结合自适应PCNN的非下采样剪切波遥感影像融合

为解决全色与多光谱遥感影像融合中脉冲耦合神经网络参数不能自适应调节问题,提出一种基于参数自适应脉冲耦合神经网络模型(PA-PCNN)和保持能量属性(EA)融合策略相结合的非下采样剪切波变换(NSST)的遥感影像融合方法:①通过提取多光谱影像YUV颜色空间变换的Y亮度分量并与全色影像进行NSST变换,获得高频系数和低频系数.②针对低频子带系数,采用EA法进行融合;针对高频子带系数,通过PA-PCNN模型得到的最优参数,以确定最优的PCNN模型,进而实现高频子带系数的融合.③将NSST和YUV进行逆变换得到融合影像.本文选取空间频率、相对无量纲全局误差、相关系数、视觉信息保真度、基于梯度的融合性能和结构相似度测量等6种客观评价指标对融合影像的光谱和空间细节评价,利用多组不同分辨率全色和多光谱遥感影像,通过与4种融合方法对比验证,结果表明本文方法在视觉感知和客观评价方面总体优于其他全色与多光谱遥感影像融合方法.     

利用PCI GXL-A进行航空影像DEM匹配及编辑

随着航空摄影测量技术的快速发展,海量正射影像数据生产已经成为测绘生产的常态.而正射影像的生产离不开数字高程模型(Digital Elevation Model,DEM)数据,因此快速高效的生产DEM对正射影像的生产至关重要.本文以航空影像作为实验数据,利用影像处理软件的航空影像处理模块2018年版本(GXL 2018 SP3 Aerial)空三加密后进行高精度数字地表模型匹配,并使用软件中数字高程模型的编辑(Geomatic Focus的DEM Editing)功能对数字地面模型(Digital Terrain Models,DTM)进行快速编辑生成DEM数据,为今后大批量DEM生产及编辑工作提供借鉴.     

基于单阶段神经网络的房屋屋顶检测方法

针对现有方法利用无人机影像对房屋目标进行检测的过程中存在错检、漏检率高等问题,构建了单阶段卷积神经网络来实施无人机影像房屋检测,并在德国宇航中心开源数据集(Deutsches Zentrum für Luft-und Raum fahrt,DLR)3KVehicle的基础上,采用多种数字图像增强手段对原始图像进行数据增强处理,提高训练后模型的泛化能力.在测试数据集上对训练后的网络进行测试,采用精度均值(Average Precision,AP)和每秒传输帧数(Frames Per Second,FPS)指标进行评价.并将检测结果与经典的目标检测模型单激发多盒探测器(Single Shot Multi-Box Detector,SSD)以及YOLOv3的检测结果进行对比.结果表明,所构建的卷积神经网络对于无人机影像中的房屋目标尤其是小目标有着较高的检测精度,检测精度可以达到91.3％AP,相比SSD和YOLOv3在精度方面提高了11.5％和8.3％.同时网络的检测速度可以达到每秒传输帧数21m·s-1,能够快速精确地检测出无人机影像中的房屋目标.     

月度亚米级卫星影像在"两违"监测中的应用

严厉打击违法用地和违法建设行为,能保护国土资源不受侵害、提升城市形象、维护社会公平和国家法律法规.利用卫星影像监测"两违"行为,具有覆盖范围广、监测频率高、成本低、受限制条件少等优势,随着卫星影像空间、时间分辨率的逐渐提高,使月度亚米级卫星影像在"两违"监测中的应用成为可能.研究利用月度亚米级卫星影像开展"两违"监测应用的方法,以北京市为例介绍了具体应用情况,并总结了技术关键点.利用高空间分辨率、高频次卫星影像可以有效提高"两违"监测的准确性和时效性,内业变化检测和外业核查相结合的方式可为"两违"执法提供更为客观准确的数据基础和决策依据.     

西城区不动产登记预约和信息发布系统建设

从不动产登记现状出发,为满足北京市西城区智慧服务大厅的建设需求,依托微信平台和信息化大屏,采用超文本标记语言的最新修订版本5.0(HyperText Markup Language 5.0,HTML5)、"互联网+"、网闸等主流技术,搭建了"北京西城不动产登记"微信公众号、大厅信息发布管理系统,并对大厅现有的自助预约、自助取号、叫号等系统进行升级改造.系统的建成和应用简化了大厅办事流程,提供了多元化与便民化服务,助力了北京市营商环境的改善与优化.     

