多尺度特征增强的遥感图像舰船目标检测

针对背景复杂的遥感图像中,舰船方向任意、密集排列造成的漏检问题,基于旋转区域检测网络,提出多尺度特征增强的遥感图像舰船目标检测算法。在特征提取阶段,利用密集连接感受野模块改进特征金字塔网络,选用不同空洞率的卷积获取多尺度感受野特征,增强高层语义信息的表达;为了抑制噪声并突出目标特征,在特征提取后设计基于注意力机制的特征融合结构,根据各层在空间上的权重值融合所有层,得到兼顾语义信息和位置信息的特征层,再对该层特征进行注意力增强,将增强后的特征融入原金字塔特征层;在分类和回归损失基础上,增加注意力损失,优化注意力网络,给予目标位置更多关注。在DOTA遥感数据集上的实验结果表明,该算法平均检测精度可以达到71.61%,优于最新的遥感图像舰船目标检测算法,有效地解决了目标漏检问题。     

遥感影像船舶检测的特征金字塔网络建模方法

船舶作为海上运输载体,其准确检测在海洋环境保护、海上渔业生产管理、海上交通与应急处置及国防安全应用中都具有重要意义和价值。目前基于目标检测网络的遥感船舶检测方法因末层特征分辨率不足和卷积固定的几何结构,导致网络难以适应小尺度且具有随机朝向、形态多变特征的船舶目标,进而限制船舶检测精度。针对该问题,本文提出一种用于遥感影像船舶检测的特征金字塔网络建模方法。首先引入形变卷积/RoI池化模块,以适应朝向和形态多变的船舶目标;其次借鉴在小目标检测中性能出色的特征金字塔网络的建模思想,采用对称式网络和多尺度特征融合的方式进一步融合高级语义和低级空间信息,提升小尺度目标特征分辨率。在40 000幅、船舶目标67 280余个的遥感影像数据集上的试验结果表明,本文方法能够有效集成形变卷积/RoI池化和多尺度特征融合方法,相较传统CNN船舶检测方法取得明显提升,在准确率、召回率及F_1指标上分别达到85.8%、97.9%和91.5%。     

基于多尺度形变特征卷积网络的高分辨率遥感影像目标检测

传统的基于滑窗搜索和人工设计特征相结合的目标检测方法难以适用于海量高分辨率遥感图像的目标检测任务。本文提出了一种基于多尺度形变特征卷积网络的目标检测方法,利用可形变卷积网络对具有尺度和方向变化的遥感图像目标进行特征提取,然后对多层残差模块提取出的形变特征进行区域预测和鉴别。具体模型包括两个子网络：①目标区域预测子网络用于从多层深度特征图提取目标候选区域;②目标区域鉴别子网络用于对目标候选区域进行分类和位置回归。本文在光学卫星图像10类目标数据集上对比了多种基于深度学习的目标检测算法,并将训练好的模型用于谷歌地球影像飞机坟场数据集和高分2号、吉林1号数据集的评估,试验结果表明本文方法能够快速准确地对多类目标进行检测,具有较好的稳健性和迁移性。     

深度残差网络的多光谱遥感图像显著目标检测

本文侧重于介绍智能化摄影测量深度学习的深度残差方法。显著目标检测致力于自动检测和定位图像中人最感兴趣的目标区域。多波段遥感图像因其更加丰富的光谱信息和揭示观测目标物理属性的能力在目标检测中获得重要应用。传统的显著目标检测方法通过手工设计特征,计算图像各像素或者超像素与邻域像素或者超像素之间的对比度检测显著目标。随着深度学习的巨大发展,特别是全卷积神经网络的引入,基于深度卷积网络的显著目标检测算法取得重要进步。然而,由于数据获取和标记的困难,多波段遥感图像显著目标检测的研究依然主要采用手工设计特征。本文研究基于深度卷积神经网络的多波段遥感图像显著目标检测算法,提出一种基于深度残差网络的自上而下的多光波段遥感图像显著目标检测网络,该网络可以有效挖掘深度残差网络不同层次上的显著性特征,以端对端方式实现显著目标检测。为了应对多波段遥感图像数据量有限、无法训练深度残差网络的问题,本文提出通过浅层神经网络从RGB图像直接生成多波段遥感图像,实现光谱方向的超分辨率。在现有多波段遥感图像和可见光图像显著目标检测数据集上的试验结果超过当前最好方法10%以上,验证了本文方法的有效性。     

生成式知识迁移的SAR舰船检测

为解决基于深度卷积神经网络进行SAR舰船检测网络训练过程中数据获取、数据标注等问题,本文提出一种生成式知识迁移的SAR舰船检测框架,该框架由生成式知识迁移网络和舰船检测网络两部分组成。通过知识迁移网络生成与有标注的光学遥感图像空间分布一致且包含SAR图像特征的带标注模拟图像;使用所生成的带标注模拟图像,进一步优化舰船检测网络,以提高基于深度卷积神经网络的舰船检测的泛化性能。SARShip-Detection-Datasets (SSDD)和AIR-SARShip-1.0两个公开数据集上的实验结果表明,该框架有效提高了在仅包含少量标注SAR图像样本情况下的舰船目标检测效果,可显著降低舰船在复杂背景图像中漏检和误检的概率。     

