结合深度学习的高光谱与多源遥感数据融合分类

高光谱数据具有丰富的光谱特征,但是其空间分辨率相对较低。一些遥感数据具有与高光谱数据互补的优势,例如提供更精细的空间信息的高空间分辨率数据和具有高度信息的激光雷达LiDAR（Light Detection and Ranging ）数据。通过将高光谱数据与多源遥感数据进行融合,可以弥补高光谱数据空间分辨率相对较低,空间特征不够丰富的缺点。近年来,基于深度学习的方法已经在遥感数据分类研究中取得了一定的进展。然而,由于深度网络的特征提取过程是一个自主的过程,往往无法精确的获取最有利于遥感数据分类的特征;同时,深度学习方法具有复杂的网络结构和大量的参数,往往会在分类训练过程中造成参数拟合困难。以上这些因素会导致分类效果不佳。针对这些问题,本文提出了一种将卷积神经网络CNN（Convolutional Neural Network）和纹理特征相结合的多源遥感数据特征级融合分类框架。该方法共3个步骤,首先,对高光谱数据或多源遥感数据提取纹理特征;然后,构造CNN,分别将原始高光谱遥感数据、原始多源遥感数据和第一步中获得的纹理特征作为深度网络的输入进行深度特征提取;最后,将分别提取到的深度特征拼接,并利用Softmax分类器进行分类。为了验证本文提出方法的分类效果,本文在休斯顿和塞特福德矿地区公开数据集上进行实验,并将该分类框架与支持向量机分类方法、像素级融合分类方法和特征级融合分类方法进行对比。由此可以分析得出,本文提出的基于深度学习的融合分类方法可以获得较高的分类精度。     

移动式人工增雨作业技术支撑系统的设计与实现

利用移动通信和智能手机应用技术,结合气象基本业务和人影作业技术,研发了一套移动式人工增雨作业技术支撑系统。该系统实现了各种气象资料的实时采集、直观显示和作业信息的上传下达,为一线作业人员及时获取人工增雨作业所需要的信息提供了新途径。系统业务化运行稳定、实用性强,进一步提升了人工增雨作业的科技含量和省级人工影响天气指挥中心对市、县两级的业务指导能力。文章详细介绍了该系统的设计思路、流程框架、功能设计及其应用等。     

基于移动互联网的交通气象服务系统设计与应用

设计并实现了基于移动互联网的交通气象服务系统。通过对用户定位信息与天气现象、能见度、温度、降水、风力等精细化格点数据进行融合,提供了一系列基于位置的创新性交通气象服务:道路前方高影响天气路段语音提醒及气象信息自动化语言表达、基于WebGIS服务的交通气象服务信息展示和基于精细化格点预报数据的智能导航。与传统网页单向式的信息交互方式不同,交通气象服务系统绝大部分数据存储及处理工作在服务端完成,通过Web服务实现了与客户端的双向信息传递,向用户提供精准的基于位置的信息推送。本系统已经在浙江省气象局智慧气象手机客户端中作为一个独立模块实际应用。     

移动GIS中GML数据压缩技术研究

目前利用GML实现多源异构移动GIS空间数据资源整合时,存在数据压缩的"瓶颈"问题。在分析移动计算环境中GML数据压缩特性(语义同构、时空拓扑特性保持以及自适应网络流量动态调整压缩结构)的基础上,利用语义编码构造整体空间,并通过语义空间聚类与小波变换分析,构建移动GIS中GML数据压缩模型。实验表明:该压缩模型在压缩比、直接读取压缩数据以及在无线网络上传输压缩数据3方面均具有较好的性能,对移动GIS数据共享集成的理论与技术研究具有一定的参考价值。     

