地物点测量精度的自评定方法研究

本文以地物特征点之间的几何条件建立条件方程,通过平差计算得到地物点测量的精度,由于不同于传统的地物点高精评定方法(对已测完的地物,再架设仪器测量特征点,用两次结果的差值评定地物点精度),故称为地物点测量精度的自评定法。其特点:一是通过平差计算可得到地物特征点测定中误差、地物面积的中误差和面积相对中误差;二是使基础地理数据有很好的几何上的一致性;三是绘图和精度同步,即当用平差后坐标绘图的同时,便知道其点位精度和面积精度。通过全站仪对直角楼房测量实验证明本文方法是可行的。     

遥感影像地物分类多注意力融和U型网络法

经典的卷积神经网络在对遥感影像进行地物分类的过程中,由于影像中的地物尺寸和光谱特征差异较大、待分类目标背景环境复杂等问题,经典影像分类方法很难得到理想的分类结果。针对这些问题,本文借鉴U型卷积神经网络多层次特征融和的思想,提出了多注意力融和U型网络(MAFU-Net)。该网络利用注意力模块提取和处理不同层次的语义信息,强化不同位置像素和不同特征图之间的相关性,进而提高网络在复杂背景条件下的分类性能。为了验证本文提出的网络在遥感影像地物分类中的效果,分别在ISPRS上的Vaihingen数据集以及北京、河南两地区高分二号数据集上进行了试验,并与目前主流的语义分割网络进行了对比。试验结果表明,相比其他网络,本文提出的MAFU-Net在不同特点的数据集上均可以得到最佳的地物分类结果。同时,该网络结构简单、计算复杂度低、参数量少,具有很强的实用性。另外,本文充分利用特征可视化手段进行MAFU-Net和其他网络的分类性能对比分析,试验结果表明,目前多数深度学习网络模型的深层次原理和作用机制较为复杂,无法准确解释特定网络为何在某种数据集中会失效。这需要研究人员进一步通过更加高级的可视化表达方法和量化准则来对特定深度学习模型及网络性能进行分析评价,进而对更加高级的模型结构进行设计。     

结合Singh四分量分解的高分三号全极化SAR影像分类

不同于一般分类算法基于像素统计的分类,忽略了地物的散射特性,文中提出了一种保持地物散射特性的分类方法。这种方法将Singh提出的Singh四分量分解与基于复Wishart分布的最大似然分类器相结合,对高分三号全极化影像进行分类。利用Singh四分量分解获得表面散射、体散射、二次散射和螺旋体散射,然后将前3种基础散射分别划分为多个聚类,根据复Wishart距离进行类间合并,直到获得指定类别数,输入复Wishart分类器进行迭代分类,最后进行类别合并获得最终分类结果。试验表明本文算法具有较好的分类效果且验证了利用高分三号全极化卫星数据进行影像分类的可行性。     

面向对象结合深度学习方法的矿区地物提取

为了快速准确获取煤炭矿区的地物信息,以达到辅助安排和部署矿区安全生产工作的目的,采用无人机低空遥感拍摄的方式获取了矿区内的高清影像数据,并提出一种基于面向对象和深度学习的矿区无人机影像地物提取方法.首先利用面向对象的分类方法配合人工校正,制作用于深度学习语义分割的标签,再采用FCN-32s,FCN-8s和U-Net 3...     

吉兰泰盐湖典型地物波谱反射率特征及其遥感解译标志

１９９７年８－９月期间,预外调查了吉兰泰盐湖及其外围的２５个典型地物,并对其实地进行了１０个通道的光谱反射率测试。根据吉兰泰盐湖地物地学特征,可将所测得的２筱典型地物分为５类：植被、基岩、水体、化学沉积物和松散沉积物,通过对５类典型地物波谱反射率特征及其影响因素的研究,并依据彩红外航空图象和ＴＭ标准假彩色的成象原理,建立了吉兰泰盐湖遥感解译标志。     

高光谱遥感技术在建 (构) 筑物震害识别中的应用

高光谱遥感作为20世纪空间对地观测技术重大进步的产物,通过其较高的光谱分辨率,为人们提供了丰富的地球表面信息,在各个研究领域得到了快速发展和广泛应用,并取得了卓越的成果。尽管高光谱遥感具有独特的优势,但是针对其在震害评估领域中应用的相关研究较少。本文在总结高光谱遥感的特征、优势及不同领域应用现状的基础上,开展了其在震害评估领域的应用研究。基于ASD地物波谱仪获取的建（构）筑物光谱曲线构建可用于震害分析所需的光谱特征库,对比光谱库中地物曲线之间的差异后,发现高光谱遥感在震害评估领域中的应用是可行的,因不同震害地物之间的光谱特征曲线存在差异,依据这种差异可区分不同的震害信息,从而对震害遥感图像进行精细分类。     

MapGis对线性地物编辑的拓扑处理

本文简明的描述了MapGis对线性地物的拓扑处理使用情况,和一些使用方法的实现,同时介绍MapGis拓扑处理部分功能的应用和技巧。     

基于Transformer的成都市地物分类技术

常用的人工判读方式需要耗费大量的人力资源,成本高且周期长。针对这些问题,基于视觉Transformer的深度学习网络模型对成都市重点区域开展典型地物要素分类,智能提取耕地、林地、道路、大棚、水体等8类地物的分布情况,并通过规则化算法对建筑提取结果进行优化。实验结果表明该方法的分类精度达到84.25%,较U-Net、HRNet、DeeplabV3+分类精度更高,且对成都市约6 400 km²重点区域的分类时间约为2 h,具有较高的精度和效率,能够辅助成都市高效率、大范围、高频次的监测重点区域地物。     

神舟四号飞船微波辐射计定标和检验（Ⅱ）——微波辐射计地物参数反演及其检验

针对神舟四号飞船微波辐射计(RAD)特殊入射角、频率的特点,开发了海面和大气参数的反演算法。然后用这个算法模拟RAD不同通道的亮温。最后用发射后重新定标的亮温结合国外大洋浮标、小岛上的气象探空数据以及其他星载微波辐射计产品,对RAD反演算法进行改进,最后给出海面温度、风速和大气水汽含量的反演的结果,并且对这些结果进行了检验。     

地物波谱数据辅助的SPOT影像模拟真彩色方法研究

提出一种新的高分辨率遥感影像真彩色模拟方法。该方法从遥感成像光谱角度,依据地物波谱特性,采用光谱角匹配模型(SAM),首先计算出地物在绿(G)、红(R)、近红外(NIR)以及短波红外(SWIR)波段的整体和局部波谱向量角;然后根据角度距离构建最小距离隶属函数,查找对应地物波谱库中最为相似的地物波谱;最后对此条地物波谱曲线积分计算出该像素点在蓝波段的反射率。实验表明,该方法模拟出的SPOT真彩色影像在视觉效果和空间信息上优于传统的方法。