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。     

深度学习遥感图像标注系统研究

随着深度学习的发展,遥感影像处理技术也从传统机器学习算法向深度学习转变,然而,用于遥感图像的训练数据集却十分稀少,且数据标注困难。本文将GIS技术与图像标注技术相结合,基于Flask Web框架设计一个可用于海量遥感数据的标注系统。该系统可用于海量遥感数据的数据框标注、数据类别标注,以及目标关键点标注,同时能将标注数据导出为深度学习训练最常用的COCO数据集和VOC2007两种格式。     

基于卷积神经网络的高分辨率遥感影像目标检测方法研究EI北大核心CSCD

高分辨率遥感影像目标检测作为高分对地观测系统中影像信息自动提取及分析理解的重要内容,对高分对地观测系统应用价值的发挥具有重要影响。卷积神经网络作为最热门的深度学习模型,由于其可以根据海量数据和标注自行进行有效图像特征提取和学习,在训练数据充足的情况下,模型具有良好的泛化能力,能够在复杂多变的条件下依然保持良好的稳健性和普适性。因此,基于卷积神经网络的目标检测架构被相继提出,但现有网络架构多是针对自然图像设计的,相对于自然图像,高分辨率遥感影像存在背景更加复杂、目标尺度更小、同类目标尺度变化更大和影像尺寸更大等特点;将这些网络架构直接用于高分辨率遥感影像目标检测会存在网络目标建议框尺度不匹配,待检影像相对于网络输入过大,以及缺乏训练数据等问题。针对上述问题,论文系统性地开展基于卷积神经网络的高分辨遥感影像目标检测方法研究。主要研究内容如下。     

深度学习倾斜三维模型车辆去除算法北大核心CSCD

针对倾斜三维模型中车辆运动导致的车辆变形问题,本文提出了深度学习倾斜三维模型车辆去除算法。首先利用深度目标检测网络对三维模型中的车辆进行检测,定位车辆的位置;然后利用深度图像修复算法对车辆进行擦除,自动填充道路纹理。相较于基于Photoshop的手工车辆去除方法,该方法可有效提高作业效率。     

遥感图像质量等级分类的深度卷积神经网络方法

遥感图像应用发展对图像质量的要求越来越高,不同质量的遥感图像往往需要不同的处理方法和参数。通过遥感图像质量等级分类研究,不仅能够为遥感图像的处理提供先验信息,还能够对遥感图像的客观质量评价和传感器的成像效果进行评估。为了克服现有的遥感图像质量等级分类方法计算参数获取困难、等级数量少的缺点,利用深度学习方法的分类机能,通过改进特征提取网络和等级分类设计,建立了一种基于深度卷积神经网络的遥感图像质量等级分类模型。通过质量等级分类预处理后,利用经典的深度学习方法进行目标检测实验。结果表明,所提方法在西北工业大学遥感图像数据集上质量等级分类的准确率、召回率、精确率和F1最高能达到0.976、0.972、0.974和0.973, 优于传统算法。利用卷积神经网络实现遥感图像质量等级分类,既拓展了深度学习的应用领域,又为遥感图像质量评估提供了一个新方法。     

基于Mask R-CNN的高分遥感影像建筑物目标检测

深度学习方法在目标检测和语义分割领域得到了广泛应用,但在遥感影像中,由于建筑物呈聚集型分布且目标之间间隔紧密,建筑物目标检测暂未取得较好的效果。针对上述问题,提出一种基于Mask R-CNN的高分辨率遥感影像建筑物目标检测方法,将边界框识别与像素级语义分割结合起来,较好地解决了聚集分布且间隔紧密的建筑物目标检测问题。实验结果表明,该方法具有较高的检测精度。     

多分辨率特征融合的光学遥感图像目标检测

高分辨率遥感图像目标检测是计算机视觉的一个重要研究领域,在民用与军事领域具有重要的应用价值。目前,基于深度学习的自然图像目标检测有了突破性进展。但是,由于遥感图像具有目标尺度差异大且类间相似度高的特点,使得处理自然图像的目标检测算法直接应用于遥感图像时仍面临着一些挑战。针对上述挑战,本文提出一种多分辨率特征融合的遥感图像目标检测方法。首先,通过特征金字塔提取多尺度特征图并在其后嵌入多分辨率特征提取网络,促使网络学习目标在不同分辨率下的特征,缩小不同特征层之间的语义差距。其次,为实现多分辨特征的有效融合,本文采用自适应特征融合模块挖掘更具判别性的多分辨特征表达。最后,将自适应特征融合模块的输出特征的相邻层进行深度融合。在公开的遥感图像目标检测数据集DIOR和DOTA上评估了本文方法的有效性,相比采用特征金字塔结构的Faster R-CNN,本文方法的准确率(mAP)分别提高2.5%和2.2%。     