激光雷达技术在我国地形测图中应用前景广阔

激光雷达技术(Light Detection and Ranging,LiDAR)是近十年来快速发展并得到广泛应用的测量手段.美国地质调查局(USGS)、美国国家宇航局(NASA)以及美国地质学会(AAsc)已经开始讨论建设伞美高分辨率激光雷达数据库.我国正处于东都城市化、土地利用巨变、两部无图而经济高速发展的时期,国家、地方、企业生产单位迫切需要现实性强、精确度高、比例尺大的地形数据产品.满足这些要求的主要途径是采用激光雷达这一先进的测绘技术.我们建议同家、地方与企业统筹规划,各司其职,努力建设我国的激光雷达基础数据库.本文通过Stoker等(2008)介绍的第二届全美激光雷达战略研讨会上论述的激光雷达技术特点、激光雷达数据的科学需求与应用以及商业化运作问题,结合我国目前的激光雷达发展趋势、测绘数据需求以及土地利用变化监测等科学问题,简析激光雷达技术在我国的应用前景.     

机载LiDAR点云数据中电力线的提取方法研究

提出了一种基于机载LiDAR点云数据的电力线提取方法。首先在进行LiDAR数据滤波的基础上,分离地面点与非地面点;然后针对非地面点采取一种基于角度的滤波方法,分离非地面点中的植被点与电力线点,对电力线点,采用二维Hough变换进一步分离各条电力线点;最后使用双曲余弦函数模型,对单条电力线进行曲线拟合。实验结果表明,该方法能够从LiDAR点云数据中较完整地提取出电力线点,电力线点提取正确率达96.2%,并能够对电力线走廊进行三维重建。     

LiDAR森林冠层高度模型凹坑去除方法

LiDAR技术被越来越多地应用于林业领域,而森林冠层高度模型作为其数据产品直接影响着森林参数的反演,但其存在的局部凹坑现象对森林参数信息的提取形成阻碍。针对此问题,该文对局部凹坑去除进行了研究。利用局部稳健加权回归对点云数据进行散点平滑处理,填充凹坑(无效值);再利用反距离加权插值生成冠层表面模型,使之与数字高程模型相减得到归一化高度点云,形成去除凹坑后的森林冠层高度模型。通过对研究区30个样方的点云数据处理,及与高斯滤波、中值滤波、分层高度最大值法进行比较,并提取树高等信息进行验证。结果显示,无论在去除凹坑效果还是保持原冠层顶部形态结构上,该方法都具有明显优势。     

LiDAR技术在钱塘江海塘工程安全监测上的应用研究

LiDAR作为一种主动式对地观测系统,可快速获取地物的三维点云数据,显示地物特点。文中利用LiDAR系统平台,获取钱塘江海塘三维点云数据,通过点云处理软件,对三维点云进行后续处理,生成海塘工程三维模型;分析模型数据,对海塘工程进行剖面分析、沉降监测等,探索LiDAR技术在海塘工程安全监测上的应用。     

面向配网带电作业机器人的激光雷达与视觉系统融合定位

为提高配网带电作业机器人在开展带电作业时对导线的识别与定位的准确性,本文提出了一种基于单线激光雷达传感器与视觉系统融合的定位方法,获取导线的空间三维坐标.并通过研究多传感器在户外强光环境下的工作特点,提出了基于激光雷达深度信息与图像信息的多传感器融合算法.首先利用激光雷达与相机事先进行像素级标定,使图像像素与激光雷达深...     

机载LiDAR数据中电力线的自动提取与重建

为实现电力线走廊更加有效地巡检,本文设计了一套LiDAR点云数据中电力线自动提取与重建的方法。首先,利用改进的渐进形态学滤波剔除地面点,通过高差阈值与高程离散度分割,实现电力线点粗提取;然后,借助RANSAC直线检测,得到电力线直线模型,依靠密度检测,实现单根电力线点云精确聚类;此外,利用k-means算法完成分裂导线束间归类;最后,进行二次多项式限制的最小二乘拟合,生成电力线曲线模型。试验结果表明,使用该方法电力线点云提取的正确率达98%以上,非电力线点云误判率低至1%左右,电力线直线模型拟合误差在5 cm以下,曲线模型拟合误差在3 cm以下,完全满足实际工程需求。