面向精细化多尺度特征的遥感图像目标检测EI北大核心CSCD

遥感图像目标检测是对目标视觉特征的描述与图像先验知识的表达,解译得到的信息无论在军事领域还是在民用领域都有着广泛的应用。针对复杂场景下遥感图像目标特征提取能力不足,目标尺度差异较大、方向任意且紧密排列,传统目标检测所使用的水平框难以准确定向等问题,提出了一种精细化多尺度特征的遥感图像定向目标检测算法。首先,设计了一种基于空洞卷积的上下文注意力网络,能够利用不同空洞率的卷积核捕获局部和全局语义信息,并利用注意力机制将语义信息整合到原始特征上,提升目标特征提取能力;其次,提出了一个精细化的特征金字塔网络,通过像素混洗的方式减少特征金字塔中的通道信息损失,强化网络对差异性大的多尺度目标特征信息的理解能力;最后,研究利用滑动顶点的方式回归定向的矩形框,更好地表示遥感图像内有向目标的位置。本文以Fast R-CNN OBB为基准,通过在目标检测公开数据集DOTA和HRSC2016上验证了算法的有效性,结果显示本文算法在DOTA数据集上与基准算法比较,平均精度(mAP)提升了22.65%,最终检测精度mAP达到了76.78%。在HRSC2016数据集上,最终检测精度mAP达到了89.95%。此外,本文算法较多种先进算法相比均有具有较好的提升。     

轻量卷积神经网络遥感影像目标检测方法

针对常规遥感影像目标检测模型在低算力环境难以运行问题,提出一种新的轻量级目标检测方法.采用深度可分离卷积核及通道分组混排构建轻量级特征提取网络,采用K-means聚类获取锚点框,使用跨层连接双层特征金字塔预测多尺度目标.利用遥感影像目标检测数据集(RSOD)数据集对模型训练,采用精度均值,平均精度均值,每秒传输帧数对模...     

基于U型卷积神经网络的航空影像建筑物检测

经典的卷积神经网络结构在前向传播过程中分辨率不断下降,导致仅采用末层特征时难以实现建筑物边缘的精确分割,进而限制目标检测精度。针对该问题,提出一种基于U型卷积网络的建筑物检测方法。首先借鉴在图像分割领域中性能出色的神经网络模型U-Net的建模思想,采用对称式的网络结构融合深度网络中的高维和低维特征以恢复高保真边界;其次考虑到经典U-Net对位于特征金字塔顶层的模型参数优化程度相对不足,通过在顶层和底层两个不同尺度输出预测结果进行双重约束,进一步提升了建筑物检测精度。在覆盖范围达30 km²、建筑物目标28 000余个的航空影像数据集上的试验结果表明,本文方法的检测结果在IoU和Kappa两项关键评价指标的均值上分别达到83.7%和89.5%,优于经典U-Net模型,显著优于经典全卷积网络模型和基于人工设计特征的AdaBoost模型。     

基于视觉显著性和图分割的高分辨率遥感影像中人工目标区域提取

目标检测与提取是遥感影像处理与解译的重要研究内容。提出一种基于显著性检测和图像分割的面向对象高精度目标提取方法。首先,给出一种融合"基于图论的视觉显著性"和"基于边线密度的视觉显著性"的显著性计算模型。通过引入线密度,可以在复杂背景图像下有效提取目标区域,用于高分辨率遥感图像无监督的快速场景分析。然后,利用图论分割方法获取特征相似的图像区域。同一区域中的像素具有相似的显著度值和特征。以图块为对象分析其显著性大小,可以提取精细的目标轮廓。相对于基于像素点的显著性目标提取方法,本文所用面向对象的分析方法能够在保证较高检测精度的同时有效降低冗余检测率。在高分辨率遥感影像上的试验证实对人工目标(如建筑物)的检测更准确并且所得轮廓更精确。     

基于Faster R-CNN的高分辨率图像目标检测技术

为提升传统算法对高分辨率遥感图像中地物目标的检测效果,将深度学习目标检测框架快速区域卷积神经网络(faster regions with convolutional neural network,Faster R-CNN)应用于高分辨率遥感图像目标检测任务中。以机场为检测场景、飞机为检测目标进行实验,首先,利用高分辨率遥感图像数据集训练Faster R-CNN框架,得到相应的目标检测模型;然后,采用该模型对高分辨率遥感图像中的飞机目标进行检测;最后,对实验结果进行统计分析及评价。实验结果表明,Faster R-CNN模型能够全面而准确地检测飞机目标,最优F1分数值为0. 976 3,并且同一个模型可以对多种高分辨率遥感图像进行目标检测。     