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。     

深度学习PaddlePaddle框架支持下的遥感智能视觉平台研究与实现

百度深度学习PaddlePaddle框架支持下的遥感智能视觉平台,能够运用深度学习技术实现遥感影像的智能建模、训练和解译。本文通过深入分析PaddlePaddle图像分割模型库PaddleSeg的图像处理深度学习算法模型DeepLabV3+、U²-Net及RetinaNet,开发设计了遥感智能视觉平台,实现了遥感影像的地块分割、变化检测和斜框检测等专业功能。研究表明：遥感智能视觉平台提取的图斑总面积是目视解译的80%、有效图斑比例为76%、错误图斑比例为18%,实现了快速有效的遥感图像智能处理。     

变分法遥感影像人工地物自动检测

人工地物（建筑物、道路、桥梁等）检测是目标识别的一个重要组成部分。本文将人工地物检测转换为能量泛函数最优化问题。首先对遥感影像进行超像素分割,综合图像的颜色、纹理、梯度等信息,以超像素为单元计算图像的显著度信息,然后构建一个包含显著性约束、面积和边界约束、纹理约束及灰度方差约束的能量泛函数,通过变分法迭代求解能量泛函最小值,获取目标前景部分即为人工地物区域。本文以重庆和广东某地的遥感影像数据为例对算法进行验证,将其与常见的人工地物目标提取算法,如C-V模型、MRF模型,以及当下研究较为热门的深度学习算法进行对比。试验结果表明,该算法能有效地检测出遥感影像中的人工地物区域,并保证较低的误检率及漏检率。论文对该方法与深度学习方法进行了一定的分析对比。     

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...     

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.     

阿克苏河-塔里木河水系水质污染遥感监测与评价

 采用Landsat TM数据分析了阿克苏河—塔里木河断面水质污染状况,通过波段的DN值和常规监测数据建立能反映水质状况的 污染物监测模型。结果发现,将2000年常规监测数据代入模型后,与遥感数据的结果基本吻合| 重建阿克苏河—塔里木河的连续水体 污染变化曲线,得出污染物浓度随着远离上游而增加。     

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.     

互联网时代的地理信息系统

本文通过分析近年来信息技术和地理信息系统的进展,探讨在互联网时代的地理信息系统的发展趋势和技术,提出了以构件化的分布式地理信息系统的发展方向,并以新的概念探讨了以互联网为平台的ＧＩＳ的构件模型和客户－服务器模型为基础的ＧＩＳ服务模型。     

GML数据存储技术的研究与实现

如何有效存储GML数据是当今GIS界研究的热门课题。本文首先分析了现有XML数据存储技术,并根据GML的特性,提出了GML数据存储策略以及实现技术。     

浅谈MapGIS到ArcGIS数据自动转换实现

文本介绍了如何用编程方式实现MapGIS点、线、面数据及渲染(Render)样式到Arc—GIS的自动转换,并对关键技术、难点进行详细描述。     

Tikhonov正则化方法在GOCE重力场求解中的模拟研究

本文在阐述Tikhonov正则化方法基本原理的基础上,给出了四类可用于重力场解算的正则化矩阵(零次、一次、二次和Kaula),以及用于确定正则化参数的L曲线法和GCV方法的数学模型。基于SA方法利用模拟数据分析讨论了零次、一次以及Kaula正则化矩阵应用于GOCE全球重力场模型确定的有效性,并由Kaula正则化矩阵分析了L曲线法和GCV方法确定正则化参数的可行性。数值结果表明三类正则化矩阵获得的最优解(以大地水准面MSE最小为准则确定)的精度水平相近,关键在于相应正则化参数的确定,数值结果同时说明了GCV方法和L曲线法可用于确定正则化参数,且前者较后者具有更好的稳定性。     

QZSS对GPS区域性能增强分析

在日本和中国中东部地区,就日本准天顶卫星系统(QZSS)对GPS导航精度增强、完好性增强以及可用性增强进行了仿真计算比较。结果表明,只有3颗卫星组成的QZSS在这些区域内对GPS提供了有效的性能增强,而且随着卫星截止角的增加,这种性能增强显得更为明显;QZSS在战时可有效降低由于部分GPS卫星失效而导致的性能恶化程度。分析结果对于我国在中部地区和东部热点地区有效利用GNSS导航资源具有指导作用。     

我国地理信息系统建设及进展(1)

GIS的基础背景和发展阶段与GIS业务化应用系统的建设两个部分，着重叙述了GIS建设的探索过程和发展思路，指出GIS建设从初步发展时期的研究实验、局部应用向着实用化、集成化和产业化方向发展，成为国民经济和社会发展普遍使用的工具，在各行各业发挥着重要的作用。同时用实例说明GIS业务化应用系统，在我国大体经历的四个发展阶段。