智能遥感深度学习框架与模型设计EI北大核心CSCD

近年来,随着遥感技术的快速发展,遥感对地观测数据获取量与日俱增。在对海量遥感数据的特征提取与表征上,基于深度学习的智能遥感影像解译技术展现出了显著优势。然而,遥感影像智能处理框架和信息服务能力还相对滞后,开源的深度学习框架与模型尚不能满足遥感智能处理的需求。在分析现有深度学习框架和模型的基础上,针对遥感影像幅面大、尺度变化大、数据通道多等问题,本文设计了嵌入遥感特性的专用深度学习框架,并重点讨论了其构建方法,以及地物分类任务的初步试验结果等。本文提出的智能遥感解译框架架构将为构建具备多维时空谱遥感特性的深度学习框架与模型提供有力支撑。     

深度学习的中文地址切分算法北大核心CSCD

针对传统分词对词典依赖过高的问题,该文提出了一种基于深度学习的中文地址要素的切分与重组算法。首先利用二元语法(Bigram)二分法将地址切分,然后用网络兴趣点(POI)数据地址集作为样本,采用基于深度学习的方法对地址要素进行特征匹配与要素重组,最终实现以地址要素为单元的中文地址自动切分。本文采用上万条网络采集的POI地址数据作为实验样本,实验结果表明,该算法不仅降低了对词典的依赖,同时也对地名地址的切分正确率有较大提升。     

三维模型几何质量评价方法北大核心CSCD

随着三维可视化技术的广泛应用,高精度三维模型在生产应用中具有迫切需求。然而,目前大部分研究集中在如何提取三维空间信息,而对重建后三维模型的质量问题研究相对较少。本文将三维模型分解到基元点、基元线和基元面,提出一种评价三维模型几何质量的方法。以南京大学校园为试验区,针对人工建模获得的三维建筑物模型,随机选取其中30个模型进行质量评价试验。结果表明该研究能有效地对三维模型的几何质量进行定量评价,对人工或自动三维建模作业有重要的指导意义。     

三维建筑模型单体化的深度学习技术实现

倾斜摄影三维建模技术能够快速建立目标区域的实景三维模型,但是该机制下的模型为连续不规则三角网（TIN）,无法对其中具体的地理对象进行分析。本文采用深度学习语义分割方法提取建筑物,并与传统面向对象的影像分析提取结果进行对比。研究表明语义分割方法能够有效提取倾斜模型对应数字正射影像中的建筑物。通过对提取结果进行后处理得到建筑物矢量面,为每个建筑物添加基本属性信息,利用矢量面实现建筑物单体化并发布三维模型和数据服务,能够更有效地利用倾斜摄影模型展示研究区域地理空间和建筑物信息。     

基于深度学习的像素级全色图像锐化研究综述EI北大核心CSCD

全色图像锐化是遥感数据处理领域的一个基础性问题,在地物分类、目标识别等方面具有重要的研究意义和应用价值。近年来,深度学习在自然语言处理、计算机视觉等领域取得了巨大进展,也推动了像素级全色图像锐化技术的发展。本文提出从经典方式和协同方式两个方面对深度学习在全色图像锐化中的研究进行系统的综述,并在此基础上进行前景展望。首先,给出全色图像锐化常用的数据集和全色图像锐化的质量评价指标;接着,从经典方式与协同方式两个方面对基于深度学习的全色图像锐化最新研究成果进行分门别类的介绍,并进行算法性能的对比、分析和归纳;然后,对全色图像锐化的3个主要应用领域如地物分类、目标识别和地表变化检测进行分析;最后,本文探讨了基于深度学习的全色图像锐化的5个未来研究方向。     

结合倾斜影像的实景三维场景增强显示北大核心CSCD

针对实景三维场景在近地面视角或面对复杂特殊地物时存在的模型破损、纹理变形、悬浮物及细节表现精度不高等问题,本文提出了一种场景增强显示方法。利用计算纠正后的无畸变影像,查找匹配与场景呈现最相近的目标影像并将其精准叠加至三维模型上,完成二维影像与三维模型间的视觉融合和自然过渡;同时实现三维漫游过程中影像的动态调度和实时绘制,以支撑超大场景的持续增强显示。实践证明,该方法不仅可以弥补实景三维模型的显示不足,提升场景视觉浏览效果,还可以结合最新航飞影像增强场景表达的现势性,提升实景三维的推广应用价值,研究成果可有助于开展自然资源管理、国土空间规划、应急救灾、城市治理等领域工作。     

