摘要：烟草是一种特殊农作物,烟草的提取对其信息统计起着重要作用。针对烟草单株提取难的问题,提出了一种结合多特征和超像素的无人机影像烟草精细提取方法。首先利用简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)算法对影像进行超像素分割;然后统计超像素的平均值、亮度、长宽比、形状指数、红绿蓝波段值和自定义植被指数;接着通过对超像素特征组合和特征阈值选取来实现烟草的精细提取;最后对提取信息进行统计和分析。实验结果表明:该方法能有效地提取烟草株树,准确度分别为99%和98.6%。利用该方法,在计算烟草产量方面供了有效参考,节省了大部分的人力财力。

摘要：针对高空间分辨率遥感影像地物复杂、传统变化检测方法漏检率高的问题,提出了一种联合显著性和多方法差异影像融合的多时相遥感影像变化检测方法。选取3组双时相高空间分辨率遥感影像作为实验数据,首先分别采用变化矢量分析(change vector analysis,CVA)和光谱斜率差异(spectral gradient difference,SGD)两种方法对两个时相遥感影像进行对应的差异影像构造;然后通过基于聚类的联合显著性方法分别获取两幅差异影像的联合显著性图;最后,将两幅联合显著性图进行融合得到联合显著性差异图,并采用大津法(OTSU)对联合显著性差异图进行阈值分割和闭运算得到最终变化图。实验表明,该方法的总体精度(overall accuracy,OA)、Kappa系数和F-measure精度优于传统方法,可靠性强,具有很高的准确性。

摘要：桥梁作为典型且重要的地面目标,是交通运输线路的咽喉,对桥梁进行自动检测具有十分重要的社会和经济意义。深度学习已成为桥梁检测新方式,但对云雾遮挡的桥梁检测精度较低。针对该问题,提出了一种结合随机擦除(random erase,RE)数据增强和YOLOv4模型的桥梁目标自动检测方法,首先统计数据集中目标的尺度范围,利用k-means聚类获得锚框尺寸;然后通过RE与Mosaic数据增强相结合的方法模拟云雾遮挡的情况;接着采用YOLOv4网络对经增强后的数据集进行训练;最后采用平均精度(mean average precision,mAP)评估实验结果。实验结果表明,提出方法的mAP为97.06%,比YOLOv4提高了2.99%,其中被云雾遮挡的桥梁平均检测准确度提高了12%,验证了提出方法的有效性及实用性。

摘要：电杆倾斜角度是线路设计与运维均需考虑的重要参数之一,便捷高效地实现电杆倾斜角度精确测量,对电杆倾斜巡查具有重要的应用价值。鉴于现有测量方法的不足和车载三维激光扫描系统的特点,提出了基于车载三维激光扫描技术电杆倾斜角度测量的新方法。首先通过获取的实景和点云融合数据,绘制俯视方向电杆顶和电杆底的圆形外轮廓线;然后通过两种方法计算倾斜角度:1)测量杆顶圆心和杆底圆心之间的距离和电杆的长度;2)测量两个圆心的坐标,并与全站仪测量结果进行对比验证,结果表明基于车载三维激光扫描技术能有效地实现电杆倾斜度快速巡查。

摘要：实现烟草单株自动化提取对加快烟草农业信息化有着重要意义,但目前烟株精细的提取还存在较大困难。因此,提出了一种基于模糊超像素分割(fuzzy-superpixels,FS)算法的无人机烟株提取方法。首先通过绿地提取方法得到无人机影像中的植被覆盖区域;然后利用FS算法对影像进行超像素分割,并统计超像素的均值、亮度、形状指数、长宽比、自定义植被指数等特征;最后通过计算超像素的特征阈值,对烟株数目进行精细提取和统计。选取3景无人机影像作为实验数据,实验结果表明,该方法提取烟株的总体精度分别为84.28%,89.05%和82.97%。该方法可实现对烟株的自动化提取,为后期计算烟草产量提供有效参考。

摘要：在“互联网+测绘”和工程教育认证的背景下,为适应新时代信息化测绘发展的浪潮,急需对测绘工程专业课程体系进行调整和优化。本文以昆明理工大学测绘工程专业为例,首先介绍测绘工程专业的办学历史和办学情况;然后围绕课程设置、实践环节等方面来探索在新背景和新时代下测绘工程专业课程体系如何建设;最后讨论测绘工程专业课程体系调整和优化过程中存在的问题。

摘要：在遥感影像检测中,一般采用多变化阈值来提高检测精度,但会导致运算量的增加。为解决该问题,提出利用粒子群算法及多阈值指数熵的遥感影像变化检测新方法。首先采用影像差值法构造差异影像;然后提出利用粒子群和多阈值指数熵的遥感影像分割方法,并将其用于对差异影像进行分割获取变化区域;最后对选取的实验数据进行变化检测,并与基于模糊C均值、双阈值指数熵、三阈值指数熵的非监督变化检测方法进行比较。实验结果显示,提出的变化检测方法其精度为94.77%,本案方法是一种有效地、可靠的遥感影像变化检测方法。

摘要：为揭示我国人口出生率随地域分布的特点,本文以2003年、2006年、2009年、2012年、2015年、2017年六个时间段全国31个省市自治区的人口出生率数据为基础,研究从2003年到2017年这一时期内各省市人口出生率的整体变化情况,并通过热点分析、莫兰指数(Moran’s I)来反映人口出生率的空间聚集性和空间相关性,通过分析人口出生率重心的迁移过程来反映空间异质性。结果表明:我国各省市人口出生率的空间聚集性显著,主要集中在东部和西部地区,且人口出生率呈现出西部地区明显高于东部地区的特点;通过人口出生率重心迁移规律可以看出,在2003年至2017年期间,我国人口出生率重心整体向东移动。根据以上结论,国家应合理制定生育政策,因地制宜,从多方面出发来解决我国人口出生率低以及老龄化基数大的问题。

摘要：交通标志的检测与识别是智能驾驶导航系统的重要组成部分,但传统方法的处理过程由于精度低、时间复杂度高以及鲁棒性差等缺点,不能满足当前智能驾驶的需求。为此,提出了一种基于Mask R-CNN的无人机影像路面交通标志检测与识别方法。首先,制作了一套高质量的无人机影像路面交通标志数据集;然后,根据统计的200个标记路标特征,对Mask R-CNN中区域候选网络(region proposal network,RPN)结构的锚框宽高比及初始参数进行了改进,使其更好地应用于无人机影像路标场景;最后,采用精确度-召回率(precision-recall,PR)曲线和平均精度值(mean average precision,mAP)进行精度评价。实验结果表明,锚框宽高比为1∶1,1∶2,1∶3时效果更好;该方法得到的识别结果平均检测精度为98.33%,高于Faster R-CNN和YOLOv3方法,具有较好的有效性。

摘要：超像素分割已成为遥感影像预处理研究的新热点,但易形成过分割。为解决该问题,提出一种结合超像素和图论的高空间分辨率遥感影像分割方法。首先,采用简单线性迭代聚类(simple linear iterative clustering,SLIC)算法对遥感影像生成超像素过分割影像;然后,采用图论算法对超像素进行合并,通过计算得到每次合并后的分割数对应的局部方差,确定合适的影像分割数;最后,根据合适的影像分割数用图论算法对超像素重新聚类合并。实验数据为4幅不同空间分辨率、不同场景的遥感影像,采用定性和定量相结合的方法评价实验结果。实验结果表明,该方法能有效地解决遥感影像过分割结果的问题,获得了良好的分割结果。