基于改进DeepLabV3+算法的遥感影像建筑物变化检测

变化检测是遥感测绘领域的重要任务,作为执法依据,在耕地非农化等场景监测中发挥重大作用。近年来,使用人工智能相关技术进行变化检测,常见的技术方案为叠加两期影像,再使用语义分割算法求解变化区域。本文使用变化检测数据集LEVIR-CD作为试验数据,在DeepLabV3+算法基础上,针对变化检测场景特点,对模型结构进行改进。以DeepLabV3+的孪生网络为主干,使用多层级特征交互操作,充分融合图像特征。结果表明,改进的网络结构更加适合变化检测任务场景。     

几何特征与神经网络联合优化的室内三维点云语义分割方法

室内三维点云数据精准语义分割是实现深层次室内空间应用的基础。针对现有三维点云数据语义分割方法存在目标不完整和不一致的问题,本文提出了一种几何特征与深度神经网络联合优化的室内三维点云语义分割方法。该方法首先利用深度学习实现室内结构信息语义标签的初步提取,然后利用几何与颜色特征的点云分割方法对原始数据进行精确分割,最后利用概率模型将深度学习语义分割结果与几何分割结果进行交叉融合,实现语义分割结果的联合优化。基于开放数据集对本文提出的分割方法进行了精度和有效性验证,分别采用室内场景简单到复杂的三组室内点云数据进行了测试,试验结果表明,本文提出的方法能够有效提升室内三维点云语义分割精度。     

基于航摄影像的滇池捞鱼河湿地植物类型提取

为了获取滇池湿地的植物类型分布信息,以捞鱼河湿地为示范区,采用分辨率为0.15 m的航摄影像为影像数据源,利用人机交互和面向对象相结合的影像解译方法,实现捞鱼河湿地植物类型分布信息的提取.在植物类型边界提取过程中,发现过高的影像分辨率(≤0.3m)不利于成片具有空间异质性植物类型边界的正常提取,容易出现同一类型过度分割情况.通过邻域降分辨率重采样技术,将影像分辨率降至0.6m时,能有效解决过度分割问题.当分辨率降至更低时,虽然能解决过度分割问题,但会导致地物边界出现不同程度的锯齿而与地物边界不符的后果.研究所应用的基于Feature Extaction模块的植物类型边界提取方法,能有效减少人机交互方法中人工勾绘边界的工作量,在保证分类精度的同时减少人力投入,对航摄影像在大范围湿地植物类型的提取中具有重要借鉴意义.     

一个两时间层分裂显格式海洋环流模式(MASNUM)及其检验

A two-time-level, three-dimensional numerical ocean circulation model（named MASNUM） was established with a two-level, single-step Eulerian forward-backward time-differencing scheme. A mathematical model of large-scale oceanic motions was based on the terrain-following coordinated, Boussinesq, Reynolds-averaged primitive equations of ocean dynamics. A simple but very practical Eulerian forward-backward method was adopted to replace the most preferred leapfrog scheme as the time-differencing method for both barotropic and baroclinic modes. The forward-backward method is of second-order of accuracy, computationally efficient by requiring only one function evaluation per time step, and free of the computational mode inherent in the three-level schemes. This method is superior to the leapfrog scheme in that the maximum time step of stability is twice as large as that of the leapfrog scheme in staggered meshes thus the computational efficiency could be doubled. A spatial smoothing method was introduced to control the nonlinear instability in the numerical integration. An ideal numerical experiment simulating the propagation of the equatorial Rossby soliton was performed to test the amplitude and phase error of this new model. The performance of this circulation model was further verified with a regional（northwest Pacific） and a quasi-global（global ocean simulation with the Arctic Ocean excluded） simulation experiments. These two numerical experiments show fairly good agreement with the observations. The maximum time step of stability in these two experiments were also investigated and compared between this model and that model which adopts the leapfrog scheme.     