倾斜摄影三维模型与大场景地形的融合算法

针对现有的数据融合算法不能解决倾斜摄影的三维模型与大场景地形相互融合的问题,提出了一种基于外部缓冲区和TIN瓦片金字塔的数据融合新算法。采用在倾斜摄影地形外部建立过渡缓冲区的方法,解决了倾斜摄影地形和大场景地形的平滑过渡问题,这种方法还保证了倾斜摄影地形的精度。在过渡缓冲区内采样时构造了多条缓冲带,这种采样方法实现了采样密度从倾斜摄影地形到大场景地形的逐渐过渡;通过建立TIN瓦片金字塔实现了对多分辨率数据调度和纹理贴图的支持。实验结果表明,这种方法把倾斜摄影的三维模型与大场景地形很好地融合在一起,并且融合后的数据可以在三维地理信息系统中流畅地调度。     

倾斜摄影测量三维模型优化方法研究

倾斜摄影测量技术在三维建模方面有着广泛前景.本文介绍了倾斜摄影测量技术的概念及特点,分析了基于倾斜摄影的三维建模的方法及其建模过程中和输出模型存在的问题,提出基于倾斜摄影测量的三维模型优化方法,通过优化改善三维模型质量.     

深度学习遥感影像多尺度油罐检测算法性能分析

遥感影像中油罐目标尺度变化大,小目标较多,影响其检测性能。为探究影像缩放对各网络油罐检测的影响以及油罐目标尺寸对于检测结果影响的规律,选择经典的5种深度学习目标检测算法,包括FRCNN、RFCN、SSD、YOLOv3和RetinaNet算法,对不同尺度油罐目标的检测精度、泛化能力和运行效率等进行了对比分析和实验验证。实验结果表明,RetinaNet和RFCN算法的平均精度和泛化能力最好;YOLOv3算法的速度最快。不同算法都有所谓的最佳检测尺寸窗口,通过对检测影像适当地缩放可以使待检测目标尺寸落入最佳窗口,从而提高油罐目标检测的精度。同时,对基于深度学习的遥感影像多尺度油罐检测算法提出了改进的建议。     

监控视频动态目标的空间定位方法北大核心CSCD

针对监控视频动态目标的空间定位问题,本文在考虑相机畸变的前提下,对监控相机、目标像素坐标和地理场景之间的映射关系进行了研究,提出了基于数字表面模型(DSM)和基于平面约束的目标定位算法。首先,完成相机的标定,确定相机的成像模型;然后,提取畸变校正后的目标像素坐标,并通过目标定位算法计算目标的三维地理坐标;最后,进行了定位精度评定,并分析了两种定位算法的应用特点。本文的定位算法将以像素坐标定位的目标数据解析为以三维坐标定位的空间地理信息,为多摄像头的目标跟踪提供了统一的地理参考框架。     

基于深度学习的移动激光点云数据自动分类方法研究EI北大核心CSCD

随着物联网、大数据、人工智能等技术的快速发展,智慧城市成为国内外学者研究的热点领域。城市三维地理空间信息的获取与处理是建设智慧城市的基础,也是亟待解决的关键技术之一。目前,移动激光点云分类多为人工和半自动方式,数据解译的自动化程度低,导致点云利用率下降,制约了移动激光点云在高精地图、自动驾驶和智慧城市等领域的应用。     

低秩表示与深度学习结合的裂缝检测与样本生成方法EI北大核心CSCD

随着社会的快速发展,越来越多高质量桥梁、公路、隧道等大型基础设施显著提高了人民生活水平。但大量新增或既有的基础设施也给传统基于人工的安全巡检带来新的挑战：如何自动获得它们的健康状态、对异常情况进行精准测绘成为一大难题。本文以桥梁道路裂缝为研究对象,针对现有方法智能化水平低、泛化性不够的问题,提出低秩表示与深度学习结合的裂缝检测与样本生成方法。一方面,通过低秩表示,可自动从具有相似背景的路面影像序列中挑选出包含裂缝的影像,再结合灰度与几何信息进行后处理,获得像素级裂缝掩膜。另一方面,针对现实中各类复杂场景,进一步从影像语义分割角度,提出一种融合多层级特征和空洞空间金字塔池化的裂缝检测深度网络,并使用由低秩表示获得的裂缝样本进行训练。大量试验表明,本文方法在裂缝识别精度和自动化方面显著优于现有方法,不仅可用于各类桥梁的裂缝检测、定位与测绘,还可用于隧道、水坝等其他场景,泛化性能良好。     

三维点云的室内外场景层次化理解方法研究EI北大核心CSCD

环境理解是计算机视觉领域的基础工作,在机器人导航、智能交通等诸多军民领域有着广泛的应用。三维点云因其高精度、高密度等的数据特性,能够高效地捕获和描述三维场景中清晰的地物目标几何结构和丰富的空间细节信息,是表达、分析和理解室内外环境信息的重要数据类型之一。因此,基于三维点云数据进行室内外场景理解一直是备受关注的热点问题。     

