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：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：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：随着遥感影像空间分辨率的提高,地物纹理细节更加丰富,采用传统的语义分割方法使分割结果过于细碎,整体性不强。针对该问题,提出一种改进迭代条件模型的遥感影像语义分割方法。首先采用L0梯度最小化模型对遥感影像去噪,然后采用迭代条件模型,通过更新影像中每个点的标记完成影像分割,最后采用Kappa指数对实验结果进行精度评价。实验结果表明,该方法是一种有效的遥感影像语义分割方法。