基于改进DeepLabV3+算法的遥感影像建筑物变化检测

变化检测是遥感测绘领域的重要任务,作为执法依据,在耕地非农化等场景监测中发挥重大作用。近年来,使用人工智能相关技术进行变化检测,常见的技术方案为叠加两期影像,再使用语义分割算法求解变化区域。本文使用变化检测数据集LEVIR-CD作为试验数据,在DeepLabV3+算法基础上,针对变化检测场景特点,对模型结构进行改进。以DeepLabV3+的孪生网络为主干,使用多层级特征交互操作,充分融合图像特征。结果表明,改进的网络结构更加适合变化检测任务场景。     

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。     

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。     

基于航摄影像的滇池捞鱼河湿地植物类型提取

为了获取滇池湿地的植物类型分布信息,以捞鱼河湿地为示范区,采用分辨率为0.15 m的航摄影像为影像数据源,利用人机交互和面向对象相结合的影像解译方法,实现捞鱼河湿地植物类型分布信息的提取.在植物类型边界提取过程中,发现过高的影像分辨率(≤0.3m)不利于成片具有空间异质性植物类型边界的正常提取,容易出现同一类型过度分割情况.通过邻域降分辨率重采样技术,将影像分辨率降至0.6m时,能有效解决过度分割问题.当分辨率降至更低时,虽然能解决过度分割问题,但会导致地物边界出现不同程度的锯齿而与地物边界不符的后果.研究所应用的基于Feature Extaction模块的植物类型边界提取方法,能有效减少人机交互方法中人工勾绘边界的工作量,在保证分类精度的同时减少人力投入,对航摄影像在大范围湿地植物类型的提取中具有重要借鉴意义.     

一个两时间层分裂显格式海洋环流模式(MASNUM)及其检验

A two-time-level, three-dimensional numerical ocean circulation model（named MASNUM） was established with a two-level, single-step Eulerian forward-backward time-differencing scheme. A mathematical model of large-scale oceanic motions was based on the terrain-following coordinated, Boussinesq, Reynolds-averaged primitive equations of ocean dynamics. A simple but very practical Eulerian forward-backward method was adopted to replace the most preferred leapfrog scheme as the time-differencing method for both barotropic and baroclinic modes. The forward-backward method is of second-order of accuracy, computationally efficient by requiring only one function evaluation per time step, and free of the computational mode inherent in the three-level schemes. This method is superior to the leapfrog scheme in that the maximum time step of stability is twice as large as that of the leapfrog scheme in staggered meshes thus the computational efficiency could be doubled. A spatial smoothing method was introduced to control the nonlinear instability in the numerical integration. An ideal numerical experiment simulating the propagation of the equatorial Rossby soliton was performed to test the amplitude and phase error of this new model. The performance of this circulation model was further verified with a regional（northwest Pacific） and a quasi-global（global ocean simulation with the Arctic Ocean excluded） simulation experiments. These two numerical experiments show fairly good agreement with the observations. The maximum time step of stability in these two experiments were also investigated and compared between this model and that model which adopts the leapfrog scheme.     

基于语义推理的城区机载LiDAR分割点云分类

目前,机载LiDAR系统获取的点云数据具有多回波的特性,回波特性可以揭示地物的类型信息。本文在排除粗差、首次回波和中间次回波后,对单次回波和尾次回波形成的点云子集进行基于3DHough变换分割和滤波处理以区分地面点和非地面点(包括墙面点),然后合并首次回波、中间次回波和非地面点再次进行点云分割,利用分割面片的尺寸大小、单次回波激光脚点比例、首次回波和中间次回波激光脚点比例等三个指标区分建筑物激光脚点和植被激光脚点。实验证明,上述方法可以很好地将点云数据分类为墙面点、地面点、建筑物点和植被点。     

结合异质性及分水岭变换的遥感影像分割方法

面向对象的遥感信息提取,首要任务是对遥感影像进行分割,分割的目的在于把原始图像分割成一些在空间上相邻、光谱相似的同质区域。传统的分水岭变换对噪声敏感,易产生过分割现象,不能直接适用于遥感影像的信息提取。本文利用非线性同组滤波方法(PGF)消除原始影像噪声,根据高分辨率遥感影像地物的异质性特征,对分水岭初始分割结果进行异质性准则合并。实验结果表明,该方法对高分辨率遥感影像的分割效果良好,能够适用于面向对象的信息提取。     

中国雨季的一种客观定量划分

从客观分析角度出发,利用有序样本最优分割法对中国610个台站的气候平均（1961—2010年）候降水序列进行有序分割,给出中国不同区域的雨季定量划分。根据中国13个区域候降水量的气候平均值分布特征,并基于有序样本最优分割法的划分结果需同时满足分割段内波动小、段间差异大的要求,确定了各区域的合理分割数,通过制定3种雨季划分方案,对中国区域雨季进行了细致的定量划分。第1种方案将全年降水划分为雨季和旱季,结果表明,雨、旱两季差异明显的地区出现在华南西部沿海和新疆邻近区域;第2种方案将全年降水划分为雨季相对干期、雨季相对湿期和旱季3个降水阶段,这种特征出现的区域为华南大部分地区、江南地区、长江中下游地区、西南地区东部和南部,以及西北地区中东部;第3种方案将全年降水划分为春雨季、主雨季、秋雨季和旱季,出现这种特征的区域为长三角及淮河流域、黄淮和华北地区、东北地区、西北地区中部、内蒙古地区西部、青藏高原中东部及其以东地区。与已有的中国不同区域降水特征研究结果的比较表明,有序样本最优分割法不仅对中国雨季的划分客观有效,且其划分结果合理并具有明确的气象意义。     

结合地形因子与分层策略的喀斯特地区无人机影像分类

西南喀斯特山区地形起伏较大,地物分布较为破碎,致使传统的光谱特征一次分类方法的精度较低。本文基于高分辨率无人机正射影像和地形指标,充分利用无人机遥感影像空间特征、光谱特征、纹理特征及地形特征,采取面向对象CART决策树算法与分层策略提取了研究区土地覆盖类型。研究表明,结合空间地形因子和分层策略的方法减少了破碎区地物间的相干扰,故具有较高的分类精度,总体分类精度达91.2%,Kappa系数为0.87,较传统一次分类精度提高了9.8%,Kappa系数提高了0.13。该方法对西南喀斯特地区土地覆盖解译精度较好,可为土地利用监测提供参考。     

改进的HRNet应用于路面裂缝分割与检测

针对利用传统卷积神经网络进行路面裂缝分割时存在准确率低、信息丢失及边缘模糊的问题,本文提出了基于改进HRNet模型的路面裂缝分割算法。模型在原始HRNet的基础上进行改进,主干网络部分采用DUC模块代替双线性插值上采样;下采样改为passthrough layer代替原始卷积;在模型解码部分,进行逐级上采样的同时引入SE-Block,对不同特征层的融合重新标定权重。通过与原始HRNet及传统卷积神经网络U-Net对比可知,本文算法在公共数据与自制数据集上的分割精度表现优秀,F1分值分别达到了91.31%和78.69%,可以很好地满足实际工程的需求。