面向复杂山地的机载LiDAR与无人机影像融合应用

本文针对LiDAR点云与无人机影像数据特征的优缺点,利用LiDAR点云与无人机DOM影像融合,将影像数据光谱信息赋给LiDAR点云数据,使其不仅具备精准的空间结构信息,还能得到清晰的纹理信息。为验证融合数据应用的可行性与数据提取的准确性,对融合前后的点云数据进行地面点提取与DEM构建。试验表明：将无人机影像的光谱信息赋给LiDAR点云数据,可以实现LiDAR点云数据从四维度表达到七维度的拓展,融合后点云数据具有清晰的纹理信息,地物类型判读更加容易,地面点分离完整;通过DEM模型的对比分析,融合后点云数据构建的DEM模型表达更加接近真实地表。研究结果为多源点云数据的深化应用提供了一定的技术方法支持作用。     

多源遥感数据支持下的城市生态状况评价

城市生态环境监测具有数据来源广泛、监测要素复杂、服务对象多样等特点,整合可用的资源进行城市生态的综合监测成为目前关注的热点。本文利用高分辨率遥感影像,以及地表覆盖、城市边界等遥感产品,在现有遥感生态指数的基础上,结合黑臭水体指数,构建适合综合评估城市生态状况的集成遥感监测模型,实现对城市生态环境状态的多维度监测。该方法能够较准确客观地反映城市的生态环境质量,理论上补充了基于遥感数据的城市生态环境监测方法,可为城市生态环境监测的信息化建设提供技术支撑。     

运用ULBP的高分辨率遥感影像感知哈希完整性认证算法

针对现有高分辨率遥感影像感知哈希认证算法中特征提取精度和算法稳健性不能兼顾的问题,本文提出一种运用ULBP的高分辨率遥感影像感知哈希完整性的认证算法。首先对遥感影像进行格网划分,将影像划分为多个子块,运用ULBP算法提取子块的纹理特征;然后计算每个子块内纹理特征的直方图分布,将其结果与均值二值化后得到子块的感知哈希序列;最后串联所有子块的感知哈希序列生成整幅影像的感知哈希值。在影像认证时,首先计算原始影像与待检测影像的哈希序列,然后计算两者的感知哈希序列平均汉明距离,完成对高分辨率遥感影像内容的完整性认证与篡改定位。试验表明,该算法能够识别高分辨率遥感影像中地物较为平滑的区域,同时对JPEG压缩、高斯噪声添加、BMP格式转换等操作具有良好的稳健性,为高分辨遥感影像完整性认证提供支持。     

延安市自然资源监管“一张图”应用实践

自然资源监管是自然资源管理工作的重要内容。本文以延安市自然资源监管“一张图”系统为例,阐述了该系统的建设内容、应用情况及存在问题。系统梳理并建立了延安市自然资源数据目录体系,集成了土地利用监测分析、水源涵养评估等专题监管分析模型,搭建了云环境,以满足潜在的计算和存储性能扩展需求。系统为延安市自然资源监管提供了信息化支撑,也为今后开展更为深入的监管服务奠定了基础。     

基于YOLO的街景影像中行人车辆检测方法

车辆等移动平台搭载全景相机、全球导航卫星系统接收机、惯性测量单元等传感器,可以采集360°的街景.在街景影像中检测行人车辆,一方面可以在数据发布时更好地保护隐私,另一方面可以为城市治理能力提升提供数据支撑.由于街景影像具有表达环境复杂、数据量庞大、目标距离变化大等特点,现有的行人车辆检测算法应用时均存在一定局限.为此,提出一种兼顾效率和精度的街景影像中行人车辆检测方法,利用球形投影原理和先验知识从街景的经纬映射图中划分出目标区域,接着使用你只观察一次(You Only Look Once,YOLO)v4模型从目标区域检测行人和车辆.实验证明,本文方法车辆检测的准确率高于91％,行人检测的准确率高于73％,每张平均耗时21 ms,具备准确率高、速度快的优势,满足实际项目的数据生产需求.