机载多光谱影像语义分割模型在农田防护林提取中的应用

农田防护林是农田生态系统的屏障,其健康状况的监测与评估在我国北方农田林网管理中尤为重要。本文以新疆生产建设兵团第三师51团为研究区,使用复合翼无人机CW-20搭载Micro MCA12 Snap多光谱相机获取农田防护林的多光谱影像,经辐射校正、裁剪等预处理,通过优选有效特征和模型比较,提出农田防护林提取的有效方法。首先,基于原始12波段,依据相关性系数矩阵和最佳指数因子（Optimum Index Factor,OIF）选取最优3波段和植被指数特征进行组合,构建8种农田防护林提取方案;然后,通过建立语义分割Deeplabv3+模型进行精度评价,得到最优3波段组合6（波长710 nm）、8（波长800 nm）、 11（波长900 nm）波段为最佳特征组合;最后,以最优3波段为基础,将Deeplabv3+模型与U-Net、ENVINet5模型进行对比分析。结果表明：Deeplabv3+模型能够更深层次的挖掘光谱中潜在的信息,相比其他模型,能够较好地处理正负样本不均衡问题,获得最高MIoU值85.54%,比U-Net、ENVINet5的MIoU值则分别高出21.21%、27.19%。该研究结果可为基于多光谱遥感影像的语义分割在农田防护林提取及健康状况监测的应用提供借鉴和参考。     

基于不确定性的大样本集抽样设计

本文研究是针对全球森林覆盖变化检测系统的大训练样本选择的优化问题。样本自动标记系统自动标记了"千万个"代表森林和非森林的像元。为了提高精度和效率,我们需要从千万个样本的大样本集中选择对训练分类器有益的样本。本文提出了两种方法:第一种方法是传统的分层等距离采样;第二种方法是基于不确定性的样本优化,通过研究相同样本间的相似性度量指标、样本不确定性度量指标及样本特征空间分布,来实现基于不确定性的训练样本选择策略。实验通过精度评价验证了基于不确定性的采样策略能比传统的分层等距离采样策略获得好的效果。     

Design and elementary realization of the Vision Earth System

The Vision Earth System is a interactive system by employing B/S model. The system has the function of query display and mutuaUy displays relevant geologic information, integrating image information of one outcrop and realizing 3D geologic visualization. In this system, the basis is effective store, transmitting, display and quick query of enormous images and their properties data. From Java technology, this essay researches the elementary realization of Vision Earth System by adopting store formality of enormous images database,quick display image of website and quick image storage method.     

小波和IHS变换结合实现ETM图像波段融合

采用小波变换和IHS结合的方法实现了ETM多光谱波段和ETM全色波段的融合,并与传统的IHS融合的结果进行比较,结果表明小波和IHS变换相结合的方法优于IHS方法。     

Ӧ��360��ȫ��Ӱ����������ⷽ��

???360???????????????????????????????????????????????·???????????в???????????????????????YCbCr???????????????????????????????????????????Ч??????????????????????????????????????????????????????????????????????????????????Ч?????????????????÷????????360?????????е??????????????????????????????????????????????Ч?????????á?     

一种基于点特征的高精度图像配准方法

提出了一种基于点特征的多源图像高精度配准方法。通过在遥感影像上提取密集特征点,利用多种方法结合进行严格匹配获得同名点对。通过构建不规则三角网分割影像,再利用仿射变换模型实现每个三角形的配准。实验证明了该方法的有效性和较高的适用性。     

一种新的聚焦点不同的近景影像融合方法

近景摄影测量是实现地面目标高精度三维建模的主要方法之一。实际摄影测量过程中,普通数字摄像机在拍摄与镜头距离不同的多个目标时,无法同时聚焦到所有目标而使近景影像各处都清晰。本文以不同聚焦点近景影像的融合为研究内容,以图像一层小波分解的高频系数能量为影像清晰度衡量指标。通过计算小波影像能量,将整幅影像划分为清晰区域、模糊区域及二者的交界区域。对于清晰区域和模糊区域,将清晰区域的像元值直接应用于融合影像,而对于二者的交界区域,将curvelet变换所得初始融合影像的像元值应用于对应位置处的融合影像,从而得到融合影像。最后,用两组实例数据对融合方法进行了验证,并采用信息熵、均方根误差和峰值信噪比三种客观评价准则,对所得融合影像进行定量分析。     

适用于遥感领域的交互式图像处理系统

数字图像处理技术的广泛应用使很多与图像相关的领域产生了根本性的变革。反过来，这些变革也对数字图像处理提出更高的要求，而计算机和人工智能技术的迅速发展为建立新的、面向具体应用的图像处理系统提供了现实的可能性。本文展示了一个基于Ｕｎｉｘ工作站的、适用于遥感领域的交互式图像系统的设计框架和主要功能。     

高放废物地质处置库花岗岩体预选研究

简要介绍了应用遥感技术结合地质研究,优选高放废物地质处置库花岗岩体的思路和方法。以北山外围地区为例,通过遥感数据处理,遥感影像解译,岩体地质特征分析,岩体预选准则的建立,在野外勘查的基础上,预选了若干有利的花岗岩体。为优选高放废物地质处置库场址提供决策依据。     

基于卷积神经网络与条件随机场方法提取乡镇非正规固体废弃物

随着村镇经济建设发展,生活垃圾和工业固体废弃物造成的污染问题日益突出,已经成为制约新农村建设发展和生态文明建设的关键问题,而目前针对乡镇非正规固体废弃物的调查与统计主要依赖全国各乡镇相关部门逐级调查上报,工作量较大。本文基于高分辨率遥感影像,将深度学习模型和条件随机场模型相结合引入到乡镇固体废弃物的提取研究中,探索一种基于深度卷积神经网络的乡镇固体废弃物提取模型。由于固体废弃物在影像上表现为面积小,分布破碎等特点,为了提高工作效率,将模型特分为识别和提取2个部分：① 通过全连接卷积网络（CNN）对固体废弃物进行快速识别判断,筛选感兴趣区域影像块;② 在传统的全卷积神经网络(FCN)的基础上加入条件随机场模型(CRF)提取固体废弃物边界,提高整体分割精度。根据安徽、山西等地区相关部门上报固体废弃物堆放点以及住房与城乡建设部城乡规划管理中心进行野外检查的结果,实验最终识别精度达到86.87%以上;形状提取精度为89.84%,Kappa系数为0.7851,识别与提取精度均优于传统分类方法。同时,该方法已经逐步应用于住房和城乡建设部有关成都、兰州、河北等部分乡镇非正规固体废弃物的核查工作,取得了较为满意的结果。