联合卷积神经网络与集成学习的遥感影像场景分类

针对人工设计的中、低层特征难以实现复杂场景影像的高精度分类以及卷积神经网络依赖大量训练数据等问题，结合迁移学习与集成学习，提出了一种联合卷积神经网络与集成学习的遥感影像场景分类算法。首先基于迁移学习的思想，利用在自然影像数据集上训练好的多个深层卷积神经网络模型作为特征提取器，提取图像多个高度抽象的语义特征；然后构建由Logistic回归和支持向量机组成的Stacking集成模型，对同一图像的多个特征分别训练Logistic模型，将预测概率结果融合构建概率特征；最后利用支持向量机对概率特征训练和预测，得到场景影像的分类结果。利用UCMerced_LandUse和NWPU-RESISC 45两种不同规模的遥感影像数据集进行试验，即使在只有10%的数据作为训练样本情况下，本文方法能够分别达到90.74%和87.21%的分类精度。     

一种多层特征融合的道路场景实时分割方法

道路场景理解是自动驾驶领域中重要模块之一,它可以提供关于道路更丰富的信息,对于建立高精度地图和实时规划都具有重要作用。其中,语义分割可以为图像每个像素赋予类别信息,是自动驾驶场景理解中最常用的方法。但是,目前常用的语义分割算法在速度和精度上大都不能达到很好的平衡。本文在Mobile Net V2的基础上,提出了一种多层次特征融合的方法,使得网络可以在实时运行的同时保证精度满足实际应用的需求,并在Cityscapes数据集上进行了试验验证和分析。     

AutoCAD与ArcGIS数据转换研究与应用

结合珠海市空间数据自适应动态更新系统的建设实践,提出AutoCAD与ArcGIS空间数据转换技术路线。阐述了这一过程中数据标准建立、质量控制和数据转换等关键技术。在此基础上,编程实现AutoCAD与GIS空间数据的相互转换以及空间数据库中GIS数据与AutoCAD数据的直接转换。试验结果显示,AutoCAD空间数据在编码、规整、转换和质检等处理后,可生成符合标准的GIS数据。     

典型遥感数据分类方法的适用性分析——以遥感图像场景分类为例

目前普遍采用的分类器通常都是针对单一或小量任务而设计的,在小数据量的处理中能取得比较满意的结果。但对于海量遥感数据的处理,其在处理时效和分类精度方面还有待研究。本文以遥感图像场景分类任务为例,着重对遥感数据分类问题中几种典型分类方法的适用性进行比较研究,包括K近邻(KNN)、随机森林(RF),支持向量机(SVM)和稀疏表达分类器(SRC)等。分别从参数敏感性,训练样本数据量,待分类样本数据量和样本特征维数对分类器性能的影响等几个方面进行比较分析。实验结果表明:(1)KNN,RF和L0-SRC方法相比RBF-SVM,Linear-SVM和L1-SRC,受参数影响的程度更弱;(2)待分类样本固定的情况下,随着训练样本数目的增加,SRC类型分类方法的分类性能最佳,SVM类型方法次之,然后是RF和KNN,在总体分类时间上呈现出L0-SRCL1-SRCRFRBF-SVM/Linear-SVMKNN/L0-SRC-Batch的趋势;(3)训练样本固定的情况下,所有分类方法的分类精度几乎都不受待分类样本数目变化的影响,RBF-SVM方法性能最佳,其次是L1-SRC,然后是Linear-SVM,最后是RF和L0-SRC/L0-SRC-Batch,在总体分类时间上,L1-SRC和L0-SRC相比其他分类方法最为耗时;(4)样本特征维数的变化不仅影响分类器的运行效率,同时也影响其分类精度,其中SRC和KNN分类器器无需较高的特征维数即可获得较好的分类结果,SVM对高维特征具有较强的包容性和学习能力,RF分类器对特征维数增加则表现得并不敏感,特征维数的增加并不能对其分类精度的提升带来更多的贡献。总的来说,在大数据量的遥感数据分类任务中,现有分类方法具有良好的适用性,但是对于分类器的选择应当基于各自的特点和优势,结合实际应用的特点进行权衡和选择,选择参数敏感性较小,分类总体时间消耗低但分类精度相对较高的分类方法。     

