基于Harris算法的无人机影像拼接技术

处理无人机影像数据时,Harris角点检测算法具有较强的鲁棒性和稳定性。使用Harris角点检测算法时,影像边界处由于影像畸变影响,生成的特征点存在角点聚簇和伪角点的概率非常大,在处理该类问题时,通常是删除影像边界生成的角点。针对影像边缘特征点删除量的合理性进行了实验：先对影像生成特征点面积进行限制,用Harris算法提取特征点。然后用非极大抑制算法选取特征点,去除伪角点和聚簇的角点,生成最佳缝合线进行影像匹配融合。最后对比影像生成特征点面积和最后影像匹配效果,论证影像边缘删除Harris角点的合理量。实验结果表明,相对于传统的直接删除边界Harris角点方法,该方法更可靠更精确。     

一种自监督学习框架下的高分辨率遥感影像道路中心线自动提取算法

高分辨率遥感影像的道路提取,对于国土规划、车载导航、应急救灾等方面具有重要的意义。本文提出了一种基于自监督学习框架下的高分辨率遥感影像道路中心线自动提取算法。首先,联合光谱与形状特征设计了一种自动获取道路样本的正样本选取方法;然后引入一种正样本分类框架,基于随机森林构建了一种随机森林正样本单分类器,并得到像元隶属于道路的后验概率;以面向对象的角度联合形状特征与后验概率,得到最终的道路网络;最后利用张量投票算法得到道路中心线。通过与监督、非监督道路提取算法相比,有更好的实验结果,且自动进行,无需人工干预,效率高。     

无人机航拍影像运用于高中地理教学的实践探索

无人机是集多项地理信息技术于一体的现代化信息获取工具,具有操作简单、方便携带等特点,获取的航拍影像精度高、成图质量好。文章进行了将无人机航拍影像运用于高中地理教学的实践探索。     

基于无人机遥感影像处理方法的可行性试验

近年来,随着我国经济的高速发展与城镇化进程的迅速推进,各地区、各部门对地形地物资料的现势性、精度、周期的需求越来越高。传统的数据获取手段越来越显现出其局限性,而无人飞行器遥感系统应运而生,为中小城市特别是城、镇、县、乡等地区的经济和文化建设提供了行之有效的手段。本文利用PixelGrid对试验区的无人机遥感影像数据进行了研究处理,进一步验证了无人机影像处理的流程和方法,处理成果表明：精度指标完全可以满足对应测量规范的要求,可用于后续的数字正射影像图生产。     

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。     

特征融合与分割引导的弱监督目标检测

基于卷积神经网络(CNNs)的区域建议生成方法(PRN)是通过实例级注释进行训练所得,也是当前全监督目标检测(FSOD)的重要组成部分.由于实例级注释耗时耗力,而图像级注释相比之下更容易收集,因此仅使用图像级注释的弱监督目标检测(WSOD)引起了众多研究者的关注.当前,WSOD依赖于诸如选择性搜索之类标准的区域建议生成...     

从高精度卫星影像中道路的半自动提取

提出一种顾及精度、操作性的从高精度卫星影像中半自动提取道路的方法 .在整个提取过程中选用适当算法 ,尽量减少了提取数据的误差 ,为利用高精度卫星影像对对象的全自动提取开创了一种新的方法     

基于深度学习的无人机目标识别算法研究

目前无人机已经广泛应用于各行各业,但传统无人机识别方法存在成本高、识别率低、适应性差等问题导致无人机进入禁飞区域的事件时有发生,严重影响我国空域安全。针对无人机识别过程中存在的不足,提出基于深度学习的无人机识别算法,通过对LeNet-5模型进行改进,以无人机图像样本集作为网络模型训练和测试对象,构建无人机特征识别模型。模拟实验中,当网络模型学习率为0.1时,在经过150次迭代后,深度学习模型目标识别率为96.95%,经典LeNet-5模型识别率为91.18%。实验结果表明,基于深度学习的识别算法能够有效提高对无人机的目标识别率。     

无人机与深度学习在建筑物实时检测中的应用

我国城市建设快速发展,违章建筑也层出不穷,对违章建筑进行监控并对其实行拆违具有重要意义.人工辨识和遥感对比的违章建筑物识别传统方法效率低、时效性差.采用无人机拍摄视频,利用深度学习与计算机视觉技术实时分析,自动识别目标区域建筑物或特定目标成为有效方式.建立了深度学习模型,利用该模型对建筑物进行识别,识别率高达98％,为...     

