基于深度学习的目标检测定位系统设计与实现

针对传统遥感影像目标检测方法效率不高,并且无有效手段对检测信息进行管理利用的问题,提出了在B/S构架下基于深度学习的目标检测及定位方法。通过集成深度学习框架、WebGIS以及数据库,实现了集遥感影像目标检测、展示及管理于一体的目标检测定位系统,满足多用户基于前端浏览器的并发目标检测需求。利用网格划分策略,实现了基于前端的大区域范围的目标快速检测。基于某机场飞机目标及某城市区域运动场目标检测结果表明:本文设计的目标检测定位系统能够在前端实现目标快速检测定位,具有较高检测精度,并可有效管理检测信息,为深度学习循环再利用提供数据支撑。     

一种新的用于极化SAR图像船只检测的散射相似性测度

本文提出了一种新的用于极化合成孔径雷达（SAR）海上船只目标检测的测度。首先利用散射相似性参数研究船只与海杂波散射机制的差异。基于这些差异,提出了一种新的船只检测测度,该测度能够有效区分船只目标和海杂波。然后提出了利用核密度估计（KDE）方法对该测度进行建模的方法。基于统计模型,实现了自适应恒虚警率（CFAR）的检测方案。本文利用多景C波段RADARSAT-2极化SAR（Pol-SAR）数据上进行实验,系统分析了所提出测度的海杂波拟合性能与船只检测性能,并与两个经典的极化测度进行了比较,实验和比较结果证明了所提的测度的可行性。     

基于D-InSAR技术的金沙江地区滑坡形变监测与分析

滑坡是发生在我国山区的主要地质灾害类型,金沙江地区由于地势较高、地形复杂、多云多雨的特点,给传统的滑坡监测增加了难度。合成孔径雷达差分干涉测量技术(Differential interferometry synthetic aperture radar,D-InSAR)已在滑坡地面沉降监测中得到了广泛应用。本文选取金沙江上游沿岸作为研究区域,基于2018年8月11日与9月28日的Sentinel-1A影像及SRTM1数据,利用GAMMA软件及D-InSAR技术监测到金沙江地区的地表形变,成功识别出金沙江右岸的一处滑坡灾害。研究结果显示,在此滑坡的坡顶部分出现了约2.5 cm的沉降,而在坡底部分由于崩塌物的累积,地面出现了约3 cm的抬升。从实验结果可以得出,InSAR技术是一种有效的滑坡变形监测手段,利用Sentinel-1A卫星的SAR数据对滑坡区域进行形变监测,可以得到较好的干涉结果。     

基于YOLOv3深度学习的海雾气象条件下海上船只实时检测

海雾气象条件下船只高精度检测识别面临较大困难,传统的目标识别、定位方法效果差强人意。作者围绕海雾气象条件下不同类型船只的实时检测问题,提出一种基于YOLOv3深度学习的实时海上船只检测新思路。首先构建清晰图片和模糊图片（海雾、雨）的判别方法,实现图片清晰度分类处理;其次为提高海雾气象条件下海上船只的实时检测精度,消除海雾遮挡对目标识别的影响,运用暗通道先验去雾方法对含有海雾的图像实行去雾;最后基于YOLOv3深度学习算法对精细处理后的图像进行船只实时检测。实验结果表明该方法能够在海雾气象条件下高效、准确地检测到船只,对海上复杂环境条件下的船只实时检测研究具有一定的理论指导意义。     

远海测量重力仪漂移量估测方法研究

在海洋重力测量中,需要获知重力仪漂移量,作业规程中对漂移量确定方法已有详细规定,但对于测量周期长、测量期间中断作业的情况,作业规程还缺少这方面的规定,因此针对这些情况研究重力仪漂移量测量方法是必要的。据此提出定点复测和重复测线比对两种方法,以达到估算测量期内重力仪漂移量的目的,给出适用于远海长周期重力测量的重力仪漂移量估测方法。根据某航次实测数据的对比分析,发现两种方法均取得了较好的效果,可有效提高数据精度,但每种方法各有应用限制,需要根据实际情况选择使用。     

