Mask R-CNN和无人机遥感在黄河“四乱”问题调查中的应用

黄河“四乱”问题排查和整治是保障黄河流域高质量发展的重要环节。为了提高“四乱”问题调查工作的效率和准确性,本文采用一种基于Mask R-CNN和无人机遥感的调查方法,可以有效区分“四乱”目标及其干扰物。首先采用无人机航摄系统获取目标区域的正射影像;然后构建属于“乱建”问题的养殖大棚样本库;最后采用Mask R-CNN模型进行对象检测。试验结果表明,采用方法对养殖大棚目标检测的准确率可以达0.93,且能大幅提高调查效率。     

复杂场景下的电力线自动提取

实现复杂场景下航拍图像的端到端电力线提取是电力线无人机检测的关键。本文通过分析基于深度学习的电力线实例分割实现存在的问题,提出了一种基于改进Mask R-CNN的电力线自动提取算法。首先,根据电力线的线性特征,提出一种线性IoU计算方法,改进Mask R-CNN原有的IoU计算,提高电力线提取性能;然后,将改进后的网络在电力线数据集上进行训练,得到电力线粗提取结果;最后,通过线段编组拟合算法,对粗提取结果进行聚类拟合,以解决电力线断裂和误检的问题。试验结果表明,所提方法能从环境复杂的无人机航拍图像中较为准确地提取完整的电力线。     

基于深度学习的语义SLAM关键帧图像处理

同时定位和地图构建(SLAM)凭借其高能效和低功耗等特点在诸多领域应用前景广阔.然而,在传统的SLAM系统中仍存在一些问题:传统的视觉里程计中关键帧并不包含语义信息,移动机器人获取的图像信息较为单一,且在实际场景中关键帧总包含大量误匹配点和动态点.针对以上问题,本文提出一种语义SLAM思路.首先,为了能够匹配到正确且对应的特征点,摒弃动态点和误匹配点的干扰,提出了一种基于Lucas-Kanade光流法的相邻帧特征状态判别法,将这项功能作为新的线程加入ORB-SLAM3的视觉里程计部分,完成对部分传统SLAM框架的优化和改进工作.其次,针对传统SLAM系统前端视觉里程计获取的图像帧不包含任何语义信息的问题,使用基于YOLOV4的目标检测算法和融合全连接条件随机场CRF的Mask R-CNN语义分割算法对ORB-SLAM3中的关键帧图像进行处理,有效提高了机器人等智能设备对室内环境的感知能力.     

结合成矿要素的遥感蚀变信息提取技术研究

在分析宁夏省中卫地区铀成矿要素的基础上,提出了结合研究区成矿要素的ETM遥感蚀变提取改进技术,对非铀成矿有利地层进行了掩膜处理,减少了非相关地层中岩石矿物对信息提取的影响,野外查证后认为采用改进后的方法可使蚀变信息提取的精度更高,并在中卫地区发现了多条铀矿异常线索。     

基于Landsat8 OLI数据的遥感蚀变信息提取与成矿远景区圈定——以青海乌兰哈莉哈德山地区为例

以青海乌兰哈莉哈德山地区为研究区,选取Landsat8 OLI遥感数据,在建立植被、冰雪和人工地物掩膜基础上,利用主成分分析和密度分割方法提取该地区的铁染和羟基蚀变异常信息。经分析验证,在综合蚀变异常中,发现3处矿化点,圈定6个成矿远景区,为该区下一步地质工作的开展提供有效的参考。     

基于Mask R-CNN的高分遥感影像建筑物目标检测

深度学习方法在目标检测和语义分割领域得到了广泛应用,但在遥感影像中,由于建筑物呈聚集型分布且目标之间间隔紧密,建筑物目标检测暂未取得较好的效果。针对上述问题,提出一种基于Mask R-CNN的高分辨率遥感影像建筑物目标检测方法,将边界框识别与像素级语义分割结合起来,较好地解决了聚集分布且间隔紧密的建筑物目标检测问题。实验结果表明,该方法具有较高的检测精度。     

一种UKF与PF相结合的相位解缠算法

针对干涉相位图解缠问题,该文提出一种基于掩膜图的无损卡尔曼滤波与粒子滤波相结合的相位解缠算法,并结合基于AMPM局部相位梯度估计技术快速和精确地从复干涉相位图中获取相位梯度等信息以及最大堆排序算法从高质量像元到低质量像元的路径快速地搜索最佳待解缠像元,减少在路径跟踪过程中所消耗的时间。该文算法不仅可以高效、精确地在相位解缠的同时进行干涉图滤波,降低前置预滤波器的难度与复杂度,甚至可以在解缠高信噪比干涉相位图时免去预滤波的过程,而且在一定程度上能将相位解缠误差限制在低质量像元区域,减少误差传递效应,提高相位解缠的精度,在实测数据和模拟数据实验结果中表明:比现有的传统算法如枝切法等InSAR干涉相位解缠算法有更高的精度和稳健性。     

基于多任务学习的高分辨率遥感影像建筑提取

建筑物的自动提取对城市发展与规划、防灾预警等意义重大.当前的建筑物提取研究取得了很好的成果,但现有研究多把建筑提取当成语义分割问题来处理,不能区分不同的建筑个体,且在提取精度方面仍然存在提升的空间.近年来,基于多任务学习的深度学习方法已在计算机视觉领域得到广泛应用,但其在高分辨率遥感影像自动解译任务上的应用还有待进一步...     

多源多时相遥感数据在冬小麦识别中的应用研究

当前基于多时相遥感数据进行作物识别时往往只用到了单一的数据源,未能充分利用作物的时相特征和光谱特征.该文以胶东半岛为例,在冬小麦识别研究中采用一种基于多源多时相遥感数据的方法,利用MODIS NDVI产品和TM数据将冬小麦的时相特征识别与光谱特征识别充分结合.首先,基于4个时相的MODIS NDVI产品影像生成冬小麦掩膜,将冬小麦与其他作物区分开;然后将冬小麦掩膜应用于TM影像,并通过TM光谱识别的方法提取冬小麦,冬小麦识别精度达92.39%.