基于语义推理的城区机载LiDAR分割点云分类

目前,机载LiDAR系统获取的点云数据具有多回波的特性,回波特性可以揭示地物的类型信息。本文在排除粗差、首次回波和中间次回波后,对单次回波和尾次回波形成的点云子集进行基于3DHough变换分割和滤波处理以区分地面点和非地面点(包括墙面点),然后合并首次回波、中间次回波和非地面点再次进行点云分割,利用分割面片的尺寸大小、单次回波激光脚点比例、首次回波和中间次回波激光脚点比例等三个指标区分建筑物激光脚点和植被激光脚点。实验证明,上述方法可以很好地将点云数据分类为墙面点、地面点、建筑物点和植被点。     

结合异质性及分水岭变换的遥感影像分割方法

面向对象的遥感信息提取,首要任务是对遥感影像进行分割,分割的目的在于把原始图像分割成一些在空间上相邻、光谱相似的同质区域。传统的分水岭变换对噪声敏感,易产生过分割现象,不能直接适用于遥感影像的信息提取。本文利用非线性同组滤波方法(PGF)消除原始影像噪声,根据高分辨率遥感影像地物的异质性特征,对分水岭初始分割结果进行异质性准则合并。实验结果表明,该方法对高分辨率遥感影像的分割效果良好,能够适用于面向对象的信息提取。     

高空间分辨率遥感影像最优分割结果自动确定方法EI北大核心CSCD

针对现有方法普遍存在不能充分顾及遥感影像多波段光谱信息,以及忽视遥感影像中地理要素的多尺度特性等问题,提出一种自动确定高空间分辨率遥感影像最优分割结果的非监督评价方法。该方法基于信息熵生成光谱信息离散度,利用光谱信息离散度构建能表达分割对象内部光谱均质性指标和分割对象与其相邻分割对象间光谱异质性指标。基于构建的光谱均质性和光谱异质性指标,采用“粗估计+精确定”的策略,逐步得到一个多级优化后的影像最优分割结果。本文在3个不同下垫面影像区域进行试验。结果表明,该方法能有效地实现自动确定高空间分辨率遥感影像最优分割结果,与现有方法相比,本文方法确定出的影像最优分割结果质量更高,与参考分割结果更加贴近。     

耦合GF-2遥感影像与街景影像的广州市城中村识别

及时准确地获取城中村的空间分布及其环境质量信息对于优化城市空间、改善人居环境具有重要意义。本文以广州市越秀区为例,提出了耦合GF-2高分遥感影像和百度街景影像的城中村识别方法。首先,从街景影像中提取越秀区的街道空间品质特征;其次,在对高分遥感影像预处理并进行多尺度分割的基础上计算光谱、形状、纹理、场景特征和建筑结构5类共计23个特征;最后,融合两种影像的特征用于构建随机森林分类器进行城中村识别。结果表明,基于高分影像和基于街景影像的城中村识别整体精度分别为94.5%和85.7%,Kappa系数分别为0.58和0.31,而两者融合后的分类精度和Kappa系数为96.1%和0.67;其中基于街景影像获取的度量街道空间品质的5个指标贡献了31.6%的特征重要性。鸟瞰视野高分影像和人本视角街景影像提供的信息综合互补,构建了更有区分度的特征空间,减少了城中村的错分现象。本文证实了高分影像和街景影像在特征尺度的融合提升了城中村识别精度。街景影像中的信息可以融入到高分遥感影像等数据源中,辅助进行城中村等非正规居住空间的识别。     

车载LiDAR点云数据分割与半自动化建模方法

针对车载激光雷达(light detection and ranging,LiDAR)点云数据的不完整性问题,提出一种车载LiDAR点云数据分割以及基于分割后点云数据的半自动化建模方法。首先对点云数据进行标准格式转换及稀化;然后以不同地物的属性和几何特征为分割条件,分别建立道路、建筑物、树和路灯等附属设施的三维模型,并利用车载以及航空图像的纹理信息辅助建筑物的立面和顶面三维建模;最后以真实街景为实验区,基于拓普康IP-S2车载LiDAR点云数据,完成该街景的分割与建模。实验结果表明,该文提出的点云数据分割与街景地物重建方法比较简单,可实现道路和建筑物的半自动化分割;利用成熟的建模软件和方法,实现了建模的完整性和较强的可靠性。     

基于平面分割的线/线相接、交叉类型判断

线/线交包括多种细分情况,其中线目标间的相接、交叉细分关系的区分在空间数据建模、更新与质量控制等应用中有着重要的作用。本文针对目前线/线相接、交叉关系判断方面的局限性,提出了一种基于平面分割的线/线交“相接”、“交叉”类型判别算法。该算法是以在线/线交的邻域内,一条线总是把邻域分割成两个平面区域为基础,通过判断另一条线中与交相连的两线段是否处在同一个平面区域来判断线/线交的“相接”、“交叉”类型。本文用Visual C#语言编程实现了该方法,并将其应用到时空数据更新系统中,取得了较好的应用效果。