HSV变换和多尺度分割相结合的高分辨率遥感影像阴影检测

针对阴影在高分辨率遥感影像的特性,提出了一种色彩空间变换和多尺度分割相结合的阴影检测方法。该方法首先对原始影像进行连续两次HSV变换,并分别提取前后两次变换的亮度分量和色度分量;然后引入面向对象思想,进行多个尺度的影像分割并依次实现每一尺度下的阴影检测;最后将多个尺度的检测结果进行决策级融合获取最终检测结果。利用高分二号和Google Earth影像分别进行实验,实验结果表明,该方法有效结合了粗细尺度优势,阴影检测误检率和漏检率较低,同时对较亮阴影和较暗地物均具备较好的识别效果。     

车载联合机载LiDAR点云数据的建筑物立面精细分割

从数据量庞大且散乱的车载LiDAR点云中分割出建筑物立面数据是一项繁琐而艰巨的工作。本文提出一种结合机载LiDAR点云的车载LiDAR点云建筑物立面分割方法。该方法在空-地点云严格配准的基础上,从机载LiDAR点云中分割出每栋建筑物的顶部点云,提取建筑物顶部外轮廓线并进行规则矢量化处理,设置轮廓线缓冲区实现立面点云的粗分割;再采用基于稳健特征值的平面拟合法对单栋建筑物的每个立面进行去噪滤波,实现建筑物立面的精细分割。试验结果证明了该算法对城市场景中车载LiDAR点云处理的有效性。     

侧扫声呐图像分割的中性集合与量子粒子群算法

针对现有的侧扫声呐图像分割方法存在分割准确率不高和效率偏低的问题,提出了一种基于中性集合和量子粒子群算法的侧扫声呐图像阈值分割方法。通过基于中性集合计算图像灰度共生矩阵,实现了侧扫声呐图像精细纹理的表达,提高了分割精度;基于二维最大熵理论,采用量子粒子群算法计算二维最优分割阈值向量,实现了分割阈值向量的快速准确获取,提高了分割效率和精度。最终实现了高噪声侧扫声呐图像目标的准确、高效分割。通过对含有不同目标的侧扫声呐图像的分割试验,验证了该算法的有效性。     

基于 TLS 的高压线塔倾斜度监测

高压线塔属于杆状构筑物,对倾斜变形非常敏感,倾斜度是检测其稳定性的重要指标。传统的单点测量方式,无法反映高压线塔的整体变形,提出基于地面三维激光扫描技术监测高压线塔倾斜度的方法,采用分层处理的方式,通过边界提取、直线分割、直线拟合等过程处理点云数据。采集山西省柳林某高压线塔点云数据进行实验,求取各层切片的中心坐标并计算高压线塔的倾斜度,对计算结果进行分析,得出线塔仍处于安全运行状态的结论。     

综合纹理与光谱的土地利用模糊分类

针对利用TM影像进行土地利用传统分类精度不高的问题,该文提出了一种综合应用影像纹理与光谱特征对TM影像进行土地利用模糊分类的方法。采用主成分分析法对研究流域TM影像的光谱及纹理特征信息进行压缩与融合,并对融合后的TM影像数据进行3个组别的多尺度分割,在影像分割对象单元的基础上应用面向对象的模糊逻辑隶属度函数法实现影像的软语义分类。相对传统分类方法而言,该方法在充分利用影像光谱信息的基础上综合了影像的纹理信息,且分类理论思想更加符合人们对于客观事物的认知规律,分类精度有了显著的提高,为TM影像分类方法的改进提供一定的参考。     

一种陆地卫星影像厚云阴影检测方法

针对现有的遥感影像厚云阴影监测方法存在过程复杂、精度不高等问题,该文提出一种TM影像厚云阴影检测方法:通过阈值分割提取影像中的所有阴影;对比一幅近时相的无云影像,分离出厚云的阴影,即云阴影为"有云"影像比"无云"影像多出的阴影;最后将提取结果与人机交互、云阴影增强模型法提取的结果进行对比分析。实验结果表明该方法提取精度较高,可以快速、准确地提取TM影像中的厚云阴影。     

