基于双分支卷积神经网络的SAR与多光谱图像融合实验

针对合成孔径雷达(Synthetic Aperture Radar,SAR)和多光谱(Multi-Spectral,MS)融合图像中存在的空间细节模糊和颜色失真问题,该文兼顾光谱监督和空间细节监督,设计光谱损失函数和空间细节损失函数,提出一种基于双分支卷积神经网络(Convolution Neural Network,CNN)的SAR和MS图像融合算法。该算法网络框架包含光谱保持和细节提升两个分支:光谱保持分支通过上采样MS图像连接到网络的输出,直接将光谱信息传递到融合图像中;细节提升分支对SAR和MS图像通过高通滤波提取高频细节信息,然后应用CNN对细节信息进行特征提取、特征融合及重建,最后将重建的细节信息叠加到上采样的MS图像,得到融合结果。以哨兵-1B GRD级别的SAR图像和Landsat8卫星多光谱图像为实验数据,通过与传统融合算法和深度学习算法RSIFNN进行对比,结果表明,该文算法在定性和定量评价方面效果更好,能够在保持光谱信息的基础上增强多光谱图像的空间细节信息,有利于后续地物分类和目标识别等工作的开展。     

中国、日本、美国高中地理教科书图像说明文字研究

地理教科书中图像的说明文字对于教师的教学和学生的学习具有重要作用.本文通过对比、统计、分析中国、日本、美国高中地理教科书中图像的说明文字,为我国地理教科书图像说明文字的设置提供了一些具体的参考建议.     

基于物理模型试验的滑坡-抗滑桩位移场变化特征

滑坡-抗滑桩体系演化机理是滑坡灾害防治的重要理论基础,其中桩土相互作用是滑坡-抗滑桩体系中的关键,而位移场是相互作用的重要表征之一,因此,对滑坡-抗滑桩体系位移场的研究具有十分重要的工程意义。以物理模型试验为手段,基于三峡库区堆积层滑坡工程地质特征,建立大型物理试验模型,通过逐级施加荷载来模拟滑坡后缘推力,采用高速摄像机及粒子图像测速技术等获取滑坡坡表与桩顶位移数据,定量分析了体系位移场变化特征。试验结果显示:在滑坡-抗滑桩体系演化过程中,坡表位移场变化呈现出很好的规律性,这为桩土相互作用研究机理起到了一定的推动作用。      

基于多任务学习的地基云图识别与分割技术北大核心CSCD

云在天气预报中扮演着一个至关重要的角色,准确识别和分割地基云图可以有效指导天气预报。针对大部分现有数据集只适用于单任务学习,地基云图识别和分割技术多以单任务实现,识别检测效率低且算法鲁棒性差等问题,构建了带标签且适合多任务学习的地基云图数据集(GBCD)和GT数据集(GBCD-GT),在此基础上设计了一种基于多任务学习的地基云图识别与分割联合网络模型(GCRSegNet)。该模型首先通过卷积神经网络提取共享特征,再为每个任务设计特定网络,提取更具辨识度的特征,分割网络通过学习共享特征实现地基云图分割,识别网络通过结合共享特征和分割特征实现地基云图识别。经过多组对比试验表明,该网络能准确表征地基云图特征,使识别任务准确率达到94.28%,分割任务像素准确率达到93.85%,平均交并比达到71.58%,为实际应用提供了可能性。     

基于纹理合成的三维地形水墨风格渲染研究

提出了基于纹理合成的三维地形水墨风格渲染的方法,以规则格网DEM为数据源,基于OSG进行三维地形建模,在此基础上提取山体特征线,然后生成一幅灰度控制图像。对Efros01纹理合成算法进行改进,利用灰度控制图像指导水墨纹理的合成,将得到的纹理图像映射到三维地形上,实现对三维地形的水墨风格渲染,通过对水墨纹理样本的选择和纹理合成参数的设置能够实现对纹理合成过程的交互控制。结果表明,该渲染方法对三维地形的水墨风格渲染具有较好的效果。     

