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。     

深度学习遥感影像油罐检测算法精度对比分析

油罐目标的检测对于海洋战场环境保障具有重要的意义和作用。选择当前较为经典的几种深度学习目标检测算法,包括FRCNN、RFCN、SSD、YOLOv3、RetinaNet,利用已有的公开数据,对各算法进行油罐检测的精度进行深入对比分析和实验验证。实验结果表明,上述方法中鲁棒性和平均精度最好的是RFCN和RetinaNet;影像中目标的尺寸是影响各算法精度的重要因素。最后对基于深度学习的遥感影像油罐目标检测算法提出了改进的建议。相关研究对于利用深度学习算法完成油罐目标的实际检测应用具有重要的指导意义和参考价值。     

国内首款太赫兹雷达研制成功

2018年12月17日,记者从中国航天科工二院23所获悉,由该所研制的我国第一部太赫兹视频合成孔径雷达进行了飞行试验,成功获取国内首组太赫兹视频合成孔径雷达影像成果。太赫兹雷达成像系统能弥补光学、红外、传统雷达等对慢速动目标探测的不足,提高合成孔径雷达(SAR)图像的可判读性。     

多目标优选水下采油设施下放方法评价指标体系

水下采油设施下放是海上油气工程开发中的重要环节。经过长期发展,人们已研究出多种下放方法,但如何优选恰当的下放方法是尚待解决的问题。考虑海洋环境中可供数据源的复杂性、不确定性与不完整性,多目标、主客观要素并重是优选方法设计的重要准则。针对水下下放方法优选特点,建立对应评价指标体系。考虑评价指标体系多目标优选决策的特点,提出多目标非均一化灰色关联度模型;为更好地体现主客观要素并重并辩证表达决策者的主客观偏好,在非均一化处理中,运用回归原理与靶向偏差评价思想,提出变系数主客观权值修正模型。最后结合具体案例验证模型的可行性与有效性。结果表明,模型能够满足优选对象要求,对类似多目标主客观评价优选模型的建立具有一定借鉴意义。     

基于无人机航迹大视场摄像机标定算法研究

摄像机拍摄或测量大视场下远距离海上目标时,需要标定外部参数,传统标定方法受标定板规格限制,效果有限,针对该问题提出了一种采用无人机航迹作为标定参考线的方法,通过摄像机拍摄不同角度的无人机飞行图像,结合无人机自身位置拟合出的世界坐标系原点,可求得摄像机相对于世界坐标系的平移矩阵,计算空间直线的位置关系得到旋转矩阵,完成标定。研究表明,相对于传统方法,该方法不受标定板规格以及测量场地限制,能够快速稳定标定多台摄像机外部参数,弥补了传统标定方法的不足。     

滨海湿地生态修复若干问题探讨

滨海湿地是地球上生产力最高、生物多样性最丰富的生态系统之一,然而由于强烈的人为活动,滨海湿地遭到严重破坏甚至丧失。滨海湿地退化是世界各国普遍面临的问题,退化滨海湿地生态系统的修复也已成为国际上生态学研究的热点。本文在分析国内外研究进展的基础上,从生态退化诊断、修复目标、修复措施、修复监测、修复成效评估等几个关键问题对滨海湿地生态修复进行了探讨。滨海湿地生态退化诊断主要采用参照系统对比法,即选取退化生态系统干扰前、邻近未受干扰或干扰小、或参考多方面资料而构造的假设生态系统等作为参照进行对比;生态修复最终目标不是简单地恢复生态系统的结构和功能,更重要的是建立一个能自我维持、自我调控或在较少人为辅助下能健康运行的滨海湿地生态系统;生态修复途径包括自然恢复、人工促进生态修复和生态重建,只有在自然恢复不能实现的情况下,才考虑采取人工促进生态修复或生态重建;生态修复监测参数包括结构参数和功能参数,监测覆盖施工前、施工期和施工后全过程;滨海湿地生态修复成效评估需同时考虑生态结构、生态功能及生态服务。目前,我国滨海湿地生态修复尚存在退化机制及恢复机理认识不足;滨海湿地生态修复技术储备不足,关键技术不能满足需求;修复的区域空间尺度较小,系统性和完整性不足,缺乏国家和区域生态修复规划;滨海湿地生态修复后期管理、监测、成效评估不足。为此建议:①注重滨海湿地恢复生态学的基础理论研究;②强调滨海湿地生态修复的系统性、综合性和完整性,推动整体规划、区域统筹、系统修复;③加强典型滨海湿地的生态修复关键技术研发,如红树林生态系统功能恢复和提升技术,海草、盐沼植物等种苗人工繁殖和种植技术,珊瑚有性繁殖技术和珊瑚礁生态系统功能恢复技术等;④注重滨海湿地生态修复的后期管理及公众参与。     

茂县滑坡形变的Sentinel-1数据分析

为了获取2017年6月24日四川省茂县特大滑坡滑前的形变信息并分析其诱发因素,该文利用覆盖滑坡区域滑前40景Sentinel-1数据,采用合成孔径雷达干涉点目标分析(IPTA)技术,解算出该滑坡滑前2014年10月9日至2017年6月19日期间形变的年速率及形变的时间序列,并与降雨数据进行了对比分析。对于滑坡区植被覆盖严重的问题,该文利用永久散射体目标(PSC)对影像配准窗口大小及过采样因子不敏感的特性来识别PS点。分析结果表明,茂县滑坡在滑动前两年多时间内具有明显的形变,最大形变速率达到4(cm·a-1),而且在滑坡发生前半个月内形变有突然增大的现象,推测该滑坡滑前持续的强降雨是导致滑坡失稳的主要诱因。     

一种结合非顶层特征图和自适应阈值的飞机目标检测算法

针对Faster R-CNN模型在遥感影像中对飞机目标进行检测与识别时,易出现漏检、错检等问题,提出了一种在基于小样本飞机遥感影像数据集的改进型Faster R-CNN目标检测方法。首先对特征提取网络进行优化,然后将非顶层特征图融合顶层特征图得到边缘信息更丰富的融合特征图,利用该特征图输入RPN网络,完成目标检测模型的训练;并结合自适应阈值进行检测。以普通客机与战斗机目标为试验对象,开展飞机目标检测与识别对比分析。试验结果表明,所提出的算法在小样本情况下检测效果有明显提升。     

利用孪生多层感知机进行线状要素几何相似性判别

针对传统的几何相似性判别方法依赖于人工特征的定义和选取,且难以确定合适阈值的问题,提出一种基于孪生多层感知机的线状要素几何相似性判别方法。该方法将线状要素的几何数据转换为二值图像,利用孪生网络和多层感知机提取线状要素的低维模糊性特征;并通过距离函数计算特征差异,判别线状要素的几何相似性。实验表明,该方法在线状要素几何相似性判别中具有良好的效果,同时具有快速迁移学习的能力;并随样本库的扩充和神经网络模型的优化还有进一步改进的空间。     

遥感图像目标检测的数据增广研究

针对目标检测的遥感图像样本数据量匮乏问题,使用几何和色彩两种数据变化方法对数据集进行增广,并利用Faster R-CNN目标检测算法分析了数据集增广对遥感图像目标检测的影响。在不同遥感图像数据集上进行实验,结果表明,相比于原始的训练集,增广后的训练集训练出的模型在测试集上的表现更好,目标检测准确度更高,且模型的泛化性得到明显提升。