基于随机森林的FY-2G云检测方法

根据遥感影像中云检测原理,提出了基于随机森林的遥感影像云检测方法,并将其应用于FY-2G影像。结合国家气象卫星中心（NSMC）的云检测产品数据进行了算法的精度检验,云检测个例的精度检验结果显,最高命中率（POD）为88.32%,最低误报率（FAR）为9.36%,临界成功指数（CSI）为80.14%。结果表明,该方法有效地提高了云检测精度,同时能正确标识NSMC中部分误判的情况。     

一种适用于航空影像的无参考模糊探测方法

针对侧风、强风、湍流等飞行环境容易造成航空影像运动模糊,严重影响航空影像质量,同时航空影像数据量大,手动挑选模糊影像费时费力的问题,为了提高航摄内业人员的工作效率,该文研究一种适用于航空影像的自动模糊探测方法,以主流的无参考再模糊算法Reblur和无参考结构清晰度算法NRSS为基础,结合航空影像具有丰富地物的特点,对影像进行分块处理,计算所有字块的Reblur和NRSS模糊探测值,最后得到整幅影像的模糊探测值。其中,再模糊算法通过计算待测影像和参考影像的水平和垂直运动方向上的灰度变化来评价图像模糊度;NRSS算法在结构相似度SSIM算法基础上加入梯度信息提取和高斯滤波等改进,通过计算结构相似度评价图像模糊度。实验结果表明,该文研究的无参考模糊影像探测方法适用于航空影像数据,其评价结果与人眼主观评价结果具有较高的一致性,能够准确地缩小模糊影像的查找范围,极大地提高了航摄内业效率。     

An assessment of the impact of urbanization and land use changes in the fast-growing cities of Saudi Arabia

Understanding rates, patterns and types of land use and land cover (LULC) changes are essential for various decision-making processes. This study quantified LULC changes and the effect of urban expansion in three Saudi Arabian cities: Riyadh, Jeddah and Makkah using Landsat images of 1985, 2000 and 2014. Seasonal change of vegetation cover was conducted using normalised difference vegetation index, and object-based image analysis was used to classify the LULC changes. The overall accuracies of the classified maps ranged from 84 to 95%, which indicated sufficiently robust results. Urban area was the most changed land cover, and most of the converted land to urban was from bare soil. The seasonal analysis showed that the change of vegetation cover was not constant due to climatic conditions in these areas. The agricultural lands were significantly decreased between 1985 and 2014, and most of these lands were changed to bare soil due to dwindling groundwater resources.     

Normalizing shadows in multi-temporal aerial frame imagery using relative radiometric adjustments to support near-real-time change detection

This study addresses the problem of shadows in multi-temporal imagery, which is a key issue with change detection approaches based on image comparison. We apply image-to-image radiometric normalizations including histogram matching (HM), mean-variance (MV) equalization, linear regression based on pseudo-invariant features (PIF-LR), and radiometric control sets (RCS) representing high- and low-reflectance extrema, for the novel purpose of normalizing brightness of transient shadows in high spatial resolution, bi-temporal, aerial frame image sets. Efficient shadow normalization is integral to remote sensing procedures that support disaster response efforts in a near-real-time fashion, including repeat station image (RSI) capture, wireless data transfer, shadow detection (as precursor to shadow normalization), and change detection based on image differencing and visual interpretation. We apply the normalization techniques to imagery of suburban scenes containing shadowed materials of varied spectral reflectance characteristics, whereby intensity (average of red, green, and blue spectral band values) under fully illuminated conditions is known from counterpart reference images (time-1 versus time-2). We evaluate the normalization results using stratified random pixel samples within transient shadows, considering central tendency and variance of differences in intensity relative to the unnormalized images. Overall, MV equalization yielded superior results in our tests, reducing the radiometric effects of shadowing by more than 85 percent. The HM and PIF-LR approaches showed slightly lower performance than MV, while the RCS approach proved unreliable among scenes and among stratified intensity levels. We qualitatively evaluate a shadow normalization based on MV equalization, describing its utility and limitations when applied in change detection. Application of image-to-image radiometric normalization for brightening shadowed areas in multi-temporal imagery in this study proved efficient and effective to support change detection.     

