高分一号的浮筏养殖信息提取方法

针对浮筏海水养殖遥感信息自动提取业务化应用难度较大的问题,该文提出一种光谱、纹理特征结合的支持向量机(SVM)算法,高效提取海水、养殖物。基于国产高分一号(GF-1)高分辨率卫星影像数据,以江苏省连云港近岸海域为研究区域,以海水、养殖物作为为分类对象,采用主成分变换筛选信息量大,较好地保留浮筏水产养殖信息的前8个主成分分量开展分类实验。实验结果表明:将纹理特征应用于浮筏养殖物信息提取方法中,可以提高养殖物分类精度,与最大似然估计、最小距离方法分类方法比较,总体分类精度提升了3%～5%。研究结果可为浮筏养殖用海遥感监测平台构建提供基础技术支持。     

基于计算机视觉的头足类角质颚特征研究Ⅰ:轮廓与特征点提取

轮廓与特征点研究是头足类角质颚形态特征鉴别的基本方法,对于轮廓与特征点的提取最常用的方法是手动描绘与标定,利用计算机视觉进行轮廓与特征点的提取,不仅可以降低手动提取带来的误差、提高准确性,而且更加快速、便捷。文章将利用计算机视觉提取头足类角质颚的轮廓与特征点,首先将自制装置拍摄得到的角质颚三视图放入MTALAB软件中进行编程处理,然后利用Canny算法提取角质颚轮廓,最后根据地标点的定义标定特征点位置并建立空间坐标系得到角质颚的特征点坐标。研究结果显示,利用计算机视觉提取角质颚的轮廓图像以及特征点坐标是可行的,当标准差σ取值为0.1时角质颚轮廓图效果最佳,在得到的轮廓图上进行特征点的标定,通过迭代遍历轮廓图获得各个特征点的空间坐标。研究分析认为,将计算机视觉应用于头足类角质颚形态学的研究可以提高研究的便捷性,同时也为后续的研究提供了新的实验思路和方法。     

综合ULBP与Gabor纹理特征的SAR影像建筑区提取方法研究

建筑区提取对于地震灾情快速评估和地震灾害风险识别至关重要,合成孔径雷达（SAR）影像的纹理特征研究可在建筑区提取方面发挥重要作用。利用全极化SAR影像,提出综合使用ULBP纹理特征和Gabor纹理特征的建筑区提取方法。在SAR数据预处理的基础上,首先对基于Gabor滤波的纹理特征影像进行主成分分析,保留前2个最优主成分纹理特征影像;然后与ULBP纹理特征进行波段组合;最后利用支持向量机监督分类方法对组合后的影像进行分类,获得建筑区。研究结果表明,综合使用ULBP纹理特征和Gabor纹理特征可得到更高的建筑区提取精度,总体分类精度达90%,Kappa系数为0.78。     

多桩段工程边坡3维建模方法研究

使用多桩段边坡的角点数据插值生成边坡场景的地形数据,运用OpenGL的自动化技术实现了多桩段边坡的3维建模。使用分块纹理映射的方法,克服了OpenGL渲染机对影像纹理大小的限制。应用低分辨率纹理映射和选择边坡增强纹理分辨率的映射的方法实现了场景的快速建立和漫游,解决了对多桩段边坡的大场景渲染效率与分析时需要的视觉效果的冲突问题。研究成果能够被用于实际工程中,为边坡的辅助设计提供了支持。     

一种正射影像拉花现象的处理方法

在地形变化剧烈的正射影像中,受摄影时中心投影对影像获取的影响,数字微分纠正过程中部分成像信息不足的图像区域会出现被过度拉伸的现象,称之为拉花现象.基于此,深入分析了拉花现象的形成机理,提出了一种基于Z-Buffer的拉花区域检测方法.首先对拉花区域进行标记,再采用对向互补策略,基于相邻未拉花影像对该区域重新进行数字微分...     