车载LiDAR点云相连行道树精细分割

针对车载激光雷达获取的行道树树冠点云相连问题,该文提出了基于树木生长模型的距离加权分割方法。首先通过等距原则将相连树粗分割为单株树木,采用求差和拟合算法获得树木高度、胸径等属性信息;再根据树木的理论和实际生长模型,计算得到树冠距离加权值;最后在此基础上对树冠进行迭代处理,实现邻接行道树点云的精确分割。经过不同树种试验验证,该算法能够实现对多棵相连树点云的进一步精确分割。     

利用激光气流分割技术同时测定斜长石的微量元素与Sr同位素

斜长石是火成岩中的主要造岩矿物之一。其微量元素和Sr同位素组成可以用来示踪多种地质过程。传统的斜长石研究需要进行2次独立的激光剥蚀电感耦合等离子体质谱分析,来分别测试微量元素和Sr同位素组成。然而对于具有复杂环带结构的斜长石, 2次激光剥蚀分析获得的微量元素和Sr同位素可能是解耦的。本研究采用近几年兴起的激光气流分割技术建立了通过1次激光剥蚀同时测试斜长石微量元素和Sr同位素的方法。该方法将1台激光剥蚀系统(LA)同时与1台高分辨率扇形磁场等离子体质谱(SF-ICP-MS)和1台多接收等离子体质谱(MC-ICP-MS)联机。在1次激光剥蚀过程中,通过Y形接头将激光剥蚀产生的气溶胶分为两路,一路气溶胶进入MC-ICP-MS进行同位素组成分析,另一路气溶胶进入SF-ICP-MS进行微量元素含量分析。使用本方法分析USGS玄武玻璃标样BHVO-2G和NKT-1G的Sr同位素组成和微量元素含量,分析结果在误差范围内均与推荐值或前人报道值一致。此外,本研究利用建立的方法对满洲里巴杨山塔木兰沟组火山岩中的斜长石斑晶进行了微量元素和Sr同位素的同时测试,并利用斜长石成分计算了平衡熔体的微量元素组成。...     

基于语义分割深度学习的找矿靶区预测研究——以广东省阳江-茂名地区为例

找矿靶区预测需要综合考虑地质背景、地球化学数据、地球物理勘探数据、遥感数据等因素。随着人工智能时代的到来,靶区预测可以最大限度地利用计算机运算性能,通过特定的规则集成所有地学数据对各类矿种的找矿靶区进行预测,尽可能规避由于数据种类多、数据量大、方法复杂、主观性强造成的预测结果可靠性差等问题。本文以广东省阳江-茂名地区为例,融合地球化学、地层岩性、地质构造、地形地貌等数据,基于PSPNet、SegNet、UNet三种语义分割深度学习模型进行预测,结果表明PSPNet模型在预测精度方面优于SegNet及UNet模型,并预测出了55处铁矿、金矿、铜矿、高岭土矿找矿靶区,其中79.7%的已查明矿点位于预测靶区内,表明该方法在找矿靶区预测中具有较高的可行性,可以用于找矿勘查并圈定靶区。     

卷积神经网络和视觉注意力语义分割模型在高分辨率遥感影像分类中的性能分析

随着深度学习语义分割的快速发展,基于计算机视觉语义分割模型的高分辨率遥感影像分类方法也大量涌现。为系统定量地研究经典的和先进的视觉语义分割模型在遥感影像分类中的性能,在总结深度学习语义分割进展的基础上,选择9种基于卷积神经网络(CNN)和视觉注意力的语义分割算法,对米级和厘米级2个尺度的遥感数据集进行分析研究。在模型构建上基于计算机视觉通用的语义分割框架,训练时采用红绿蓝3波段遥感图像并基于ImageNet预训练权重进行迁移学习训练。研究结果表明：通用的语义分割模型通过常规训练设置进行训练能取得较好的遥感影像分类效果,部分地物的交并比(IoU)可以达到90%以上;基于视觉注意力的遥感影像分类模型的精度普遍高于基于CNN的模型,且MaskFormer能更有效地提取离散的地物信息;不同类别的精度最高值并不全在总体最优模型中,部分会存在于次优模型中;类似的地物在更高分辨率遥感数据集中可以获得更高的精度。