摘要：当前我国正在进行大规模的农村土地确权,大部分地方采用了基于航飞DOM影像来对地块空间位置进行确定。但是,受当前影像处理算法智能程度的限制,需要大量专业人员来提取影像中的地块边界,导致成本和时间开销的增加。本章将人计算(human computation)理念引入影像处理,设计了一个基于人计算的土地确权遥感影像地块边界提取判读应用系统,实现了系统原型,验证了其可行性。

摘要：保障植保无人机执行喷洒作业时不越过作业地块边界,是保证植保无人机作业安全性与高效性的必要前提。设计了一种高效可靠的无人机植保作业电子围栏,能够实时检测无人机是否越界,并在有越界风险时及时发出预警。首先,算法根据作业地块边界、无人机飞行速度等关键要素确定电子围栏报警模型并由此生成安全边界。当无人机飞行在安全边界内时,算法不对其进行越界检测;当无人机飞行于安全边界与作业边界之间时,算法将进行越界检测并同时发出预警,提示无人机操作人员随时准备控制无人机改变航向;当无人机飞行于作业边界之外时,将反馈越界标志,提供给飞行控制系统或无人机操作人员介入控制。测试表明:无人机植保作业电子围栏能够实现高效、可靠的飞行监测,实时检测植保无人机飞行是否越界,并在有越界风险时及时发出越界预警。

摘要：耕地地块作为精准农业的重要支撑,现有地块边界大多依靠人工勾绘。随着遥感技术的发展,基于遥感影像自动提取耕地地块成为研究主要方向,其中基于深度学习的方法能够克服传统检测方法难以适应复杂场景的局限而被广泛使用,但现有检测方法仍存在问题,基于深度卷积模型直接识别耕地区域会丢失内部边界、而基于边缘检测模型识别耕地边界时则会同时得到大量无关边界;此外,现有的基于阈值提取地块的策略所提取的地块不够规整,存在内陷的问题。针对上述问题,本研究提出一种基于深度卷积网络和分水岭分割的耕地地块提取方法,从信息检测和地块提取两方面进行改进:(1)将耕地边界视作一种地物类别,在深度卷积网络中进行类别概率检测,帮助实现对耕地边界的语义识别。(2)基于改进后的D-LinknetXt网络进行检测,其网络架构适合于对耕地边界这类线性目标的提取,同时更换原始D-Linknet网络的残差单元,帮助提高了网络的特征提取能力。(3)基于分水岭分割对耕地地块进行提取,利用了区域分割方法获取边界的封闭性,并且这种以区域为单元进行分割并合并的方式,解决了原有方法在像元尺度上基于阈值提取所遇到的提取地块存在内陷的问题,使地块更规整准确。在一景高分二号影像上进行检验,并设计两类精度指标,从全局边界精度和地块几何精度两方面进行方法性能评估。实验结果表明,本方法的精度优于3种对比方法,在代表边界精度的F1分数上达到了0.933,地块几何精度为0.829。本研究所提出的方法能够更加准确的对耕地地块进行提取,并适用于实际应用中。