基于DOM和DSM的无人机城市违法建筑检测方法研究

建筑物变化检测是遥感影像提取的研究热点。传统的二维变化检测方法存在漏检、误检等情况,作业效率低。针对城市建筑物存在违法加盖、扩建等问题,利用无人机测量技术获取高分辨率遥感影像,基于U-Net深度学习语义分割模型检测建筑物变化,并结合差分数字表面模型,采用GIS叠加分析技术检测建筑物变化图斑。通过与地面数据验证对比,该方法能有效检测建筑物变化,提高检测准确率。     

基于深度学习的遥感影像城市建筑用地提取

使用遥感影像对建筑用地进行精确和高效的提取,是土地利用的重要信息来源。使用卷积神经网络的深度学习方法对研究区Landsat8遥感影像图进行分类训练与提取,与作为对照组的支持向量机方法进行比对分析。结果表明,基于深度学习的遥感影像城市建筑用地提取方法提取精度更高,尤其在道路提取精度上有着明显优势,说明将深度学习融入遥感影像建筑用地提取有着广阔前景。     

基于深度学习的高分辨率遥感图像海陆分割方法

将高分辨率遥感图像进行像素级海陆分割是遥感应用领域的一项基础性工作,对海岸线提取和海洋近岸目标检测具有重要意义,但传统阈值方法往往由于高分辨率遥感图像覆盖范围广、地物纹理复杂等特点而难以取得预期效果。为了提升高分辨率遥感影像海陆分割精度,改善传统阈值方法的不足,基于深度神经网络模型利用编码器—解码器架构,并在编码层中引入残差块,以更好地对特征图进行高级语义信息提取,通过解码层将编码层生成的特征图还原成与输入尺寸相同的特征图,最后通过Sigmoid层对图像进行像素级海陆分割。在高分辨率遥感图像数据集上的实验结果表明,该网络模型取得良好了分割效果,准确率和Kappa系数分别达到了94.3%和93.7%。与传统方法相比,海陆分割精确度得到了有效提升。     

基于深度学习的高分遥感影像建筑物提取研究

传统的建筑物提取方法普遍存在过分依赖人工设计、自动化程度低、泛化能力弱等问题。随着深度学习算法在高分辨率卫星图像分类领域的应用,本文基于深度学习方法,以福建南安地区为研究区,以国产高分遥感影像为数据源,选取4?块典型区域制作建筑物数据集,搭建U-Net和Mask R-CNN深度学习模型在自建的南安数据集上训练,从定量和定性的角度对比两种模型对建筑物提取的效果,最终选定精度更高的U-Net方法作为最终的提取算法;再对数据集中正负样本的比例进行调整,进一步提高了模型分割的精度,实现了基于深度学习方法的南安地区建筑物的识别和提取。     

基于LVQ神经网络的建筑物提取

传统的遥感影像目标检测方法大多利用人工提取特征,难以用于背景复杂的高分辨率遥感影像。以高分辨率遥感影像建筑物图像为研究对象,设计了一种基于LVQ神经网络的建筑物提取方法。对图像提取其颜色、纹理与形状特征,构成图像特征矢量并将其特征归一化,利用LVQ神经网络识别并提取出建筑物。通过与其它典型神经网络识别方法进行实验比较,结果表明该算法相对于单层感知器识别率提高了10.0%,比BP神经网络识别率提高了22.5%,能取得更理想的提取效果。     

基于深度学习的小目标检测算法综述

由于小目标分辨率低、携带的信息少,现有基于深度学习的目标检测算法对小目标检测精度远远小于对大目标的检测精度。针对小目标检测精度问题,以基于深度学习的目标检测为切入点,系统总结了基于深度学习的目标检测代表算法,并以检测精度和检测速度为标准分析各种算法优缺点。将能有效提高小目标检测精度的方法进行分类汇总,介绍了各种方法的相关应用。针对目标检测及小目标检测存在的问题,对未来目标检测领域发展趋势进行了预测与展望。     

高分辨率卫星遥感数据处理及其应用研究

结合高分辨率卫星遥感数据在城市电信电力部门中的应用实践,阐述了高分辨率卫星影像在城市建设中的优势、卫星影像数据处理的实践和经验,并展望分析了高分辨率卫星遥感数据在城市交通规划、城市公安交巡警等方面的应用优势争潜力.     