车载LiDAR点云中交通标线的提取方法

交通标线,作为道路上重要的交通标识,为司机和行人提供重要的引导信息。车载激光扫描系统(车载LiDAR)可以快速获得被测目标的表面三维坐标信息,为提取高精度三维交通标线提供了可靠数据源。本文通过分析道路点云数据的平面距离、点云强度、点云密度等特征,将点云数据归化成地理参考强度图像。针对生成的二维参考图像,充分借鉴图像处理中目标分类与识别的手段,将交通标线信息准确提取出来。实验表明,该方法可行、有效。     

基于LiDAR的海岛岸线自动提取研究

为了探讨栅格化方法与图像分割法对海岛岸线提取的效果,本文主要研究了基于Li DAR数据利用这两种方法对某岛进行瞬时海岸线的提取。利用栅格化方法通过对Li DAR点云数据进行粗差剔除、滤波去噪、构建Terrain数据集、创建栅格表面、生成TIN模型及自动生成等高线,从而实现了瞬时海岸线的提取;利用图像分割法是通过对Li DAR点云数据进行粗差剔除、滤波处理、构建TIN模型、生成二值栅格图像、图像处理与图像边缘提取的过程实现瞬时海岸线的提取。对两种方法提取的海岸线进行叠加显示分析,试验结果表明:两种方法提取的海岸线形态结构基本吻合,海岸线提取效率较传统方法均有提高,但栅格化方法提取的海岸线比图像分割方法提取的海岸线更平滑、更细化,边缘信息较为丰富,与实际海岸线更贴切,效果更加理想。     

众包图像数据采集与聚类分析方法探讨

众包图像是由大众经过一定方法获取后通过互联网向公众或相关机构提供的一种开放式图像数据。利用网络爬虫工具在互联网上爬取了一定数量的众包图像,并分别探讨了单张图像聚类方法和多张图像聚类方法,以期为众包技术如何服务于智慧小城镇规划管理提供技术参考。利用K-means聚类方法对单张众包图像进行聚类,并探讨了分别利用Python语言和Java语言编程实现图像聚类的方法 ;利用层次聚类方法对多张众包图像进行聚类。     

SAR图像河流分割的加权指数区域能量模型

传统主动轮廓模型很难实现精确的SAR图像河流分割。针对这一问题,本文提出了一种加权指数区域能量主动轮廓模型,以精确地提取SAR图像中的河流。该模型在Chan-Vese(CV)模型能量泛函中引入了指数区域能量,能更好地衡量分割图像和原始图像的差异程度,提高模型的分割准确性。此外,利用目标区域和背景区域内像素灰度的最大绝对差取代模型中常值区域能量权重,自适应地调节目标区域和背景区域的能量比重,加速曲线运动到目标区域的边缘,获得更高的分割效率。针对实际河流SAR图像进行了分割试验,结果表明:与传统主动轮廓模型相比,本文提出的模型能更快速、精确地分割SAR图像中的河流,在分割结果和分割效率两方面具有优势。     

面向高光谱图像分类的半监督空谱判别分析

为充分利用高光谱图像蕴藏的空间信息提升分类精度,提出了面向高光谱图像分类的半监督空谱判别分析(S3 DA)算法。考虑高光谱图像数据集的空间一致性,首先利用少量标记样本定义类内散度矩阵,保存数据集同类像元的光谱近邻结构;再利用无标记样本定义空间近邻像元散度矩阵,揭示像元间的空间近邻结构和地物的空间分布结构信息。S3 DA既保持数据集在光谱域的可分性,又保存了无标记样本蕴藏的空间域近邻结构,增强了同类像元和空间近邻像元在投影子空间的聚集性,从而提升分类性能。在PaviaU和Indian Pines数据集的试验表明,总体分类精度分别达到81.50%和71.77%。与传统的光谱方法比较,该算法能有效提升高光谱图像数据集的地物分类精度。