线阵CCD卫星影像DSM自动生成技术

线阵CCD传感器成为了对地观测最有效的方式之一,本文研究了线阵CCD影像构成的立体像对密集匹配自动生成DSM的方法与关键技术,提出了基于核线影像的金字塔逐层匹配方法及基于相关系数的动态窗口变换的双向匹配方法来实现格网点的匹配。通过资源三号卫星影像等数据试验验证了上述理论与方法的适用性和正确性。     

基于GDAL的遥感影像快速浏览平台的构建

针对目前遥感影像数据量急剧增加导致其读取和浏览效率低下的问题,本文构建了一个基于GDAL的遥感影像快速读取平台。本文首先分析现有的影像快速读取方法,然后利用GDAL库建立影像金字塔实现影像的快速读取,利用影像分块读取技术实现影像的快速浏览,并加入了影像缩放、直方图均衡化、距离量测和图像选点等基本功能。多组影像测试证明,本平台可以快速读取、浏览大数据量影像。     

海量栅格地理数据的组织与调度

针对目前海量栅格地理数据量大、结构复杂且难于管理与维护的现状,通过分析传统金字塔模型中瓦片的划分及编码方式,提出多金字塔混合组织模型,即在一个主体金字塔中,可任意包含多个子金字塔,各子金字塔模型相互独立且可部署在不同主机,从而便于数据独立制作与管理。分析子金字塔的标识及其瓦片编码,在数据组织的基础上,讨论栅格数据在显示过程中位于不同数据组织模型及不同操作下的具体调度方式。     

改进SegNet与迁移学习的遥感建筑物分割方法

针对传统SegNet应用于遥感影像建筑物分割出现分割不连续的问题,该文提出了一种改进的SegNet模型,并引入迁移学习方法,以提高遥感影像建筑物分割精度。以SegNet为基础,加入能够提取多尺度特征的改进空洞空间卷积池化金字塔模块,并引入跳层连接使分割结果更为精细。选取了FCN、SegNet、载入ImageNet预训练权重参数的SegNet作为对比算法,对遥感建筑物分割数据集Inria Aerial Image Labeling Dataset进行训练和测试。实验结果表明,在有限的迭代次数及实验区域内,该文算法拥有更好的分割效果和更强的泛化能力。     

Dense RFB和LSTM遥感图像舰船目标检测

针对当前遥感图像舰船目标检测精度不佳问题,本文构建舰船目标数据集STAR,提出基于Dense RFB和LSTM多尺度舰船目标检测算法。该算法首先在SSD网络基础上设计了浅层特征增强模块,基于人眼视点图采用Dense RFB特征复用和膨胀卷积增大感受野的尺度和种类,增强浅层网络对细节特征的提取能力;其次设计了深层多尺度特征金字塔融合模块,采用FPN和LSTM思想,基于反卷积和残差网络对深层不同尺度特征进行融合,增强网络结构非线性和特征层的表征能力;最后加入聚焦分类损失函数进行联合训练,有效避免了正负样本失衡问题。在遥感图像舰船数据集上实验,本文所提舰船目标检测算法精度均值达到81.98%,检测速度达到29.6帧/s。此外,遥感图像中成像模糊、被遮挡、部分被裁剪等舰船目标的检测效果也优于原有经典算法,实验结果表明该算法对遥感图像舰船目标检测的泛化能力较强,有效地提高了遥感图像舰船目标检测的精度。     

基于GDAL和NetCDF的影像金字塔构建方法

介绍了GDAL和NetCDF在图像数据处理和栅格数据调度上的帮助和优势,提出了一种新的影像金字塔模型构建方法,从底层开发的关键技术上做了改进优化,提高了影像重采样方法的运行效率,在此研究领域上提供了一定的理论和实践基础。     

“来无影去无踪”的玛雅文明

这里树木高大密集,平均30多米高,有的甚至80多米。视野里到处是勾连的藤蔓,树丛间更有众多不知名的植物堆叠在一起,让人无处落脚。虽然茂密的树叶遮蔽了灼人的阳光,但并不阴凉,反而像一个密不透风的蒸笼,闷热,潮湿,不一会就让人浑身黏腻。这还不算,当你披荆斩棘地往前行走的时候,说不定会踩到巨蟒、毒蛇,或者一不小心碰到有毒植物。     

玛雅人消失的八种猜测

玛雅,一个曾经活跃在墨西哥南部和中美洲热带雨林中的古老民族。1200多年前,在中美洲现今危地马拉地区,出现过一个辉煌的古代文明——玛雅。公元七八世纪时的玛雅社会已具有高度发展的、完善的阶级制度,形成了金字塔式的社会阶层组织。玛雅,像神一样美丽的名字,我们用探望星空的目光与它接触,我们喜欢它被层层迷雾包裹的样子。它站在那里,关乎人类、历史和智慧,它欲言又止,     

阳光下的绿色畅想

美国首都国会山与林肯纪念堂的国家大草坪一角,近日来“变身”为一座绿色村庄,20座房屋造型各异：翻转的金字塔、生锈的粮仓、几何图型的组合……座座都充满了奇思妙想。更神奇的是,这些房屋所需的一切能源供应全部来自太阳能。“太阳村”的房屋由来自北美和欧洲的20所大学的学生修建。     

HIS域中基于金字塔变换的影像缩放算法及实现

将图像由RGB域变换到HIS域,在该领域中利用线性金字塔影像的分析算子和综合算子对图像进行重采样,形成了由粗到精的多分辨率表示的影像金字塔。若原图像处在金字塔的第J层,J增加的方向为图像缩小的方向,J减小的方向为图像放大的方向。在金字塔变换中利用线性变换算法,加快了运算速度;HIS领域内重采样又有利于保持图像的纹理特征和高频信息,能有效的克服图像模糊的现象。试验表明,该算法在运算时间和影像质量上均取得了很好的效果。