面向高分遥感影像道路提取的轻量级双注意力和特征补偿残差网络模型

针对高分辨率遥感影像背景复杂,道路提取容易受阴影、建筑物和铁路等背景信息干扰的问题,提出一种带有轻量级双注意力和特征补偿机制的DAFCResUnet模型。该模型在ResUnet的基础上,通过增加轻量级的双注意力和特征补偿模块实现模型在性能和时空复杂度上的平衡。其中,双注意力模块可以增强模型的特征提取能力,特征补偿模块可以融合网络中来自深浅层的道路特征。在DeepGlobe和GF-2道路数据集上的实验结果表明,DAFCResUnet模型的IoU和F1-score可以达到0.6713、0.8033和0.7402、0.8507,模型的整体精度优于U-Net、ResUnet和VNet模型。与U-Net和ResUnet模型相比,DAFCResUnet模型仅增加了少量的计算量和参数量,但IoU和F1-score均有较大幅度的提高;与VNet模型相比,DAFCResUnet模型在计算量和参数量远低于VNet的情况下取得了更高的精度,模型在精度和时空复杂度两方面均有优势。相比其他对比模型,DAFCResUnet模型具有更强的特征提取和抗干扰能力,能更好解决道路上的干扰物、与道路特征相似地物、树荫或阴影...     

基于XML影像数据搜索算法的研究

从海量影像数据中查找所需数据是正射影像制作中的一个重要步骤,本文利用天绘影像提供的XML文件自动提取坐标信息,根据图号自动计算图幅角点坐标,研究了自动识别点和面位置关系的算法,实现了根据图号自动搜索天绘影像数据,根据天绘影像数据自动搜索参考影像数据的功能.     

深度学习技术应用于自动识别崩塌滑坡体初探

初步总结了基于无人机航拍影像使用深度学习技术对崩塌滑坡体进行自动识别的方法、效果以及存在问题,对深度学习技术基于无人机航拍影像自动识别崩塌滑坡体的可行性进行了研究,采用多尺度移动窗方法整合影像分类器以实现目标对象的自动识别。希望本文研究总结的深度学习技术应用于地质灾害隐患影像处理领域的可行性和困难能够供同业人员借鉴。     

航空数字正射影像图制作方法研究

测绘地理信息产业作为当今新兴高新技术产业在国家经济和国防建设中起着重要的作用,长期以来,数字正射影像图均为基础地理信息重要的成果数据之一。随着航空影像获取方式多样化发展,其制作方法也随计算机科学的不断更迭而日新月异。本文依据航空数字正射影像图制作的自动化程度,将当前制作方法总结为全人工、全自动和半自动三种主要方法,分析它们的优缺点,探索资料质量和地物特征两类因素对方法选择的影响程度,为生产技术人员理清作业思路、提高生产效率提供参考依据。     

基于多视角影像的古建筑三维建模

针对古建筑保护与修缮对三维建模的高精度、高还原等要求,采用五镜头多旋翼无人机与小型无人机分别采集古建筑的倾斜摄影影像与多视角加密影像,通过对两者的空三成果进行区块合并,得到较为精细的实景三维模型。通过与单独采用倾斜摄影测量建模方式作对比,该方法得到的模型精度高、还原效果好、细节信息真实可见。经过内业分析,得出古建筑的残损病害情况,依此制定详细的保护与修缮方案,从而减轻外业勘探人员的工作量,同时也为古建筑的数字化保存提供了一种方法,为公众提供全方位、近距离的模型细节展示。     

高分辨率遥感影像在岩墙地质体信息提取中的应用

高分辨率遥感影像可明显表现地物的几何结构和纹理特征,从而使得在较小空间尺度上观察地物细节变化、进行大比例尺遥感制图成为可能。利用高分辨率QuickBird遥感影像,对新疆巴楚县麻扎尔塔格山地区的岩墙进行计算机辅助地质解译,共获得1227条岩墙。结合GIS空间分析方法获得了解译岩墙长度、走向分布等特征。结果表明:该地区76%的解译岩墙走向为NNW(135°~180°);QuickBird能够满足1∶2.5万地质调查的要求;通过地质分析综合解译结果获得了麻扎尔塔格岩体内部存在发育岩墙、岩墙形成应晚于内部的正长岩体的新认识。探讨并验证了高分辨率遥感影像在中小规模地质体解译中的可行性和有效性。     

海量影像数据管理与服务系统建设研究

针对传统海量遥感影像数据管理和共享面临的问题,以镶嵌数据集的影像管理模式为基础,提出了一套海量遥感影像管理平台建设方案,设计了多源海量遥感影像存储、管理、查询以及利用服务,实现了多源海量遥感影像管理与分发。     

基于道路绿地特征的遥感影像道路信息提取方法研究

针对高空间分辨率卫星遥感图像上道路绿地的特点,提出一种基于道路绿地形状和空间分布特征识别道路边线和中心线的方法。在基于NDVI提取绿地信息的基础上,根据道路绿地的形状特征(细长),采用面积、主轴方向、紧致度、矩形度和长宽比等形状指数,区分道路绿地与其他绿地;根据道路绿地之间以及道路绿地和道路之间的空间关系特征,同时通过生成已知道路绿地区域的缓冲区,分隔那些与非道路绿地连成一片的道路绿地;最后,根据道路绿地的方向和距离特征提取出道路边线和中心线。     

基于多尺度分割和径向基神经网络的极化SAR影像分类

针对目前常用的基于像素的深度神经网络极化SAR分类方法产生的椒盐现象,文中提出了一种联合自适应阈值多尺度分割方法和径向基神经网络的极化SAR地物分类方法。实验证明,该方法能够有效地保留SAR图像的结构特征并有效消除分类过程中产生的椒盐现象和破碎斑块,具有较高的分类精度。