Monitoring drought dynamics in the Aravalli region (India) using different indices based on ground and remote sensing data

The hard-rock hilly Aravalli terrain of Rajasthan province of India suffers with frequent drought due to poor and delayed monsoon, abnormally high summer-temperature and insufficient water resources. In the present study, detailed analysis of meteorological and hydrological data of the Aravalli region has been carried out for the years 1984–2003. Standardised Precipitation Index (SPI) has been used to quantify the precipitation deficit. Standardised Water-Level Index (SWI) has been developed to assess ground-water recharge-deficit. Vegetative drought indices like Vegetation Condition Index (VCI) and Temperature Condition Index (TCI) and Vegetation Health Index (VHI) have been computed using NDVI values obtained from Global Vegetation Index (GVI) and thermal channel data of NOAA AVHRR satellite. Detailed analyses of spatial and temporal drought dynamics during monsoon and non-monsoon seasons have been carried out through drought index maps generated in Geographic Information Systems (GIS) environment. Analysis and interpretation of these maps reveal that negative SPI anomalies not always correspond to drought. In the Aravalli region, aquifer-stress shifts its position time to time, and in certain pockets it is more frequent. In comparison to hydrological stress, vegetative stress in the Aravalli region is found to be slower to begin but quicker to withdraw.     

使用FME与VBA提取机场方格网高程数据

因受机场工程设计软件的测量数据容量限制,基于LiDAR采集、点云分类后得到的地面点云数据LAS不能完整应用于目前设计软件进行设计计算。本文通过对拟选技术方案的筛选,提出了利用FME Workbench数据处理功能,结合VBA编程获取外部方格网平面数据的方法。该方法在FME Workbench中实现了地面点云数据构建TIN、采用逐点内插方法从TIN中提取方格网高程数据、等高线生成及相应图形处理与成果输出。最终通过实际算例证明了该方法的有效性。     

Gravity Changes Before Large Earthquakes in China: 1998-2005

Although it is well known that coseismic gravity changes take place during an earthquake, previous research has not yielded convincing evidence demonstrating that significant gravity changes occur before large earthquakes. Furthermore, even if we suspect that gravity changes occur before large earthquakes, we have yet to demonstrate how to consistently observe these changes for useful earthquake forecast that would bring benefits to society. We analyzed ground gravity survey data obtained in 1998, 2000, 200...     

自动车辆定位导航系统中传感器的误差分析

对国界定位导航系统中几种常见的辅助传感器所产生的误差进行了分析，导出了不同传感器的误差模型。这些误差模型是估计车辆位置的扩展卡尔曼滤波器的基础，同时也为选择适当的传感器提供了理论根据。     

地理数据库的关系模型及其实现

本文从以图论观点分析地理实体入手,系统阐述了地理数据库关系模型的设计法和过程。作者于1984年4～9月间在微型机上设计建立了关系型地理数据库的实方验系统(RGDB)。该系统采用了本文提出的关系模型,采用了可动态扩库的子库组合结构,这种结构具有灵活性和提高空间利用率的优点。RGDB含有多种功能的数据操作命令,除了具有一般检索功能外,还能进行“开窗”选取和十分“自由”的映象选取。本文对RGDB系统的主要性能和实现途径作了扼要介绍。     

基于WebGL的三维智慧管网系统的设计与实现

随着城市面貌日新月异,地下管网的建设也在持续推进,作为城市的地下“神经网络”,全天24 h保障城市的正常运转和发展。本文以实现城市管网管理系统的高可用、无插件、智能化为目标,采用“地上地下一体”“二三维一体”的设计理念,研究基于WebGL的三维智慧管网系统的关键技术,实现了管线设施管理的信息数字化、空间化与图形化。     

基于Skyline的企业总图3维信息系统

3维技术以其直观、眩目的表现力深受人们喜爱.利用3S技术和Skyline开发平台,可以构建大型企业3维地理信息系统,以满足企业设计部门和资产管理部门对基础地理信息的需求.兼容原有2维系统的总图3维信息系统,将为企业的日常管理、设计施工、分析统计、规划决策等提供更加可靠、直观、多层次、多功能的综合服务信息.     

城市数字高程模型和数字正射影像建库系统架构

数字高程模型和数字正射影像是城市基础地理信息的核心载体.两者数据都是连续的地表模型数据.本论文旨在研究建立一个以这两种数据为主体的数据库集成管理系统,并能够提供基本的分析和应用功能,为城市的规划、建设、管理和社会各行业提供完善、优质和高效的地理空间数据服务.论文以宁波市两者数据的建库为例.首先介绍一些有关背景资料;然后详细研究了该系统的设计情况,包括设计的原则、技术路线,数据组织和功能规划;最后进行总结,分析了该系统架构设计的优缺点.     

大庆CORS系统精度（RTK）测试与分析

目前国内GNSS连续运行参考站网系统（CORS）进入了高速发展的成熟期,为了更好地发挥其性能,文章是针对大庆CORS站系统精度进行的测试与分析（RTK）。