基于云模型的数字影像产品质量综合评价

随着数字影像产品在各领域内的应用越来越广泛,对它的质量研究也越来越受到人们的重视。利用云模型定性与定量之间的转换关系,提出了基于云模型理论的数字影像产品质量综合评价方法。分别采用虚拟云中的浮动云和综合云方法对产品各层质量元素进行综合运算,获得最终评价结果的云模型参数。最后以云模型数字特征图或云滴分布的形式给出最终质量等级。经过实例证实,该方法的评价结果直观、细腻,更加符合实际情况。     

基于广义点的定向方法

传统摄影测量是基于测点的前方交会和后方交会,所以共线方程(即物点、像点与摄影中心位于一条直线上)是整个摄影测量的核心.相对定向和绝对定向则基于同名像点共面的思想,而在工业计量测量和飞机姿态测量等领域,大量存在的是一些直线或者曲线,并不存在明确意义的点.因此,提出了基于广义点的相对定向和绝对定向的方法,解决了传统相对定向和绝对定向不能解决的问题,理论上证明该方法是可行的.     

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%。