一种融合RF-SVM的无人机遥感图像信息提取与分类技术

针对传统无人机遥感图像信息提取与分类算法准确率低、稳定性差、无法有效应对大规模复杂遥感图像数据集等问题,提出一种基于RF-SVM的遥感图像处理算法。RF-SVM算法将RF数据集分类性能较强的优势与经典SVM算法数据降维能力相融合,引入随机变量和示性函数扩大样本集的边界,提升对复杂大规模数据集的处理能力,有效控制泛化误差。在对无人机遥感图像的预处理过程中,借助Brovey变换完成对光谱和高分辨率遥感图像的像素级融合,引入核函数并根据获取到的遥感图像特征和后验概率值,实现对遥感图像内部标的物的准确分类。实验结果显示,在RF-SVM算法下,无人机遥感图像信息提取准确率分类平均准确率达到99.81%,且在RF-SVM算法下的样本点感受性曲线稳定性更好。     

高分辨率遥感影像在林业应用中存在的问题与思考

高分辨率遥感影像的出现，给林业遥感带来前所未有的机遇,但是高分辨率遥感影像在林业领域中的应用面临诸多问题,如数据源的价格偏高、图像阴影无法去除、树种识别困难和森林蓄积量估测精度不高等,提出了建立主要树种的波谱数据库，采用基于多特征的面向对象的分类技术，提高高分辨率影像在林业中的应用水平等建议。     

基于关键点的目标检测算法研究进展

随着深度学习技术的兴起,目标检测算法正在经历着变革式的发展。作为深度学习目标检测研究领域中最新的一个研究方向,基于关键点的目标检测算法正在得到越来越多的关注,已成为目标检测的一个重要研究方向。本文在对基于深度学习的目标检测技术进行简要回顾的基础上,着重分析了基于关键点的目标检测方法所涉及的核心技术,并从所采用的骨干网络、特征点、COCO数据库中的检测表现等几个角度对相关方法进行汇总,论述了各类方法的检测性能。最后通过对各类方法进行对比总结出当前关键点目标检测方法存在的问题,并对未来的研究方向进行了展望。     

基于SSD的道路前方车辆检测

目标检测是计算机视觉领域重要的研究方向,应用于无人驾驶、机器人、行人检测等领域。然而,高检测准确率、鲁棒性等对目标检测方法提出了严苛要求。针对SSD对不同场景下检测准确率较低的问题,提出了一种改进的基于残差网络的SSD目标检测模型,以提升对不同场景的检测精度。对比研究了不同算法在MIT数据集和真实交通场景下的检测能力。实验结果表明,该方法的车辆目标检测准确率为96.72%,耗时短,鲁棒性高,有一定的泛化能力,为未来智能辅助驾驶系统提供了一种全新思路。     

基于LS-SVM算法的遥感图像目标检测方法研究

遥感图像受到光照、拍摄角度、大雾等影响使得目标检测精度低,为提高遥感图像目标检测质量,通过计算遥感图像背景复杂度,进行目标区域的预提取,实施目标检测,提出基于LS-SVM算法的遥感图像目标检测模型。将提出的方法应用于舰船遥感图像和航空遥感图像的目标检测中,并和联合显著性特征和角度信息方法、改进SSD算法进行对比。结果表明该方法能够更好地对比较暗、尺寸比较小的目标进行检测,具有一定的应用价值。     

基于改进的YOLOv5识别遥感影像中输电塔的方法

针对遥感影像目标检测中部分输电塔因目标较小、特征不显著而难以识别的问题,提出一种优化和改进的YOLOv5目标检测方法.首先,通过增加更大尺度检测层,以提升小目标的检测效果;其次,将大尺寸高分辨率遥感影像通过滑窗分割成小尺寸图像,进行检测及再还原,解决了遥感影像中难以直接有效识别输电塔等问题;最后,调用GDAL模块自动计...     