融合颜色和深度信息的运动目标提取方法

行人检测是计算机视觉、智能交通等领域研究的热点与难点,基于深度传感器对室内复杂场景下的行人检测展开研究。目前,基于颜色与深度数据的目标检测方法主要包括基于背景学习的方法和基于特征检测算子的方法,前者依赖于视频序列头几十帧的背景知识,帧的数量决定检测质量;后者存在计算量大的问题,训练样本的不足也会影响行人检测结果。因此,深入分析了复杂场景特征,融合颜色和深度信息,提出了RGBD+ViBe(visual background extractor)背景剔除方法,实现前景运动目标的准确提取。实验结果表明,提出的RGBD+ViBe方法在前景运动目标检测准确率方面要明显高于仅考虑颜色或深度信息方法以及RGBD+MoG(model of Gaussian)方法。     

基于对象BOW特征的高分辨率遥感影像变化检测方法

针对传统基于像素的变化检测方法的缺点,以及底层特征表现能力不足等问题,提出一种基于对象BOW特征的变化检测方法。首先,将经过预处理操作的两期影像进行波段组合得到组合后影像,再考虑地物光谱特征和几何空间信息对组合后影像进行多尺度分割,获得相对应的对象基元;同时,分别提取两幅影像的底层特征（包括影像各波段的均值和方差以及灰度图像的6种纹理特征）。其次,将对象视作文档,像素的特征向量视作单词,利用BOW模型构建影像对象的中层表达,即对象的BOW特征。最后,通过相似性度量算法比较相应对象的BOW特征,从而识别出影像上的变化区域。本文利用2组WorldView-2影像进行了检验,结果表明本文方法的变化检测结果较为完整,精度优于对比方法。本文方法基本能够满足变化检测的需求,为高分辨率遥感影像上的数据挖掘分析提供了有效的手段。     

分部加权的行道树检测网络构建

基于深度学习目标检测框架,提出了一种端到端的训练网络,用于行道树的自动检测。由于行道树之间的遮挡问题,现有的通用物体检测框架无法直接应用于此任务,为此本文提出了一种树形分部加权模块,以减少严重遮挡造成的错误检测。然后对提出的神经网络进行训练和评估。结果显示,本文所建立的分部加权树木检测网络能够在遮挡条件下,有效地检测出街景图像中的行道树,该方法在各种条件下均具有较高的精度和良好的稳健性。     

基于深度学习的中尺度涡检测技术及其在声场中的应用

针对海洋中尺度涡的检测与参数提取问题,本文使用中尺度涡SAR图像数据集,提出基于深度学习的EddyYolo目标检测模型进行中尺度涡的涡旋中心和涡旋水平尺度的多目标检测,并且提取涡心位置和涡旋水平半径等参数.实验结果表明:本文提出的EddyYolo模型实现了涡旋中心和涡旋水平尺度的多目标检测,检测准确率达到94%.在此基础上,结合二维高斯涡模型和三维中尺度涡模型,本文提出了基于卫星遥感与声学对中尺度涡的联合建模方法.     

深海多金属硫化物开采作业安全与环境影响分析及对策研究

随着各国对深海多金属硫化物勘探与开发的步伐逐渐加快,为确保并指导承包者在区域内开采多金属硫化物作业安全且符合保护环境规定,首先论述开采深海多金属硫化物的工艺技术,以此为基础结合加拿大鹦鹉螺和美国海王星矿业公司试采多金属硫化物案例,分析其作业过程所涉及的硫矿泄漏、结构失效、机械伤害、火灾爆炸等安全问题和破坏海底动植物群及其栖息地、排放采矿废水尾矿等环境影响,最后就作业安全与环境影响问题分别给出了针对性的对策与建议,可为工程实践提供参考。     

基于服务驱动的“天地图·黑龙江”数据快速更新关键技术研究

在分析"天地图·黑龙江"应用需求服务的基础上,本文重点阐述了"天地图·黑龙江"数据快速更新的总体技术路线,并详细描述了多源数据获取与分析整理、遥感影像批量快速更新、基于"天地图·黑龙江"母库的数据动态更新、两期影像变化检测的数据快速更新、地名地址数据快速更新等关键技术。本文提出的基于服务驱动的数据动态快速更新思路,进一步加强了"天地图·黑龙江"地理信息保障服务能力建设。