机载LiDAR建筑物点云渐进提取算法

针对机载LiDAR建筑物点云提取过程中易受植被的影响的问题,本文提出了一种机载LiDAR建筑物点云的渐进提取算法。首先通过布料模拟滤波算法对地面点云与非地面点云进行区分,在此基础上利用最大类间方差法算法（Otsu）对非地面点云进行阈值分割,提取初始建筑物点云;然后根据点云的连通性对初始建筑物点云进行密度聚类分割（DBSCAN）,剔除离群噪声点;最后通过Alpha Shape算法实现建筑物点云的边缘提取。本文选取ISPRS官网提供的3组典型城区LiDAR点云数据进行试验,试验结果表明,本文算法可达到较好的建筑物点云提取效果。     

基于多时相遥感影像的丘陵山区水田地类的自动提取

为了从遥感影像上对丘陵山区的水田地类快速、准确的提取,以芜湖市南陵县为例,利用5月份的IRS-P6遥感影像和8月份TM遥感影像,分析水田和其背景地物的光谱特征,在ERDAS软件建立基于多源数据的提取模型,对TM影像中的水田地类进行自动提取。结果表明,该方法的总体提取效果较好,与人机交互解译相比,其精度达到92.7%。误判部分可以通过目视解译加以修正。     

结合实测光谱的ASTER数据岩性识别方法:以西昆仑其木干二长花岗岩提取为例

对西昆仑阿克陶县其木干地区出露的二长花岗岩岩石样品进行了光谱测试,二长花岗岩在2.1~2.5μm之间有一定的吸收特征,具备应用遥感进行岩性识别的波谱条件。利用最小二乘线性回归方法建立了实测光谱与ASTER图像光谱各波段的线性关系,得到了ASTER图像地表反射率。以实测光谱为端元光谱,对二次反演图像采用混合调谐匹配滤波技术(MTMF)提取了二长花岗岩岩体空间范围。经调查验证,提取结果与岩体的实际出露范围较为吻合。该方法具有一定的实用性和有效性,能为西部艰险复杂地区的遥感技术应用提供方法上的参考。     

时间域激电中时间常数与金属因子的提取及应用

文章采用数字滤波正演、最优化反演等数值方法从实测时间域激电衰减曲线中提取时间常数、金属因子,多角度评价激电异常。在加拿大安大略省红湖金矿勘查中,应用该方法圈出4处异常,经过钻孔验证见矿,证实了该方法的有效性。相较于常规时间域激电法,该方法揭示激电异常信息的能力更强。     

柴达木盆地诺木洪贝壳堤水体演变的介形类证据

柴达木盆地贝壳堤保存有大量大小混杂及两壳绞合的双壳类化石,是全球干旱区罕见的地貌景观,为青藏高原东北部中晚更新世的气候与环境演化提供了重要的区域地质记录.该记录在诺木洪西北约20 km出露,将其命名为诺木洪贝壳堤.目前诺木洪贝壳堤的沉积属性存在河湖之争,对该贝壳堤剖面开展系统的介形类分析,建立了8个生物组合带,除1带化...     

基于Res_AttentionUnet的高分辨率遥感影像建筑物提取方法

针对目前基于深度学习与高分辨率遥感影像的建筑物提取研究现状,本文提出了一种综合ResNet中的ResBlock残差模块和Attention注意力机制的改进型Unet网络（Res_AttentionUnet）,并将其应用于高分辨率遥感影像建筑物提取,有效地提高了建筑物的提取精度。具体优化方法为：在传统的Unet语义分割网络卷积层中加入针对初高级特征加强提取的ResBlock残差模块,并在网络阶跃连接部分加入Attention注意力机制模块。其中,ResBlock残差模块使卷积后的特征图获取更多的底层信息,增强卷积结构的鲁棒性,从而防止欠拟合;Attention注意力机制可增强对建筑物区域像素的特征学习,使特征提取更完善,从而提高建筑物提取的准确率。本研究采用武汉大学季顺平团队提供的开放数据集（WHU Building Dataset）作为实验数据,并从中选取3个具有不同建筑物特征和代表性的实验区域,然后分别对不同实验区域进行预处理（包括滑动裁剪和图像增强等）,最后分别使用Unet、ResUnet、AttentionUnet和Res_AttentionUnet 4种不同的网络模型对3个不同实验区进行建筑物提取实验,并对实验结果进行交叉对比分析。实验结果表明,与其他3种网络相比,本文所提出的Res_AttentionUnet在基于高分辨率遥感影像的建筑物提取中具有更高的精度,平均提取精度达到95.81%,相较于原始Unet网络提升17.94%,同时相较于仅加入残差模块的Unet网络（ResUnet）提升2.19%,能够显著地提升高分辨率遥感影像中建筑物提取的效果。     

