摘要：针对城市中各色建筑屋顶、水体等因素对可见光影像中绿色植被信息提取的干扰,分析各类地物要素的亮度特征、红绿蓝(RGB)信息特征,以红绿蓝植被指数(RGBVI)为基础构建一种顾及亮度因子的植被提取模型,并采用该模型与其他七种植被指数对实验区的绿色植被信息进行提取。结果表明:相较于红、绿波段的归一化红绿差分指数(NGRDI)和红绿比值指数(RGRI)指数,该模型可以消除蓝色建筑屋顶对植被信息提取的干扰,提取精度更高;相对于绿、蓝波段的归一化绿蓝差分指数(NGBDI)和绿蓝比值指数(GBRI)以及红、绿、蓝波段的红绿蓝植被指数(RGBVI)、过绿指数(EXG)和绿叶指数(GLI),该模型可以消除水体对植被信息提取的干扰,错误率更低。

摘要：首先通过无人机智能采集线路走廊的高分辨率可见光影像;再对影像数据进行空三解算和点云加密;然后通过专业软件进行树障量测分析,以提高树障巡视的效率、安全性和准确度,保障电网运行安全;最后通过工程实践验证了该技术的可靠性。

摘要：目前城市植被分类受特征相近、光谱相似影响导致植被漏分、错分。因此,设计了一种多尺度特征感知网络(MFDN)结合高分辨率无人机可见光影像对城市植被分类。该网络针对漏分、错分问题,通过在输入层引入坐标卷积减少空间信息的丢失;构建并行网络增强多尺度特征信息并在网络之间引入重复多尺度融合模块使整个过程保持高分辨率表示,减少细节特征的丢失;同时添加分离特征模块扩大感受野,获取多尺度特征,从而有效缓解了城市植被错分、漏分现象。结果表明,MFDN方法在仅使用无人机可见光影像条件下主要是通过空间模式而不是光谱信息促进了城市植被分类,平均总体精度为89.54%,平均F1得分为75.85%,平均IOU为65.45%,分割结果准确完整。因此,所提方法与易于操作的低成本无人机系统相匹配,适用于城市植被快速调查,可以为城市空间利用和生态资源调查提供技术支持和科学依据。

摘要：光学遥感观测极易受到云雾影响,降低数据质量并限制其后续应用潜力。由此,提出了一种基于类内拟合的遥感影像薄云雾校正方法。首先,利用滑动窗口逐波段地搜索局部最小值,称之为暗目标,通过拟合不同波段的暗目标样本估计出薄云雾辐射的相关性。基于此,联合云雾波段相关性与成像模型,生成不含云雾干扰的合成假彩色影像,利用K均值分类自动得到地表覆被类型。利用地类信息,进一步选取晴空区像元获取不同地类在不同波段对间的线性关系。最后,将上述两种线性关系进行联立,求解出各地表类型在不同波段上的值,从而完成影像校正。通过模拟与真实实验对方法有效性和场景适用性进行测试,并从定性目视与定量评估两方面对结果进行检验。实验结果表明:提出方法可有效去除薄云雾干扰,适用于不同地表覆被类型场景,获得高光谱保真的校正地表。