一种地形变化检测与DEM更新的方法研究

提出了一种使用旧时期的DEM和最新的航摄资料检测地形变化，同时更新DEM的方法。利用陕西省两个地区的数据对该方法进行了验证，结果表明变化检测和数据更新的精度比较理想。与现有的生产流程相比，该方法在效率方面有明显的优势，对原始数据的要求较低，最终的产品更加丰富，方法也更加稳健和自动化。     

变化检测技术及其在高分辨率卫星遥感影像中的应用

对高分辨率遥感卫星影像利用变化检测技术更新现有的影像数据库或地图数据库是一项对测绘具有重要意义的工作.对现有的变化检测技术进行了分类总结,然后提出了对高分辨率遥感卫星影像进行变化检测的实施流程,最后结合数学形态学算法对SPOT5影像(2.5 m分辨率)进行了相关实验.     

POS数据辅助的航空影像变化检测方法研究

提出了一种利用机裁定位定向系统（POS）数据辅助航空影像进行影像匹配和变化检测的方法。首先利用带POS数据的老影像解求新影像的外方位元素，然后在老立体影像上提取特征点，根据前方交会和共线条件方程得到新影像上同名点的近似位置，再与新影像进行匹配，寻找匹配不好的点作为变化区域的初始位置。以此为基础选择精检测窗口，进行边缘提取和跟踪，并进行链码匹配，最终确定发生变化的区域。试验证实，本文方法是可行的。     

利用结构面对象的高分遥感影像建筑物变化检测

根据建筑物具有丰富的角点和规则的外观形状的特点,本文提出了依据线段信息生成建筑物变化检测基本单元——结构面对象的建筑物变化检测方法。从高分遥感影像中提取出建筑物的边缘线及屋顶外形线条,生成结构面对象并提取其在两时相影像中相应的特征信息,通过监督分类获取变化建筑区域。试验结果表明,利用结构面对象进行建筑物变化检测能较完整地覆盖变化建筑物表面且对象边缘检测效果较好。     

直升机倾斜摄影测量在违法建设巡查中的应用

针对传统人工违法建设巡查存在的不足,以广州市天河区为例,提出一种以倾斜摄影测量技术为基础,融合并行计算、建筑单体化建模、变化检测、二三维联动矢量提取技术为一体的违法建设巡查模式.实践证明本方法能快速获取复杂场景下的违法建设图斑及属性信息,制作指引图册、统计表格和专题数据库,为违法建设动态监测提供了有效手段.     

利用车载激光雷达扫描的街道级道路变化检测

随着城市化的发展,中国的城市路网正以惊人的速度延伸和更新,如何高效、科学地管理庞大的路网成为难题.车载激光雷达系统具有野外作业量小、操作方便、大数据量采集等优点,可以用于恢复真实的道路场景,进一步实现街道级的道路变化检测.本文利用车载激光雷达扫描获取的点云数据,提出了一种基于数字高程模型和密度图的变化检测方法,用准确率、精准率和召回率作为检测的评价指标.以高速发展变化的上海陆家嘴地区的一个路段为例,验证了该方法检测的准确率为81.8％、精准率为93.1％、召回率为83.6％,变化检测效率得到大幅度提升.     

高分二号卫星遥感影像在地形图修测中的应用

1:10000地形图作为基础测绘的重要组成部分,在国民经济发展中发挥着举足轻重的作用.如何高效、高质量地完成地形图修测工作,一直受到测绘工作者们高度重视.利用传统测绘技术进行地形图修测工作,往往费时费力,成本较高;效率较高的无人机航测技术也有它自身的局限性.近年来,国家一直致力于推广应用高分二号卫星,因此本文研究探讨了将高分二号卫星影像应用于1:10000地形图修测工作的可行性,并得出了比较可靠的结论.     

基于InSAR技术城市垃圾场存量垃圾填埋量的估计

城市垃圾治理是生态文明建设、城市精细化管理的必然要求.有效评估城市垃圾场存量垃圾填埋量,提升处理技术,减少垃圾污染是城市管理部门首要解决的问题.由于早期垃圾场采用深挖填埋式,且建立时间较长,很难获得垃圾填埋数量.通过调查雷达卫星存档数据,利用InSAR技术得到不同时期的数字高程模型数据,进而计算得到哈尔滨市某垃圾场历史存量垃圾数据.     

基于改进DeepLabV3+算法的遥感影像建筑物变化检测

变化检测是遥感测绘领域的重要任务,作为执法依据,在耕地非农化等场景监测中发挥重大作用。近年来,使用人工智能相关技术进行变化检测,常见的技术方案为叠加两期影像,再使用语义分割算法求解变化区域。本文使用变化检测数据集LEVIR-CD作为试验数据,在DeepLabV3+算法基础上,针对变化检测场景特点,对模型结构进行改进。以DeepLabV3+的孪生网络为主干,使用多层级特征交互操作,充分融合图像特征。结果表明,改进的网络结构更加适合变化检测任务场景。     

基于遥感影像的生产建设项目扰动图斑人机协同智能提取方法

水土保持生产建设项目扰动图斑解译工作多以人工目视解译方法实现,在实际工作中,存在效率低、成本高、主观性强等问题。本文提出了“智能提取模型+遥感监管协作平台”的生产建设项目扰动图斑人机协同智能提取框架,通过本底数据要素标注、数据增强等手段构建变化检测数据集,采用改进的U-Net++模型开展生产建设项目扰动图斑智能提取试验。结果表明,模型平均准确率为79.59%,面积召回率为80.90%。针对检测模型容易误提取伪变化和云雾遮挡区域,以及存在图斑破碎、轮廓不规整等问题,在自动提取成果的基础上构建了分布式并行协同解译平台,对扰动图斑进行增、删、补、检,并将最终结果作为新样本反馈给模型,进一步提升模型性能,形成样本与模型间的良性循环,提高了实际工作效率。