摘要：云阴影的存在严重影响了高分辨率航空遥感影像的视觉效果和影像质量.为去除云阴影,提出了一种无需人工参与的自动处理方法.首先采用光谱特征阈值法初步检测云阴影,再结合形态学方法进行后处理,提取完整的云阴影区域;阴影去除时,设计了一种利用非阴影区域信息、阴影整体区域信息、阴影像素局部窗口及像素本身信息的综合补偿模型,所需参数均可自动获取,进而实现阴影的自动去除.实验表明,区域级、窗口级和像素级多层次信息的引入,使模型的细节敏感度增强,提升了对比度,能灵活根据复杂的云阴影遮挡情况对阴影进行合理提升,有效解决了部分补偿方法存在的补偿效果不均匀的问题,阴影中地物的色彩与纹理等信息均得到更真实的再现.

摘要：针对全卷积神经网络模型在进行建筑物提取时易产生过度分割以及内部空洞的问题,提出基于多重多尺度融合注意力网络(MMFA-Net)的高分辨率遥感影像建筑物提取方法.该方法以U-Net为主体架构,设计2个模块:多重高效通道注意力(MECA)和多尺度特征融合注意力(MFA). MECA设计在模型跳跃连接中,通过权重配比强化有效特征信息,避免注意力向无效特征的过渡分配;采用多重特征提取,减少有效特征的损失. MFA被嵌入模型底部,结合并行连续中小尺度空洞卷积与通道注意力,获得不同的空间特征与光谱维度特征,缓解空洞卷积造成的大型建筑物像素缺失问题. MMFA-Net通过融合MECA和MFA,提高了建筑物提取结果的完整度和精确率.将模型在WHU、 Massachusetts和自绘建筑物数据集上进行验证,在定量评价方面优于其他5种对比方法,F_(1)分数和IoU分别达到93.33%、87.50%;85.38%、74.49%和88.46%、79.31%.

摘要：提出了高分辨率遥感影像中阴影的检测与补偿的全自动处理方法.首先,利用简单阴影特征构造复合特征的方法联合构建多种光谱阈值检测条件,结合相应自动阈值获取方案实现阴影自动初检测,并设计自动形态学处理方法对初检测结果进行后处理;然后,以补偿模型为基础,通过统计阴影与非阴影区域的亮度均值与均方差、采用特征点提取与匹配的方法自动获取模型参数,再综合区域级整体补偿和窗口级局部补偿两种结果实现阴影的全自动补偿.结果表明,多条件联合检测与自动形态学处理可提升检测结果的总体精度和区域完整性,补偿模型参数自动获取方法可靠有效,综合补偿法充分结合整体与局部补偿的优势,提升整体亮度,突显纹理细节,使得被阴影遮挡的信息得以真实再现.

摘要：遥感影像中云阴影的遮挡严重影响着影像解译与应用,寻找一种高效的阴影补偿方法恢复被遮挡信息显得尤为重要。针对现有常规Gamma变换补偿模型中γ系数计算方法依赖阴影区域统计特征,无法体现阴影区域内部差异的问题,提出一种利用不同层级的影像特征信息构建自适应Gamma变换的云阴影补偿算法。首先对遥感影像进行云阴影检测,获取云阴影区域并统计区域级的特征均值与方差;然后设计了改进对数变换γ因子计算方法,通过综合阴影区域内像素局部窗口与阴影区域和非阴影区域的多层级均值方差信息,加权求解能反映阴影区域总体特征和内部差异的最佳值,实现像素级的自适应补偿,使得云阴影区域内部所有像素均能得到合理补偿,达到与非阴影区域相一致的效果。实验结果表明,所提方法可有效实现不同形状、厚度云层下的云阴影补偿,云阴影亮度和对比度提升明显,较好地再现云阴影下的区域地物细节。

摘要：针对遥感影像中的阴影会导致地物信息受损、影像质量下降的问题,提出了联合对数变换与局部增强的高分遥感影像阴影补偿方法。在阴影检测结果的基础上,首先设计了改进的对数变换图像增强方法,构建了对数变换模型,实现了阴影区域亮度的有效提升。然后,联合局部补偿模型,进行了加权处理,提升了阴影区域的对比度。最后,基于阴影边界同类特征点匹配的思想,自动解算了补偿模型的参数,实现了自动补偿。实验结果表明,所提方法可有效地实现阴影补偿,提升阴影区域的亮度与对比度,较准确地再现阴影区域地物的真实信息。

