基于DCNN特征的建筑物震害损毁区域检测

为了提高基于高空间分辨率遥感影像的建筑物震害损毁评估精度,引入深度卷积神经网络(deep convolutional neural network,DCNN)模型,提出一种利用DCNN全连接层特征结合支持向量机(support vector machine,SVM)进行遥感影像建筑物震害损毁区域检测的方法。首先,利用神经网络前馈方式从DCNN全连接层提取训练样本和待检测区域的特征;然后,基于样本训练SVM分类器;最后,对待检测区域的所有区块进行分类预测和投票确定是否损毁。以2010年海地地震遥感影像为例,建筑物损毁检测正确率可以达到89%,相比于传统的特征提取方法正确率提高了4%。实验结果表明该方法在建筑物震害损毁检测方面具有一定的应用潜力。     

一种基于三角网约束的立体影像线特征多级匹配方法

针对直线匹配可靠性问题,提出了一种基于三角网约束的立体影像线特征多级匹配方法。首先采用SURF算法匹配一部分可靠的种子点,利用这些种子点约束其邻域内的直线匹配;然后,将这些种子点构建三角网,利用三角网约束直线匹配的搜索范围,进行三角网约束下的线-线匹配;再次,在三角网的约束下,进行线-面匹配。为了提高直线匹配相似性测度的可区分性,提出了基于移动窗口的自适应直线相关方法,不仅在表面非连续区域能取得可靠匹配,在纹理缺乏区域也能取得可靠匹配结果。利用具有典型纹理特征的近景影像和航空影像进行了试验分析,结果表明,本方法能获取可靠的直线匹配结果。     

基于图割算法的正射影像镶嵌线自动选择

由于投影差的存在,正射影像镶嵌时往往采用基于镶嵌线的镶嵌方法,当两幅正射影像镶嵌时,选取镶嵌线要尽量避开房屋。本文将两幅正射影像镶嵌建立为一个图模型优化问题,并且采用图割获取最小割将影像重叠区域划分为两部分,最小割经过的分界线即为影像镶嵌线。实验表明,本文方法效率较高,不需要指定镶嵌线的起始点,而且可以较好地避开房屋。     

基于MPI的高效半全局约束密集匹配方法

灾害现场的地形地物高效三维重建是快速获取灾情信息的关键技术之一,也是正射影像纠正的先决条件。无人机等低空轻型遥感系统能快速获取高分辨率和高重叠度影像,因此在灾害应急响应中被广泛关注。利用大范围低空影像进行灾害现场快速三维重建依赖于高效的密集匹配方法。文中提出一种基于MPI(Message Passing Interface)的高效半全局约束密集匹配方法,既克服传统的影像匹配方法难以充分利用影像重叠度高的困难,也能在短时间内快速处理大量影像获取灾害现场的三维信息,适应面向灾害应急响应的效率要求。     

浅谈如何讲解"遥感卫星轨道和卫星数据特征"章节

在遥感卫星多平台、卫星数据日益增多的今天,如何快速高效地让学生掌握遥感卫星的轨道特征,熟悉常用卫星的数据特征是一个非常重要的授课内容。本文结合作者在中南大学10年的"遥感原理与方法"课程教学实践,分析了遥感卫星轨道和卫星数据特征章节讲解的重点和难点,提出在教学过程中充分利用多媒体教学和互联网查找知识方便的有利条件,课堂上通过动画演示和图片讲解等方法让学生掌握卫星轨道及其运行的特点,课下让学生组成兴趣小组自行收集不同种类的卫星,巩固课堂学习的知识,培养学生的自主学习能力,以期增强学生对该章节的知识掌握能力、主动学习能力及独立思考能力,为学生该课程的后续学习和工作能力的培养奠定基础。在近几年的教学实践过程中,笔者发现该方法有效地提高了学生对该章节内容的掌握程度和学习兴趣,学习效果超过往届学生,实践结果充分证明了该方法的有效性。     

基于Harris兴趣值的影像线特征高精度提取方法

针对影像高精度线特征提取问题,本文提出一种基于Harris兴趣值的直线提取方法:利用EDISON算法提取影像的初始边缘,并将其细化到单像素,对提取的每一边缘点在其法线方向进行基于Harris兴趣值的子像素定位,并将精确定位后的点拟合成直线。通过采用两幅真实影像进行试验,证实了本文所提方法的有效性。     

融合LiDAR点云与正射影像的建筑物图割优化提取方法

提出一种基于图割算法的建筑物LiDAR点云与正射影像融合提取方法。首先,利用LiDAR点云计算3个几何特征：平整度、法向量分布和高程纹理一致性。同时利用航空正射影像计算颜色特征——归一化植被指数（NDVI）。然后将两类特征联合构建能量函数数据项,综合数字表面模型（DSM）和NDVI构建平滑项,采用图割算法优化得到初始的建筑物区域。最后利用初始建筑物边缘一定范围内的正射影像颜色信息,采用前后景分割的思想进一步优化建筑物边缘。应用ISPRS Vaihingen测试数据进行试验,结果表明本文方法具有较高的建筑物提取精度。     

基于多方向剖面线Douglas-Pucker算法简化的DEM综合方法

文中提出一种基于多方向剖面线Douglas-Pucker(DP)算法简化的数字高程模型(DEM)综合方法,首先通过一定角度间隔旋转DEM,获得不同方向的剖面线;然后通过剖面线DP算法的简化获得特征;在此基础上,通过抑制局部极值,融合多方向的特征点,同时消除冗余;最后利用这些点构建三角网,再内插成规则DEM获得保持特征的DEM综合结果。利用两组2m格网的DEM数据进行实验,通过结果的定量和定性分析可以发现,文中方法比传统两个方向的简化方法可以获得更高精度的综合结果。     

基于图割算法的摄影测量点云面向对象分类方法

针对摄影测量点云分类问题,提出一种基于图割算法的面向对象分类方法。由于摄影测量点云质量相对较差,文中首先基于区域增长分割思想,提出一种新的点云体素生成方法,将摄影测量点云聚为不同的对象;然后将不同的对象作为节点,将分类问题建模为一个多标记问题,引入图割算法优化获取邻域内平滑一致的分类结果。利用两组摄影测量点云数据进行实验,正确率分别为87.3%和88.7%,比基于单点的分类方法分别提高2%和2.6%。     

一种基于特征点的地面激光点云全局配准方法

针对当前地面激光扫描(TLS)点云配准自动化程度低且耗时的问题,本文提出一种基于特征点和改进FGR(fast global registration)算法的TLS点云全局配准方法。该方法一共分为三步:首先对点云进行粗差剔除和降采样;然后提取Do G(Difference-of-Gaussian)特征点和进行FPFH(fast point feature histogram)描述,进而进行双向一致性匹配;最后使用FGR算法进行优化获得点云之间初始参数,结合标准ICP算法实现TLS点云的高精度配准。利用7站地面激光点云数据进行实验,结果表明本方法可以在保证配准精度的前提下获得较高的配准效率。