中国区域DMSP-OLS与NPP-VIIRS夜间灯光影像校正

本文基于对传统不变目标区域校正法的改进,选择4期辐射定标参考影像对DMSP-OLS影像进行了饱和校正与时间序列连续性校正。通过阈值法去除了NPP-VIIRS影像的背景噪声及异常值,利用对数变换压缩了其灯光辐射值的动态范围,使其亮度分布更接近于DMSP-OLS数据。利用BiDoseResp函数模型对NPP-VIIRS影像进行了一致性校正,获得了1992-2019年长时间序列夜间灯光影像。从定性、定量及校正影像与社会经济参量的相关性方面对校正结果进行了精度验证。结果表明,改进后的校正方法改善了DMSP-OLS影像饱和严重的现象,使其获得了长时间序列纵向可比性。BiDoseResp函数模型可以很好地拟合DMSP-OLS和对数变换后的NPP-VIIRS之间的回归。校正后的长时间序列灯光影像数据与社会经济参量高度契合。校正结果对推广长时间序列夜间灯光影像的广泛应用、深化长时间序列科学问题的研究具有重要价值。     

数字孪生铁路多目标粒子群任务调度方法

展示/分析/探索多层次任务及存储/计算/网络资源高效调度是数字孪生铁路的关键技术,随着存储、计算和网络等分布式异构资源不断接入,数字孪生铁路多层次任务并发场景异构资源分配倾斜、任务优先级不匹配、时延高等问题突显。现有调度方法大多针对单一层次任务资源进行设计,无法直接适用多层次任务调度场景,难以保障多层次任务调度的最大完工时间和资源负载均衡全局最优。针对上述问题,本文设计了适用于数字孪生铁路特点的多层次任务调度模型,提出了多目标粒子群任务调度算法,基于云仿真平台CloudSim对该方法进行对比测试,基于DTScope引擎设计实现数字孪生铁路“安全—质量—进度”智能施工管理案例原型。结果表明,本文方法适用于数字孪生铁路多层次任务并发调度场景,与现有方法相比明显提高了多层次任务完成时间效率和任务调度均衡性,可有效支撑数字孪生铁路展示—分析—探索多样化应用。     

基于层次规则的OSM建筑物面目标冗余清理

开放街道地图(Open Street Map,OSM)数据由大众自发标报,因而存在大量虚假、低质量、冗余数据,其冗余数据清理研究成果乏善可陈.为此,针对OSM建筑物面目标冗余问题,构建了一套基于层次规则的OSM建筑物面目标冗余数据清理模型.首先,从OSM数据中识别冗余建筑物面目标,然后,按照拓扑关系类型将冗余建筑物面目...     

基于DBN的车载激光点云路侧多目标提取

提出一种基于深度信念网络（DBN）的车载激光点云路侧多目标提取方法。首先通过预处理对原始数据进行分段,并将地面和建筑物点云与路侧目标进行分离;然后利用连通分支聚类分析算法进行路侧点云聚类,并采用基于体素的归一化分割方法分割重叠点云,从而生成独立目标点云;在此基础上,生成基于多方向目标对象的二值图像并展开成二值向量作为独立目标点云的描述特征;最后构建并训练DBN,利用训练好的DBN提取行道树、车辆及杆状目标等3类路侧目标。试验采用两份不同城市道路场景的点云数据,行道树、车辆及杆状目标提取结果的准确率分别达97.31%、97.79%、92.78%,召回率分别达98.30%、98.75%和96.77%,精度分别达95.70%、93.81%和90.00%,F1值分别达97.80%、96.81%和94.73%。试验结果验证了本文的有效性。     

基于错误式学习的低空影像人行横道多角度自动识别

提出了一种基于特征的错误式学习分类器半自动迭代训练方法,该分类器能够自动识别多角度低空影像上的人行横道线,在人行横道线管控与数据库建立、道路网提取上有较好的应用。介绍了基于错误式学习的分类器训练思路与方法,并提出了将同一地区不同角度低空影像的识别结果进行合并,从而尽可能全面的检测出被城区高楼以及车辆遮挡的人行横道线的思路。通过对比实验该方法的鲁棒性,并在其基础上随机选取多组数据进行系列实验,证实了基于错误式学习的分类器比传统方式训练的分类器有更好的综合性能,能够在不降低识别耗时的前提下产生高准确率、低漏检率和低误识别率的识别结果。     

基于多目标约束的旅游路线优化设计方法研究

针对传统旅游路线推荐目标单一化的问题,本文研究了多目标约束下的旅游路线推荐方法,重点介绍贪心算法,然后建立旅游路线的系统模型,以网上挖掘到的桂林市景点数据为例,之后使用相关软件进行编程,最后得到旅游路线的推荐结果.     

空间加权的孤立森林高光谱影像异常目标检测

针对孤立森林算法在高光谱影像异常目标检测中易产生大量虚警的问题,该文将异常目标在空间分布的稀缺性与 目标光谱的差异性两个先验结合,提出了一种空间加权的孤立森林异常目标检测方法.首先利用孤立森林算法计算目标的光谱异常度,得到初步的检测结果;然后分析初步结果中目标区域的连通面积,以连通域面积为变量,基于高斯核计算目标的空间稀缺性,得到目标的空间权重属性;最后将表达空间稀缺性的属性与光谱异常度加权相乘,实现了对异常目标的准确检测.在五组高光谱数据集上的实验结果表明,该方法具有较好的检测性能.     

利用Faster R-CNN进行立交桥自动识别与定位

立交桥结构的自动识别对道路网多尺度建模、空间分析和车辆导航具有重要意义.传统基于矢量数据的立交桥识别方法过分依赖人工设计的特征,对复杂场景的适应性较差.本文提出了一种基于目标检测Faster R-CNN神经网络模型的立交桥识别方法,该方法利用卷积神经网络学习立交桥样本的深层次结构特征,进而实现立交桥的自动识别与准确定位...     

高光谱目标探测的进展与前沿问题

针对高光谱目标探测问题的主要挑战,将高光谱目标探测的进展与前沿问题分为两个方面进行综述。基于信号检测理论的方法如结构化背景的约束能量最小化方法、非结构化背景的自适应一致性余弦评估器等,是高光谱目标的探测经典算法;随着统计模式识别与机器学习领域中新技术的出现,一些数据驱动的目标探测方法逐渐成为了高光谱目标探测的前沿问题,如核方法、稀疏表达方法等。概述了两类方法的特点,比较了各自的优势和不足,并展望了高光谱目标探测未来的发展趋势。