轻型注意力卷积无人机影像车辆检测模型研究

提出一种能够部署于无人机终端的轻量级端到端车辆检测模型。在骨干网络中,首先,使用焦点机制对输入的原始图像进行无损下采样;然后,利用带有轻型注意力模块的深度可分离卷积核组成特征提取层;最后,在特征金字塔中通过跨尺度多层融合来提高三个层级输出特征图内的信息复杂程度。将开源无人机影像数据集VisDrone与多个时期采集的无人机道路影像混合,经过增强处理后作为训练集对模型进行训练。实验结果表明,本文所提出模型对于各类车辆目标均表现出稳定的检测性能,在综合检测精度方面明显优于几组对照模型,同时训练后模型体量较小,能够在测试环境的嵌入式硬件终端上部署并开展实时检测。     

谱间对比学习的高光谱图像无监督特征提取EI北大核心CSCD

深度学习通过逐层抽象的方式提取输入数据的深层特征,近年来在高光谱图像分类领域得到了广泛的应用。现有的高光谱图像深度特征提取方法大多属于有监督学习模型,其训练过程需要大量标记样本,而高光谱图像逐像素的标注困难且费时。为此,本文提出了一种基于谱间对比学习的无监督深度学习模型。无须对样本进行标注,仅通过建模不同光谱波段之间的关系便可实现特征提取。具体而言,由于高光谱图像不同的光谱通道刻画了同一物体在不同电磁波段的响应程度,因此必然存在一个特征空间,使得不同通道的光谱信息具有相似的表征。受此启发,本文首先将高维光谱信息分成两组,然后利用多层卷积操作分别提取每组波段的特征,最后对比不同样本所提取的特征,通过对比损失函数来优化模型。为了测试本文方法的性能,将其应用于高光谱图像分类任务中,在Houston 2013、Pavia University和WHU-Hi-Longkou 3个常用的数据集上进行了验证。试验结果表明,在每类仅使用10个训练样本的前提下,本文所提出的无监督学习模型能够获得比主成分分析、自编码器等常见的无监督模型更优越的分类性能。     

倾斜影像的三维模型构建与模型优化

如何对三维模型构建具体环节优化,获得更加逼真的三维模型,目前该方面的研究较少。本文采用PhotoScan软件,在对研究区构建三维模型关键步骤探讨的基础上,提出了纹理缺失、图像扭曲、数据筛选,以及PhotoScan软件参数设置及操作顺序等方面的三维建模优化技术。     

倾斜摄影实景三维悬浮模型删除技术研究

利用倾斜摄影技术进行三维建模过程中,由于航摄盲区和匹配错误等因素,出现某些三维模型悬浮在空中（如广告牌、树冠、电线塔等）,针对这类悬浮在空中的三维模型（简称悬浮模型）,研究利用自动检测悬浮模型区域、提取悬浮模型范围、自动删除悬浮模型等技术手段与方法,对其进行优化,从而提高倾斜摄影三维模型成果的可视化效果,为倾斜摄影三维成果的应用提供更优的数据。     

倾斜摄影实景三维模型质量评价

倾斜摄影技术以多角度的方式获取影像以及后续处理手段,其成果与传统三维模型成果存在格式、类型、特征等不同,传统三维模型成果质量评价标准不适用于倾斜实景三维模型成果,如何评价倾斜摄影实景三维模型质量,目前还没有相关技术规范和标准。本文分析了倾斜摄影实景三维模型的特点和成果质量表现形式,归纳有效的数据质量评价内容和方法,并通过案例加以验证,确保成果质量评价客观准确,也能为实景三维模型质量评价相关标准的制定和研究提供一些借鉴。     

城市复杂地形环境下倾斜模型结合LiDAR点云的大比例尺地形图更新方法北大核心CSCD

针对无人机倾斜摄影技术受遮挡影响较大和难以穿透植被茂密地区的问题,本文提出了城市复杂地形环境下倾斜模型结合LiDAR点云进行小区域大比例尺数字地形图的更新方法。首先采用五镜头六旋翼无人机分别以垂直和平行主要建筑物楼群方向进行2次全区域拍摄,以及无人机机载激光雷达全区域采集点云,并对高度不足10 m的别墅区进行单镜头低空补飞。然后融合倾斜影像点云与机载激光点云建模,经过3种建模方案对比,融合建模的倾斜三维模型的位置精度和模型质量均最优。最后基于此模型进行测图。精度评定结果表明,城市复杂地形环境下在飞行方案和像控点布设合理的情况下,通过倾斜三维模型采集的数字地形图的平面和高程精度完全满足并优于深圳市1∶1000数字地形图动态更新的精度指标。