基于无人机多光谱影像的冬小麦花前期氮素营养估测

目的:利用多光谱无人机建立长江中下游地区冬小麦花前期氮素营养低成本、易推广、高效率的估测模型。方法:利用DJI Phantom 4 Multispectral相机获取4个氮素水平下3个冬小麦品种的多光谱影像数据,探讨植被指数对4种冬小麦氮素营养参数估测的敏感性,采用线性回归、随机森林和主成分分析算法构建冬小麦花前关键生育时期的氮素营养参数监测模型,筛选各时期氮素营养参数的最优估测模型。结果:所选9种植被指数均与氮素营养参数呈极显著相关。在拔节期,线性模型对氮素营养参数的预测性能最佳,R²为0.87～0.94,nRMSE为8.44～12.49,RPD为2.79～4.08;在孕穗期,3种模型的估测性能相当;在抽穗期,随机森林和主成分回归模型的估测精度更高。结论:线性回归模型在拔节期和孕穗期,随机森林和主成分回归模型在冠层结构复杂的抽穗期,可实现冬小麦氮素营养参数的精准监测,研究可为长江中下游冬小麦氮素营养诊断和施肥决策提供科学参考。     

基于无人机RGB-D技术的果园参数获取实验设计

在农业院校及相关科研生产单位中,无人机被广泛应用于果园的农情信息获取,但现有消费级无人机通常只装配RGB相机,常规的定高飞行随着距离增加可能出现不稳现象,导致数据偏差,影响后续计算分析.该文基于自行开发的无人机平台,装配Nvidia开发板搭载RGB-D相机,设计果园多参数获取实验.该无人机平台能够完成果园RGB-D数据...     

基于无人机的影像数据采集与三维建模

无人机作为一种灵活、快速、有效的影像获取手段,已经广泛应用于各个领域。尤其无人机以其飞行距离长、巡航面积大、飞行速度快、空间分辨率高等特点,在三维建模方面的应用优势突出。利用无人机遥感系统采集的高分辨率影像,经摄影测量软件快速处理并建立三维模型。该方法的成本低廉、数据采集效率高、模型感官真实性强、建模自动化程度高,在很大程度上缩减了外业工期。     

基于TM影像的土地利用信息的自动提取与制图

以丹江口水库上游库区的TM卫星数据为例,首先利用遥感图像处理软件(ERDAS IMAGINE)中监督分类的方法对该区遥感数据进行分类,然后利用该区域的DEM、坡度图、归一化植被指数作为辅助手段进行空间分析,快速提取该区域的土地利用信息,提高了信息提取的速度及精度,最后利用MAPGIS软件对提取的土地信息以土地利用专题图的形式输出。     

具有弱投射的弱Hopf代数

(A,SA)和(H,SH)都是数域k上的弱Hopf代数,并且A是右H-余模代数。本文证明了:若存在H到A的代数同态i,i同时还是H-余模同态使得i SH=SA i,则存在A的一个子代数B,可在k空间B H上定义代数和余代数结构、对极使其成为与A同构的弱Hopf代数.     

基于增强监督知识蒸馏的交通标识分类

为了解决神经网络对训练数据中隐藏知识利用不充分的问题,提出1种基于增强监督知识蒸馏的模型优化方法,通过设计1种新的损失函数,实现用已有教师网络的输出指导学生网络的训练,并纠正教师网络的错误。所提出方法通过再训练挖掘出隐藏的知识,可进一步提高交通标识分类的准确率。在GTSRB数据集上验证所提出方法的有效性,通过在深度卷积网络ResNet-56的对比实验证明,经过增强监督知识蒸馏方法优化后的网络相比原有网络,分类准确率提升了1.27%。     

基于神经网络的无人机拍摄图像识别

针对无人机(unmanned aerial vehicle,UAV)拍摄图像识别准确率不高,以及由于图像数量庞大导致的时间长、效率低等问题,本文将基于神经网络的图像识别技术应用于无人机拍摄中。以拍摄的各类桥梁图像为例,将图片分别作出标注,分成实验所需的训练集和测试集。在TensorFlow网络框架上对VGG16进行改进,并运用全卷积层代替全连接层,对图像进行准确分类;同时在生成候选区域时提出一种网格聚类筛选法用于提取图片特征。研究结果表明,采用本文算法可使图像的分类准确率达到90%,且运行速度也有很大的提升,缩短了将近一半。该研究为无人机拍摄影像的识别提供了良好的应用前景。     

地裂缝运动对路桥结构作用的影响及处理措施

地裂缝灾害具有典型的三位空间性及过程的缓慢性等特点,由于地裂缝引起的路基变形在路桥结构中产生了附加应力,因此对路桥结构有重要的影响.针对于地裂缝对路桥结构的影响特点,提出了三种处理措施:对地裂缝本省的处理措施;对上部结构的处理措施;对地基的处理措施.     

中国无人机闪亮登场

无人机获取的遥感影像分辨率远高于卫星遥感,能对重点海域进行实时监管。中国将开始用无人机进行海域监测。