测的相似度方法北大核心CSCD

针对传统高分辨率遥感影像场景变化检测流程复杂且严重依赖分类结果的问题,本文提出了一种顾及场景全局与局部相似性的变化检测方法。首先,将同一区域两个时相的遥感影像裁切成固定尺寸的图像块,构造场景对图像库,并划分为训练集和测试集;其次,构建融合场景全局与局部相似性的双分支卷积神经网络,实现场景相似度学习;然后,利用训练的相似度学习网络提取训练集场景相似度,并通过阈值遍历的方法得到最佳的相似度阈值;最后,基于相似度阈值将测试集场景对划分为变化场景和未变化场景,得到最终的变化检测结果。试验结果表明,本文方法的总体精度为0.94,Kappa系数为0.88,优于传统的分类后变化检测方法,是一种简单有效的场景变化检测方法。     

基于特征矩阵和关联图的空间场景相似性度量方法

为了解决包含不同实体数目的空间场景相似性度量问题,本文利用特征矩阵对空间场景进行描述,根据查询场景和数据库场景的特征矩阵生成场景关联图,利用关联图中的各种匹配圈获取空间场景集合,然后根据场景完整度和相似性度量模型计算场景集合中每个场景的匹配度,最后计算出最佳匹配场景,并对匹配结果进行分析评价。实验表明,该方法能够较好地度量不同实体数目的空间场景的相似性。