建立天空场景的模拟算法

建立真实感的天空场景,在环境仿真和气象现象模拟中,有着极其重要的应用价值,也是计算机可视化研究中的难题。首先通过确定色彩层次模型,改进基于中点的变位方法生成基本云图,然后使用基于图像的方法进行云图映射,最后融合气象信息要素等过程生成天空背景,并采用光照叠加、背景合成及色彩调整等方法,产生千姿百态、形象逼真的天空场景图。可在多种气象现象的模拟仿真,纹理贴图的产生以及气象信息可视化系统的开发等方面发挥重要的作用。     

基于Skyline的房地产三维虚拟系统的研究

针对房地产行业的特点,采用3ds Max建立三维模型,并利用Skyline组件进行系统开发,运用虚拟现实技术和三维GIS技术对房地产进行三维建模,以及三维空间分析。系统建立在房地产小区影像数据、地下管线数据库的基础之上,具备三维场景浏览显示、空间量测、空间分析等功能模块。实现对房地产的地面建筑物、附属物、地下管线数据的统一浏览、显示,提供一个包括房地产的地面建筑物、附属物、地下三维管线的具有沉浸感和用户交互的房地产三维虚拟系统,以及一些实用的三维分析功能,为房地产的管理、维护、宣传和规划提供辅助决策支持。     

农户对农村居民点整合的意愿及其驱动机制——以重庆市沙坪坝区曾家镇白林村为例

农村居民点整合作为乡村治理的重要内容,在时间上,既要与农村居民点建设相联系,又要真实反映未农户的居住意愿、需求与偏好;在空间上,既要满足不同农户的生产、生活需求,还要考虑农户所在村落的空间层次;尊重农户的整合意愿与发挥农村居民点整合效应间的耦合,已成为农村居民点整合和解决民生的重心。研究选取重庆市沙坪坝区曾家镇白林村为样点,采取“PRA(Participatory Rural Appraisal)+3S(GIS+RS+GPS)”的方法建立“农户—土地”空间特征与属性特征一体化数据库,按农户生计资产配置结构和未来生计发展趋势,剖析不同类型农户对农村居民点整合的意愿及其驱动机制。结果表明:农户农村居民点整合意愿各异,非农专业化发展型(72.82%)>非农多样化发展型(49.66%)>兼业发展型(44.44%)>农业专业化发展型(36.84%)>农业多样化发展型(37.33%)。农户农村居民点整合意愿受家庭经济、居住环境、社会交往及政策等多种因素的影响,而农户后顾生计来源及其收入变化、居住条件、邻里关系、社会地位感知是农户农村居民点整合意愿形成的重要驱动机制。     

泥石流调查遥感解译新方法研究

文章在分析总结近年来遥感技术在地质灾害调查评价工作应用的基础上,针对存在的不足,就区域小流域泥石流地质灾害调查评价的遥感解译应用,提出了基于虚拟GIS和水文空间分析的遥感解译方法（RSVH）。该方法综合利用虚拟GIS、遥感图像数字处理技术和空间分析技术,将大尺度区域降级为较小尺度的空间逻辑单元。针对各单元应用遥感影像和高精度DEM数据创建三维虚拟场景。同时叠加地形、地质、岩性、土壤、灾害等具有丰富属性信息的图层,较好地解决了大尺度区域范围内遥感解译工作面临的困难。为小流域地质灾害的调查工作提供了新思路。     

图像蒙版的三维场景专题信息表达

本文提出利用图像蒙版技术表现场景专题信息:通过将重要的场景专题信息以单一图像的形式罩于地形表面,形成地形"蒙版",使用户只关注蒙版即可获取所需信息,用户可以在最短时间内形成对场景专题信息的总体把握与正确认识。这种方法在一定程度上提高了用户对场景的认知效率与深度。     

城市场景结构感知的网格模型简化算法

针对二次误差测度(QEM)网格简化算法全局几何特征信息损失严重的缺点,提出一种具有结构感知功能面向城市三维模型重建的网格简化算法。该算法顾及城市影像中平面结构特征,以代理平面为全局特征约束条件,使模型在简化过程中全局结构特征更多地被保持,以利于多层次细节模型(LOD技术)、网格优化提速等模型后续操作。以倾斜摄影获取影像生成的初始三角网格模型为试验数据,采用所给算法对其进行网格简化并与QEM算法进行对比。结果表明:所给算法简化精度及简化效率均优于QEM算法。