松嫩典型黑土区耕地黑土层厚度数字制图方法比较

黑土层厚度与农田土壤肥力和质量密切相关,准确刻画东北松嫩典型黑土区耕地黑土层厚度的空间分布对黑土地保护和农业可持续发展具有重要意义。然而,常用的预测模型在平原漫岗地区进行数字制图具有较大的难度,如何准确预测黑土层厚度的空间分布特征是亟待解决的问题。选取东北地区松嫩典型黑土区作为研究区,以研究区内106个剖面点和45个环境因子为基础数据,通过因子重要性排序和相关性剔除法筛选变量,利用多元线性回归(Multiple Linear Regression,MLR)、随机森林(Random Forest,RF)、梯度提升树(Gradient Boosting Decsion Tree,GBDT)、极端梯度提升(Extreme Gradient Boosting,XGBoost)、随机森林回归克里格(Random Forest-Regression Kriging,RF-RK)和堆叠泛化模型(Stacking)对黑土层厚度进行空间预测制图,评估不同模型预测精度并研究影响黑土层厚度空间分布的最优协变量,并基于较优模型绘制东北黑土区耕地黑土层厚度分级图。结果表明：(1) Stacking组合多种模型的...     

南京市秦淮区学区房特征价格影响因素

对南京市秦淮区实行"多校划片"的原秦淮区与实行"单校划片"的原白下区进行比较,运用空间计量模型分析教育特征、建筑特征、邻里特征、区位特征和税收特征等因素对不同区域住房价格的影响,并通过空间自相关检验及SLM和SEM模型进行比对。结果表明:秦淮区二手住房价格呈现空间负相关并且具有空间异质性;两区域小学教育质量和到小学的距离对房价的影响均不显著;"多校划片"区域中,初中教育质量对房价的影响显著,而在"单校划片"区域中,初中教育质量和到初中的距离对房价均存在显著影响;非教育特征因素对不同区域住房价格的影响不同,建筑特征、邻里特征、区位特征部分显著,税收特征不显著。     

机载多光谱LiDAR的随机森林地物分类

机载多光谱LiDAR技术利用激光进行探测和测距,不仅可以快速获取地面物体的三维坐标,还可以获得多个波段的地物光谱信息,可广泛用于地形测绘、土地覆盖分类、环境建模、森林资源调查等。本文提出了多光谱LiDAR的随机森林地物分类方法。该方法通过对LiDAR强度数据和高程数据提取分类特征,完成多光谱LiDAR的随机森林地物分类;并分析随机森林的特征贡献度特性,采用后向特征选择方法实现分类特征选择。通过对加拿大Optech Titan多光谱LiDAR数据的试验表明：随机森林方法可以获得较好的地物分类精度,而且可以适当地去除部分冗余和相关的特征,从而有效提高分类精度。     

基于2D地图的城市户外ARGIS视觉辅助地理配准技术

针对当前便携式位姿传感器获取的户外6DOF绝对位姿精度通常不足,致使基于位姿传感器的户外AR地理配准精度不高,提出了一种以2D地图作为参考数据进行户外视觉辅助定位进而提高ARGIS系统地理配准精度的方法和技术框架。在位姿传感器获取初始位姿的基础上,详细阐述了基于2D地图进行图像位姿优化和辅助校正的基本原理;并通过试验验证了该方法可以对位姿传感器获取的初始位姿进行优化,进而提高户外AR地理配准精度的有效性。     

基于点特征的单目视觉里程计实现

本文采用特征点检测实现移动机器人的单目视觉里程计,通过对图像进行网格划分保证特征点均匀分布,提高特征点匹配效率。并行计算基础矩阵及单应矩阵实现单目视觉里程计的自动初始化,采用RANSAC算法剔除外点提高特征点匹配质量。设定运动模型及参考帧模型加速帧间运动估计,并通过合理的关键帧选取策略及图优化提高相机位姿精度及鲁棒性。利用TUM数据集测试本文设计的单目视觉里程计,实验轨迹误差为3.58 m,通过Turtlebot2移动机器人对真实环境进行测试,实验表明本文方法的有效性。