几何特征与神经网络联合优化的室内三维点云语义分割方法

室内三维点云数据精准语义分割是实现深层次室内空间应用的基础。针对现有三维点云数据语义分割方法存在目标不完整和不一致的问题,本文提出了一种几何特征与深度神经网络联合优化的室内三维点云语义分割方法。该方法首先利用深度学习实现室内结构信息语义标签的初步提取,然后利用几何与颜色特征的点云分割方法对原始数据进行精确分割,最后利用概率模型将深度学习语义分割结果与几何分割结果进行交叉融合,实现语义分割结果的联合优化。基于开放数据集对本文提出的分割方法进行了精度和有效性验证,分别采用室内场景简单到复杂的三组室内点云数据进行了测试,试验结果表明,本文提出的方法能够有效提升室内三维点云语义分割精度。     

融合Deep-ResUnet和PS-InSAR的城市道路网形变灾害监测方法——以合肥市为例

针对城市道路网变形监测存在的高分辨率影像获取难、道路人工提取效率低、传统变形监测工作量大等难题,本文提出了一种基于融合Deep-ResUnet和PS-InSAR的城市道路网形变监测方法。主要思路为：首先对目标区的哨兵-1A(Sentinel-1A)影像数据进行伪彩色变换建立道路数据集;然后训练深度残差网络(Deep-ResUnet)模型并对道路网栅格进行提取;最后利用永久散射体干涉测量(PS-InSAR)技术获取PS点形变信息与道路网栅格融合。研究结果表明,Sentinel-1A影像经过伪彩色处理后,能提高城市道路网提取的完整性,交并比提高6%～9%,道路提取精度平均提高10%左右,得到的城市道路网形变信息专题图能为城市道路变形监测和健康状况评估提供科学依据。     

基于多级网格模型的LiDAR数据河流边缘提取算法

分析了内陆河流域点云数据的特性,提出了一种基于多级网格模型的河流边缘提取算法。首先将目标区域按网格窗口大小进行逐级分层,并建立层级继承关系;然后计算网格的平均高程、平均反射强度、点云密度等参数,利用8邻域判决算法、面积阈值算法和河流连通性原则确定水体网格;最后对河流边缘网格的水体点数据进行提取,确定河流边缘。实验数据表明,该方法能够准确对河流进行提取。     

全局局部细节感知条件随机场的高分辨率遥感影像建筑物提取

条件随机场模型由于其较强的上下文信息建模能力,被广泛应用于建筑物提取任务中。然而,面对高分辨率遥感影像丰富的地物信息,基于条件随机场的提取方法存在建筑物边界模糊的问题。本文提出了一种全局局部细节感知条件随机场框架,该框架提出全局局部一体化D-LinkNet,在有效利用多尺度建筑物信息的同时保留局部结构信息,解决了传统条件随机场一元势能丢失边界信息的问题。同时,该框架融合分割先验以缓解建筑物类内光谱差异较大的影响,利用更大尺度的上下文信息来精确提取建筑物,并引入局部类别标记代价从而保持细节信息以获取清晰的建筑物边界。实验结果表明,该框架在WHU卫星和航空数据集上的精度评价指标均优于其他对比方法,其IoU分别达89.82%和91.72%,对于复杂场景下的建筑物信息能够获得较好的提取效果。     

遥感影像分析在新增建设用地督察中的应用

以卫星影像大数据和时空数据挖掘技术为基础,采用深度学习框架支撑,构建了面向新增建设用地遥感监测应用需求的深度学习训练平台,可智能发现自然资源督察线索,全面提高自然资源督察问题的发现能力.该技术可广泛服务于大范围、高频次的督察工作,为督察工作提供更及时客观全面的信息基础和保障.     

面向地理国情监测的多源地理信息整合简

以地理国情监测为背景,充分利用各时期已有的测绘成果,结合万州区城镇化进程监测,通过确定其监测内容与指标,提出了一种基于FME、RS 技术进行多源地理信息数据整合提取的技术方案.该方案可快速、无损地处理海量的地理国情数据,为典型地理国情监测提供了多源地理国情信息整合方面的技术支持.     

LiDAR DEM在平原区河网自动提取中的应用研究

利用数字高程模型(DEM)提取数字河网是水文模拟的关键和基础。本文分别利用传统方法与LiDAR生成的DEM数据源,针对地势起伏较小的江南平原区进行河网提取的对比研究。研究结果表明,未经任何处理的LiDAR DEM提取的河网与真实河网的匹配度达到67.34%,较传统DEM提取的河网与真实河网的匹配度有明显提高,提取结果与真实河网基本吻合。这种快速有效自动提取河网的方法,可以为后续分布式水文模型的构建提供重要参考。     

基于脊线检测的高分辨率图像道路中线提取算法

为从高分辨率图像中提取道路中心线,本文提出了一种有效的基于脊线检测的提取算法。该算法首先对原始图像进行脊线检测得到道路中心线,再利用canny算子检测道路边缘,最后与脊线检测结果算术相与得到最终结果。实验表明该算法检测结果与实际道路中心线吻合度高,简单易行,且鲁棒性好。     

基于高分辨率遥感影像的道路网络提取算法研究

作为遥感信息分析领域的重要工作之一,高分辨率遥感影像道路提取对于地理信息建库、城市建设规划、城市地形分析与三维表达等方面具有重要的研究意义。本文提出了多种改进算法组成的遥感影像道路网络提取方法,首先使用超像素分割(Simple Linear Iterative Clustering, SLIC)算法对高分辨率遥感影像进行分割处理并使用改进K-means算法对分割后影像进行分类;其次根据绿色植被指数(Green Vegetation Index, CVI)值滤除非人工区域并使用OTSU算法分割提取得到初始道路网络;最后对提取道路网络进行优化处理得到精细化道路网络。使用广州市某地高分辨遥感影像对本文提取算法进行验证,结果表明,本文算法能够有效地提取道路信息,提高道路网络提取精度。     

联合地物轮廓线的三维重建算法研究

针对现有三维重建研究中对线特征利用不充分,重建精度低的问题,提出了一种联合地物轮廓线的三维重建算法。利用BDCN模型和相应预处理算法,提取出二维影像上的边缘轮廓线;基于对极几何原理的核线引导和三角测量原理,建立线段的初始匹配假设;通过相似性计算和图聚类算法重建出三维轮廓线模型结果;将结果应用于三维网格模型的优化。使用Building-Imagery-P36和DTU MVS数据集对本文算法进行验证,结果表明：本文方法提取出的轮廓线段精简而完整。相比经典的Line3D++算法,MAE和标准差值平均降低了0.321、0.699,重建时间平均降低了58%,精度和效率都有明显提升。附加三维轮廓线约束后,生成的网格模型视觉效果更佳,细节信息更为丰富。