基于孪生注意力网络的高分辨率遥感影像变化检测

随着遥感影像空间分辨率的提升,地物成像特征愈加复杂,基于纹理表达和局部语义等技术的变化检测方法已很难满足需求.为提升高分辨率遥感影像的变化检测精度,构建了一套较大规模的0.8～2 m高分辨率遥感人类活动变化检测数据集(HRHCD-1.0);同时将空间注意力和通道注意力机制引入孪生变化检测网络中,设计了具有更强上下文变化...     

高速公路典型要素语义分割深度学习模型适用性分析

通过对比评估了目前主流的深度学习点云语义分割的网络模型PointNet、PointNet++及RandLA-Net,在高速公路场景下的语义分割性能和效果,最后选择性能最优的RandLA-Net网络模型进行超过5 km高速公路基础要素的语义分割实验,结果表明,RandLA-Net网络模型可以较好地实现高速公路场景的激光点云语义分割,总体精度达90.53%,满足现阶段高速公路场景数字化应用的信息识别精度要求。     

网络分析方法在GPS控制网优化设计中的应用

讨论了网络分析方法中的深度优先遍历算法在GPS控制网优化设计中资源配置问题中的应用,并在该算法的基础上,进行了一定的改进,提出了并行项目的解决建议,为网络的资源配置提出了一种新的解决方法。     

一种深度图像拟合圆柱的优化方法

圆柱状构件广泛存在于古建筑仿真中,为了提高古建筑深度图像圆柱拟合的精度,针对古建筑仿真3维建模的特点,提出基于高斯图获取圆柱拟合参数初始值,然后利用圆柱距离函数参数化法进行非线性最小二乘拟合的圆柱拟合方法.实验证明,该方法不仅具有较高的精度,而且拟合结果稳定可靠.     

利用深度学习模型进行城市内涝影响分析

城市内涝是当前典型的一类城市自然灾害,影响着居民的生活质量。以城市内涝点作为研究对象,综合考虑内涝对城市居民工作和生活等方面造成的影响,筛选出与影响程度相关的21类空间数据。同时,基于深度学习原理构建栈式自编码神经网络模型,结合层次分析法获取的内涝点影响程度标签,剖析21类空间数据与内涝点对居民工作生活影响程度的关系,实现城市内涝对居民工作和生活影响的定量分析。实验表明,栈式自编码神经网络模型能准确地描述内涝点周围的系列空间数据与内涝影响程度之间的关系,可有效预测潜在内涝点对居民工作和生活的影响程度大小,可用于城市防洪排涝方案的制定和排水管网的优化设计。     

利用拟构模型面调控水深模型点选取的航海DDM构建

针对传统方法难以确保所建模型的深度保证率满足航海安全要求的问题,提出了一种利用拟构模型面调控水深模型点选取的航海数字水深模型（digital depth model,DDM）构建方法。定义了已选、待选、拟选水深点以及拟构模型面的概念,并利用待选水深点来定量评估模型面的深度保证率与表达度,实现了水深自动选取过程中的DDM质量动态监控。在此基础上,通过构造水深选取中的质量评估综合算子,利用该算子来定量调控水深点的选取,确保所构DDM的深度保证率能达到规定指标要求。实验结果表明:（1）与传统方法相比,所提方法能确保所建模型的保证率满足航海安全要求;（2）对于深度保证率均能满足航海安全要求的水深点,所提方法较传统方法能从一定程度上提高模型在此处的表达度。     

基于深度学习的河道提取与变化监测应用——以永定河为例

本文基于2014年、2017年、2018年三期GF1遥感影像,针对北京市石景山永定河河道变化特征,开展基于深度学习算法的河道自动提取与变化图斑自动发现。选择GEOWAY GFLP作为地理要素智能训练平台,采用基于疑似变化区域自动发现与人工交互确认相结合的遥感监测技术路线,选取典型水体样本进行分析、训练,构建深度学习卷积神经网络水体提取模型。通过分析与验证发现,基于深度学习水体提取模型自动提取的河道准确率高于90%,精度高于最小距离、最大似然及SVM分类方法,可用于城市河道的自动提取和变化发现。     

一种改进的RFB Net遥感影像目标识别算法

针对高分辨率遥感影像场景复杂,现有的目标识别算法检测率较低且速度较慢的问题,提出了一种改进的RFB Net模型。算法在RFB Net模型的基础上构建特征金字塔网络,融合高层语义信息和低层特征信息,提高了网络识别能力。为验证该算法性能,以遥感影像中飞机目标为例进行了实验验证。以油罐和立交桥目标为例,对该算法的推广性进行了实验验证。结果表明,改进的RFB Net模型在遥感影像目标识别中精度较高、速度较快,且具有较好的推广性。     

卫星影像匹配的深度卷积神经网络方法

本文侧重于智能化摄影测量深度学习的第一个方面：深度卷积方法。传统的影像同名点对提取算法通常利用人工设计的特征描述符及其最短距离作为匹配准则进行匹配,其匹配结果易陷入局部极值,造成部分正确匹配点对的遗漏。针对这一问题,本文引入深度学习方法,设计了一种基于空间尺度卷积层的两通道深度卷积神经网络,采用其进行影像间的匹配模式学习,实现了基于深度卷积神经网络的卫星影像匹配。试验表明,在处理异源、多时相、多分辨率的卫星影像情况下,本文方法比传统匹配方法能提取到更为丰富的影像同名点对,且最终匹配提纯结果正确率优于90%。     

基于卷积神经网络的无人机影像违章建筑检测应用

无人机航拍影像具有分辨率高、回访周期短等特点,利用无人机遥感技术手段对城市范围的建设进行动态监测,可及时、有效地发现涉嫌违法的建设活动.本文结合实际项目需求,研究通过卷积神经网络方法进行违章建筑的自动检测,替代过去靠大量人力检查的模式,目前测试区域无人机影像试验取得了较好的效果,在样本数据不足5000份的情况下,准确率...