改进U-Net的遥感图像语义分割方法

利用深度神经网络进行遥感影像语义分割是遥感智能解译的一个重要内容，在城市规划、灾害评估及农业生产等领域具有十分重要的作用。高分辨率遥感影像具有背景复杂、尺度多样及形状不规则等特点，使用自然场景语义分割方法处理遥感图像往往存在分割精度低的问题。针对上述情况，本文在U-Net模型基础上，提出了一种多尺度跳跃连接方法来融合不同层次的语义特征，获取准确的分割边界与位置信息；引入注意力机制和金字塔池化解决复杂背景下的精细分割问题。为了验证本文方法的有效性，在WHDLD和LandCover.ai数据集上进行试验，并与主流语义分割方法进行对比。试验结果表明，本文方法的mIoU分别达到74.28%和82.04%,F₁均值达到84.47%和89.76%,均优于其他对比方法；相比于U-Net的分割结果，IoU在建筑物、道路等占比较少的类别上提升明显，且优于其他对比方法。     

南海北部浅地层剖面数据精细处理方法

通过对南海北部海域浅层剖面资料的分析研究,解决了多个数据处理难点。针对SEGY数据中的坐标错误,提出从导航定位原始资料中获取相应位置数据,改写SEGY道头信息,解决了SEGY数据道头坐标错误的问题;对波形进行相应处理,提高了浅地层剖面资料的分辨率;针对浅地层剖面震源位置不准的问题,对震源位置进行了校正;对同一设计测线多次分段作业剖面进行了剖面连接等。旨在为浅地层剖面的后续综合地质解译提供理想的基础资料。     

结合多路径的高分辨率遥感影像建筑物提取SER-UNet算法

针对深层卷积较难兼顾全局特征与局部特征从而导致提取建筑物边缘不准确和微小建筑物丢失的问题，以注意力机制和跳跃连接为基础提出SER-UNet算法。SER-UNet算法在编码器阶段耦合SE-ResNet和最大池化层，在解码器阶段关联SE-ResNet与反卷积层，通过跳跃连接将编码器提取的浅层特征和解码器提取的深层特征进行融合后输出特征图。验证SER-UNet算法的有效性，在MAP-Net网络并行多路径特征提取阶段使用SER-UNet算法替换原网络中的特征提取结构，分别在WHU数据集和Inria数据集上进行评估，IoU与精度分别达91.46%、82.61%和95.67%、92.75%,对比UNet、PSPNet、ResNet101、MAP-Net网络，IoU分别提高0.49%、0.14%、1.89%、1.57%,精度分别提高0.14%、1.06%、2.42%、1.09%。分析SER-UNet算法的泛化能力，将级联SER-UNet的MAP-Net网络在AerialImage数据集上进行提取验证，IoU与精度分别达85.32%和94.13%。结果表明，结合SER-UNet算法的MAP-Net并行...     

基于生态网络功能辨识的海坛岛生态保护和修复策略

优化国土空间开发格局和生态保护修复成为推进生态文明建设的重要举措,构建区域生态网络并识别其关键生态功能区域,是开展国土空间格局优化和生态修复工作的重要切入点.选择海坛岛为研究案例,利用遥感信息源和GIS空间分析等技术方法,辨识出区域潜在的生态网络功能结构.通过景观连接度的重要值评价,揭示海坛岛生态源地和生态节点的重要性...