基于背景匀质性双边滤波的SAR图像斑点噪声抑制算法

针对双边滤波在抑制SAR图像相干斑噪声的不足,本文提出了一种基于背景匀质性的改进双边滤波算法BH-IBF(Improved Bilateral Filtering algorithm based on Background Homogeneity),并将其应用于SAR 图像斑点噪声抑制.BH-IBF以传统双边滤波作为基...     

综合方法在1∶5万区调工作中的应用

介绍了在１∶５万区域地质调查中，利用地球物理资料编制立体构造图、利用ＩＣＰＳ—Ⅲ型微机图形图像处理系统对遥感ＴＭ图像进行有效处理、建立多元信息库等方面的研究成果     

Landsat 5 TM沙丘迁移场的误差消除与时序反演：以毛乌素沙地西北部沙丘为例

通过COSI-Corr软件处理Landsat 5 TM可以较好地量化沙丘的迁移模式和速度大小,为防沙治沙工程的实施提供具体的指导和建议。目前关于Landsat 5 TM迁移场误差源分析和时序反演研究仍然较少。本文以毛乌素沙地西北部为研究区域获取了1991年—2000年的沙丘迁移时间序列和年平均速度场,发现Landsat 5 TM迁移场的主要误差为轨道误差、姿态角误差和失相关噪声,这些误差消除后,精度相继提升23%—34%、4%—20%、2%—5%,再利用最小二乘法反演后可提升13%—14%。监测结果表明,1991年—2000年毛乌素沙地西北部沙丘向东南方向持续推进,最大速度可超过6 m/a,但受到西北—东南向的风力作用下,沿西北—东南向存在周期性往返运动;研究区域速度为0—1 m/a的占63.9%,大于3 m/a的则只有4.2%。Landsat 5 TM的误差消除和时序反演能有效地提高迁移场精度,进而获取更加准确可靠的时间序列。与以往研究不同的是,沙丘迁移场的误差消除和时序反演后可以更细致地反映出沙丘地表的实际风能环境。     

3D点云震害建筑物深度学习样本增强方法

针对震后复杂场景下LiDAR点云建筑物破坏类型自动识别问题，为满足应急救援时效性、准确性需求，告别传统人工震害特征提取，充分挖掘点云数据中灾区建筑物震害信息，进一步实现建筑物自动化智能化识别。本文将3D点云深度学习方法应用于建筑物震害识别，构建了包含倒塌、局部倒塌、未倒塌3种建筑物破坏类型的点云数据集。基于PointNet++网络探究了各类别样本量及其均衡性对识别精度的影响，并提出破坏建筑物样本增强方法，丰富了各类别样本点云形态。利用2010年海地7.0级地震后机载LiDAR数据，在PointNet++网络中进行了样本增强前后分类精度比较、样本量以及均衡性分析实验，样本增强后倒塌和局部倒塌的分类精度分别提高近27%和17%，模型整体平均分类精度、Kappa系数均有近15%的提升。实验结果表明三维建筑物震害深度学习模型在各类别样本量足够且均衡时，才能取得较好的分类识别效果。