基于夜间灯光影像的太原市城市扩张特征及驱动力分析

随着城市化进程的推进,城市建成区范围不断扩大,在此过程中也出现了诸多问题。为更好地了解城市发展规律,本文选取1992、1997、2002、2007、2012年5期的DMSP/OLS数据和2017、2019年2期的NPP-VIIRS两种夜间灯光影像作为数据源,采用统计数据比较法提取太原市建成区范围,通过对太原市建成区形态扩张指数的分析,得出城市扩张规律。研究结果表明:①太原市建成区从1992-2019年太原市建成区面积增长了249.73km²,扩大了2.7倍,且建成区增长的面积主要集中在太原市的东南部。②2002-2012年和2017-2019年进入加速型扩张模式,扩张的速度快;1992-2019年太原市重心偏移距离为5676.42m,平均偏移速度为202.73m/a,重心位置总体向东南方偏移。③太原城市扩张的驱动力主要是受经济发展因素、人口因素、交通因素和政策规划因素的影响。本文为太原城市规划和空间结构调整提供理论依据和数据支撑。     

基于生成对抗网络的建筑物损毁检测EI北大核心CSCD

建筑物作为自然灾害中最受影响的承灾体之一,其损毁信息的准确提取对灾后应急救援具有十分重要的意义。本文借鉴多模态的思想,提出了一种自动检测损毁建筑物的recursive-generative adversarial networks(RS-GAN)方法,将损毁建筑物检测分为灾前建筑物识别和灾后损毁建筑物检测两个任务,且分别在两个GAN分支中完成。RS-GAN加入联合损失函数将两个GAN分支进行连接,充分利用两个任务之间的潜在互利性提升检测效果。RS-GAN利用第1条GAN分支识别建筑物灾前形状与位置,并将识别结果作为第2条GAN分支的输入进行损毁建筑物检测任务,从而使检测结果具有更清晰的轮廓。该方法为端到端模型,在不需要过多的人工干预情形下,实现了损毁建筑物的自动检测。为了验证RS-GAN模型的效果,在圣罗莎和密苏里两个数据集上进行了测试。试验结果表明,RS-GAN方法拥有更好的检测性能,在圣罗莎数据集上的总体精度和平均精度分别达到了0.90和0.86。     

斑点抑制与多分辨率拓扑分析相结合的SAR图像河流水体提取

针对由于斑点噪声和建筑遮挡造成的高分SAR图像河流水体提取的不连续问题,本文提出一种结合自适应斑点抑制和多分辨率拓扑分析的河流水体提取方法。首先,在斑点抑制各向异性扩散中引入Beta度量以实现SAR图像的自适应滤波;其次,利用局部阈值分割和连通域标识对去噪图像中的河流水体段进行快速提取;然后,以河流水体段的最小外接凸多边形为对象构建高斯金字塔,并由此进行多分辨率拓扑分析来获得河流间断点信息;最后,由区域生长策略逐层地对间断点进行判别,实现相邻河流水体段的自动连接。采用TerraSAR-X和GF-3高分SAR图像验证提出的方法。结果表明,该方法可有效地提取完整河流水体。对多幅SAR图像提取结果的定性和定量评价验证了提出方法的有效性与稳健性。     

一种利用矢量数据和GVF Snake模型的面状水域提取方法

GVF Snake模型具有捕获范围大、能够逼近"凹形"区域的优势,是提取面状水域的有效方法,但该模型在具体使用时需要依赖一定的人工参与。本文充分利用已有矢量数据中的先验信息,通过扫描线寻找目标像素并进行区域生长,为GVF Snake模型的求解提供梯度矢量场的作用范围及初始轮廓曲线,提高模型的自动化程度。实验证明,该方法准确、可靠,对于面状水域矢量数据的更新具有一定的实用性。     

基于变分水平集方法的海冰信息自动提取

针对目前海冰信息解译时对海冰外缘线及面积信息提取不精确、业务化应用不强问题,提出一种基于分裂Bregman算法的海冰外缘线自动提取方法,并通过遥感影像预处理、算法程序化等工作步骤,将该算法应用到业务化海冰信息解译工作中。方法:分别选取五景中、高空间分辨率的可见光卫星遥感影像,将影像上待提取海冰区域首先进行不规则图像裁剪、图像增强等预处理工作,然后基于变分水平集及快速分裂Bregman投影方法进行了海冰外缘线信息的提取,并对提取出的海冰面积进行量化,最后与传统人工提取海冰信息进行了比较。实验结果表明,基于变分水平集及其快速分裂Bregman算法提取的海冰信息,具有提取的海冰边缘精确、自动化程度高、提取结果稳定可靠等优点。     

基于盲退卷积的AIA图像增强方法

太阳图像中存在各种不同尺度、亮度和结构的物理活动现象,由于太阳日冕高动态活动和传感器设备等因素的影响,太阳图像成像质量不佳。根据太阳动力学天文台(Solar Dynamic Observatory,SDO)的大气成像仪(Atmospheric Imaging Assenbly,AIA)拍摄不同波段数据结构的动态范围大、噪声大、结构相对模糊等特点,提出一种基于盲退卷积的图像增强方法。首先对图像进行去噪和降低动态范围的处理,基于图像功率谱的分布假设,从原图中估计点扩散函数(Point Spread Function,PSF)的功率谱;然后使用相位提取算法恢复点扩散函数的相位,再退卷积得出较高质量的目标图像;最后通过轮廓切片分析、功率谱分析以及点扩散函数分析对增强结果进行定量和定性评价。实验结果表明,相比现有的图像增强方法,该方法在有效增强太阳日冕图像细节结构的同时,能够复原原图中因模糊无法识别的结构。     

基于Mask R-CNN的遥感影像土地分割与轮廓提取

传统的模式识别难以对土地遥感影像一次性精确统计分析.在精确分割出土地种类的前提下,本文提出了一种基于骨干网络为ResNet-101-RPN的Mask R-CNN的遥感影像土地分割与轮廓提取方法.该方法包括以下步骤：数据获取、图像去雾、遥感影像土地统计分析、土地分割和轮廓获取.在一个具有挑战性的卫星地图瓦片数据集上对所提出的方法进行训练和测试.实验结果表明,该方法以0.907的均值平均精度（mAP）和31.33像素的均值平均距离误差（mADE）获得了令人满意的不同种类土地分割和轮廓提取结果.