深水多波束测深系统测深精度评估

深水多波束测深系统主要应用于高精度全覆盖水下地形测量,随着现代水声技术的发展,其可同时获得海底地貌信息(底质分类)、水柱信息(水体中的油气),成为海洋探测必不可少的设备。对深水多波束测深系统原理、功能、发展做简要介绍,对多波束系统测量误差与精度评估方法进行了初步研究,并利用上海海洋大学"淞航"号首航实测数据,开展了EM302深水多波束测深系统的安置偏移量检校和测深精度评估工作。该工作具有较强实用性,为深水多波束的合理高效使用提供有益的参考。     

基于特征的无人机载视频运动目标快速检测方法

针对无人机载视频序列影像动态背景以及常用检测方法处理效率不高等问题,提出了一种基于特征的无人机载视频运动目标快速检测方法.该方法主要包括预处理、ORB特征提取(oriented fast and rotated BRIEF,ORB)、渐进一致采样(progressive sample consensus,PROSAC)...     

基于大数据的极端暴雨事件下城市道路交通及人群活动时空响应

随着全球气候变化加剧,极端降雨增多,暴雨内涝灾害频发,严重威胁城市的可持续发展。快速掌握暴雨给城市交通及人群的影响,有助于提高灾害应急管理水平和事件响应能力。利用实时动态的交通路况信息和手机定位请求数据,通过一种融合STL时序分解技术与极端学生化偏差统计检验的时间序列异常探测方法,监测和分析暴雨内涝灾害事件中,城市道路交通和人群活动的时空响应特征,并以2018年7月16日发生在北京的极端暴雨事件为例开展实证研究。研究结果显示,在降雨集中的早、晚高峰两个时段（8—9时、18—19时）,市区的拥堵道路数量超出往常水平最高可达150%,异常检测分析显示拥堵道路数量和交通拥堵指数均达到异常甚至极端水平。人群活动的异常响应分析结果显示,暴雨事件引起定位请求量异常升高、异常点增多,且异常点的空间分布与1 h前的降雨量分布存在较高相关性。以上结果不仅证明了大数据及异常检测方法对于快速洞察暴雨事件对城市交通及人群影响的有效性,也为城市暴雨内涝灾害的应急响应与管理提供了新的技术手段。     

非平稳标准化降水蒸散指数构建及中国未来干旱时空格局

旱灾是一种致灾因子与成害机理均非常复杂的自然灾害,也是目前对其检测与风险防御最为困难的自然灾害种类之一。随着全球气候变化,干旱的变化逐渐趋于非平稳化,水文气象序列的非平稳性已有广泛研究,但在干旱检测指标中却鲜有考虑。基于标准化降水蒸散指数（SPEI）和非平稳性理论,构建非平稳性标准化降水蒸散指数（NSPEI）并进行适用性评价,利用NSPEI评估未来不同排放情景下中国气象干旱时空格局演变规律。结果表明：① 非平稳性站点集中在东北平原、黄淮海平原、长三角地区、青藏高原及周边区域,NSPEI拟合最优的站点占中国气象站点的88%（2177个站点）。② SPEI对温度较为敏感,在评估未来干旱变化时会高估干旱强度和持续时间性,而NSPEI能够克服这一弱点,较SPEI可更好的检测中国气象干旱,且能很好的刻画中国未来干旱变化。③ 低、高排放情景下中国北方干旱加剧,南方呈湿润化趋势;中排放情景下中国北方湿润化趋势明显,而中国南方则呈干旱化。基于NSPEI干旱检测结果,中高排放情景下中国未来极端干湿历时与发生频率均呈增加趋势。     

结合图像增强和恢复的增强现实跟踪注册

增强现实中的跟踪注册技术一直是研究的重点和难点,而地下矿道和巷道内亮度低,产生的图像较昏暗,车载相机快速运动和抖动,对传统的基于特征匹配的跟踪注册提出了挑战。本文从提高增强现实中跟踪注册稳健性和精度出发,采用基于Retinex改进的方法增强昏暗图像的亮度,同时利用基于对抗神经网络的方法恢复运动模糊图像。首先提取图像ORB特征,实现初始化;然后根据跟踪特征点的数量,开启图像增强和图像恢复线程,提高特征点提取质量和数量。在数据集和真实模拟场景下的试验结果显示,跟踪精度提高了12%左右,在低亮度和含有轻微模糊的情况下,跟踪注册稳健性也有显著提高。