基于WiFi探针数据的城市出行轨迹提取

为了更便捷地提取城市居民的出行轨迹,从而分析个体的日常空间行为,进而为城市管理的各项措施决策提供数据支撑,本文提出基于WiFi探针数据的城市出行轨迹提取方法,主要解决WiFi探针数据的路网匹配及丢失轨迹重构问题。首先,通过对终端MAC码和时间戳进行多列排序后提取出轨迹记录序列,利用信号强度RSSI值为每条记录提取坐落在路网上的候选点集。其次,设计基于局部评价的算法,对于每一个候选点,利用其前后相邻的几条记录提取的候选点集与其之间的时空关系,先后对其进行时间一致性评价和空间一致性评价,再结合以时间反比动态构建的权函数,得到最终评分;然后将每个候选点集中评分最高的点作为最佳匹配点,至此完成轨迹记录的路网匹配。最后,先采用基于深度优先的路径搜索算法搜索出丢失轨迹上下点之间的所有可行路径,再基于TOPSIS法决策出最优的重构路径。本文以东莞市市中心区域收集的WiFi探针数据为实验数据进行测试,平均每日可提取6万多条轨迹,与其中获取的GPS数据相比较验证了方法的可行性,为城市出行轨迹挖掘提供了新的解决方案。     

融合车载LiDAR点云和全景影像的道路标线自动提取方法

针对传统人工方式、人机交互方式提取公路标线成本高、效率低的问题,本文提出了融合车载LiDAR点云和全景影像数据,使用SCGA-Net网络提取并矢量化道路标线的方法,以解决车载LiDAR点云采集过程中因车辆遮挡、道路修补等造成的数据缺失问题。试验表明,该方法道路标线的提取率和正确率均优于仅使用LiDAR点云提取标线的方法,可有效地提升自动驾驶所依赖的高精地图的生产效率。     

多源卫星遥感数据陆表水体产品生成方法研究EI北大核心CSCD

陆表水体是水资源管理、水生态治理及洪水应急监测不可缺少的基础信息,多源卫星遥感为研制陆表水体产品奠定了坚实的数据基础。论文首先对目前陆表水体制图产品和方法进行总结,构建全球地表水体产品验证样本集,分析评估全球中高分辨率陆表水体产品制图精度,基于Google Earth Engine(GEE)遥感大数据平台开展2000年和2018年中国区域陆表水体频率产品研制,提出了针对多源国产中高分辨率陆表水体智能提取方法,分析了21世纪以来中国区域陆表水体时空变化特征。     

基于对象上下文信息的无人机影像建筑物提取

针对全卷积网络进行遥感影像语义分割时存在的空间信息和上下文信息缺失问题,本文提出一种基于对象上下文信息的无人机遥感影像建筑物提取方法。该方法首先采用高分辨率网络(HRNet)作为主干网络提取空间信息完整的多尺度高分辨率特征;然后依据主干网络提取的特征在真实标签的监督下划分对象区域,并计算每个像素与对象区域之间的关系得到像素与对象区域的上下文信息;最后将主干网络提取的高分辨率特征与对象上下文信息组合实现特征增强,依据增强后的特征实现无人机遥感影像中建筑物的提取。两个数据集的实验结果均表明,本文方法有效提高建筑物提取精度。