摘要：针对从高分遥感影像中提取建筑物易受阴影和植被等遮挡而导致错误检测的问题,提出一种建筑物轮廓双向驱动自适应分割重构的规则化方法。首先采用基于最小外接矩形(MBR)的平直旋转变换算法,旋转建筑物轮廓至水平或竖直状态,减少轮廓图形学显示上的锯齿表征;然后设计MBR和Shi-Tomasi联合双向驱动建筑物轮廓自适应分割算法,将轮廓化整为零精准分割形成局部片段;最后提出基于局部最优权拟合的轮廓重构算法,依次对局部片段进行属性分配、约束重组、最优权拟合与坐标重组,实现建筑物轮廓的规则化。实验结果表明,与初始提取结果相比,经所提方法规则化的轮廓视觉效果更好。与同类基于栅格填充、角点校正、最优外接矩形拟合和主方向的4种轮廓规则化方法相比,所提方法在保证规则化效率的同时,精度也更高,具有更广泛的适用性,对常见包含不同角度变化的复杂建筑物均能得到更加规整的轮廓,可作为建筑物提取后处理规则化的参考手段。

摘要：电气化铁道接触网的非接触式检测研究对保障铁道的安全运营具有重要意义,检测工作需要大量的精确接触网点云数据支持,目前存在接触网部件间不易分割导致难以提供精确接触网点云数据支持的问题。针对该问题,本文提出了多级索引及移动向量联合的接触网提取方法。首先利用多级索引框简化铁道场景数据;然后通过轨迹线构建提取通道获取支柱底部中心点集,以计算沿轨移动向量;最后进行二级索引框的姿态调整,实现接触网的准确提取。本文设计了参数分析与对比试验,在10 km铁道场景中进行试验分析。结果表明,本文算法对接触网提取的查准率、查全率、F1均在约99%,均优于参照算法,表明本文算法能够适应复杂场景。

摘要：针对高分辨率遥感影像建筑物语义分割中存在单体建筑部分漏分与纹理相近的非建筑物错分的问题,提出深度特征提取与多输出增强建筑物语义分割网络。首先,在编码与解码交替处设计并行连续空洞空间注意力金字塔模块,对建筑物高维特征实现深层提取;然后,在网络解码阶段设计多输出增强融合模块,提升不同尺度建筑物特征对输出结果的有效参与度。选取U-Net、DeeplabV3+、MA-FCN、BRRNet同类算法进行对比,在Massachusetts和WHU公共数据集上测试,OA、precision、recall、IoU、F1指标分别达到98.87%、94.53%、95.40%、90.41%、94.96%,与同类算法相比,除precision之外其他4项指标更高,与U-Net相比,依次高出0.25%、1.12%、1.14%、2.02%、1.12%。

摘要：在盾构隧道中,渗水问题常导致电力系统短路、设备腐蚀以及结构劣化等后果。然而,现有的渗水病害检测技术存在智能化程度低、精度和效率不足的问题。针对这一挑战,提出一种基于点云强度图像的智能化渗水病害检测方法。首先,利用移动激光扫描设备在弱光环境的隧道条件下收集三维点云数据,标注构建了渗水病害数据集。然后,针对多尺度渗水目标,设计了高性能的目标检测网络。该网络集成了专为处理多尺度渗水信息而设计的可重构上下文信息融合模块,并设计了渗水的难例挖掘损失函数,以提高模型对多尺度渗水目标和具有挑战性目标的检测能力。为简化模型复杂度,使用改进后的轻量化检测头结构减小模型的大小。最后,通过在渗水病害数据集上进行训练和测试,实验结果表明,该模型实现了93.59%的渗水病害识别率,AP指标相比原模型提高了3.69%。此外,改进后的模型相比于原模型计算量减少了47.15%。消融实验和对比实验进一步验证了该方法的有效性以及相对于其他方法的优势。总体而言,该方法在效率和精度上都取得了显著效果,为盾构隧道渗水病害检测提供了有效保障,有助于确保隧道的安全运行。

摘要：针对C#程序设计数据库编程教学中存在的数据源种类多、不理解参数化和存储过程的意义和使用等问题,重新梳理知识点,提出将实践任务融入教学,具体融合知识点并映射为实践任务、实现理论与实践一体化教学,该教学方式有助于培养学生编程思维和实践能力。