移动状态下小型飞行器的图像处理

选择移动状态下的小型飞行器作为应用场景,将图像获取与深度学习算法相结合。首先采用改进后MPF目标跟踪算法,获取目标的大致轮廓;其次chirpscaling算法将收集到的目标轮廓数据用于图像的生成;最后将得到的成像应用于fast-rcnn算法中,进行图像背景区域的提取。通过实验仿真,该方法可以对移动状态下的物体进行图像识别,图像获取更为全面,准确率高,提取效果较好。     

伪装目标检测与分割研究进展

伪装检测作为一个新兴研究方向,其目标是将隐藏在图像背景中的目标对象快速准确地检测出来,可应用于物种保护和军事监测等领域,具有较高的应用价值.介绍伪装目标检测的基本概念,并按照伪装检测算法所采用的关键技术进行分类,具体从传统的伪装检测方法和基于深度学习的伪装检测方法两大类进行论述,详细地分析相关方法的原理和技术细节.并且...     

基于高分一号遥感影像的薄云去除研究

为了有效地去除高分一号遥感影像中薄云的影响,提高地物信息辨别的准确率,为影像后期的分析和处理奠定基础。以北京市密云县影像数据作为研究区,提出了一种基于改善HOT算法和Flatten_peak算法的薄云去除算法。该算法采用改善的HOT算法进行云层厚度检测,运用Flatten_peak算法进行云层厚度完善,使用云点算法进行薄云去除。给出了该算法的处理流程,通过ENVI/Haze tool工具展开实验,实验结果表明:该方法对于去除高分一号遥感影像中的薄云具有良好效果,验证了该方法处理的有效性。     

光学层析成像系统仿真

光学层析成像技术在遥感、目标识别、军事、航空航天、工业检测、生物医学等多种领域有着重要应用.研究了一个基于光学层析成像扫描原则的成像系统,做了相应的实验模拟仿真.仿真内容包括调制盘的制作、视场的设置、运动扫描及投影数据获取,并且在研究图像重构算法的理论基础上,对仿真重构图像进行显示.实验结果验证了系统的可行性.     

基于无人机遥感影像的大规模地形变化动态监测方法

为了实现对大规模地形变化动态监测,提出基于无人机遥感影像的大规模地形变化动态监测方法。采用无人机遥感动态成像方法进行大规模地形变化的遥感影像采集,对采集的地形变化动态监测无人机遥感影像进行滤波处理,根据无人机遥感影像对动态信息融合检测,实现基于无人机遥感影像的大规模地形变化动态监测。仿真结果表明,采用该方法对地形变化的动态监测准确性较好,具有很好的地形变化动态检测识别能力。     

一种单层自动编码器的聚类算法研究

不同的聚类算法都可以完成对无标签数据的分类,而Kmeans聚类算法是一种无监督静态数据分析机器学习方法,已被广泛应用于机器学习、模式识别、数据挖掘等领域.但对维度数据准确率不高,本文引入深度自动编码器完成对输入样本的特征自动学习和重构,实现对数据的降维和特征提取,代替原始数据通过Kmeans算法进行聚类分析.实验结果证明,改进后的AE Kmeans(Auto Encoder Kmeans)算法与单独使用Kmeans算法完成聚类相比,准确率得到明显提高.     

基于深度学习的视频目标检测算法的实现

由于光照变化、物体遮挡和复杂背景条件等众多因素的影响,目标检测一直是机器视觉领域最具有挑战性的问题。首先对视频目标检测算法中的孪生网络系列算法进行分析比较;然后将孪生网络与深度学习相结合,提出并构建全新的孪生网络跟踪器;最后将视频输入到设计好的孪生网络跟踪器中,通过网络对每一帧图像中物体的类别与位置进行准确地实时框选标注。分别将该算法和当前广泛应用的YOLOv3算法在OTB数据集上进行验证测试。测试数据表明:该算法的视频目标检测成功率和准确率均优于YOLOv3算法。