摘要：针对高分遥感影像融合存在影像间相关性差、融合亮度差异明显的问题,提出了一种基于非下采样剪切波变换(NSST)的国产高分全色与多光谱遥感影像融合方法。选取高分一号、高分二号和高分七号遥感影像作为实验数据,通过强度-色调-饱和度(IHS)提取多光谱影像的亮度分量;利用NSST算法对亮度分量和全色影像提取高频和低频信息,并充分考虑高频和低频之间的关系,设计有效的影像融合策略;最终采用IHS和NSST得到融合影像。与Brovey、Gram-Schmidt(GS)、Hue-Saturation-Value(HSV)、Co-occurrence filtering(COF)等方法对比验证,通过主观和客观评价相结合的方式对融合影像进行综合评价,结果表明所提方法是一种可行的遥感影像融合方法。

摘要：为确保安全合理地开发岩溶洞穴,往往需要考虑洞内的洪水情况.基于此,提出一种基于三维地理空间信息与洪水数值模拟的溶洞安全水位提取方法.首先采用Green-Ampt法、SCS单位线法和动波法构建山洪模型并验证该模型的可靠性.其次将设计的十年一遇暴雨输入洪水模型计算溶洞入口处洪水过程线,并将该洪水过程数据作为洞内洪水模拟的输入条件.最后选取较为高效的三维湍流模型在溶洞三维模型中进行洪水模拟进而提取溶洞安全水位坐标.结果表明,模拟洪痕和实际调查洪痕位置基本吻合,此次构建的山洪模型适用于该研究区域的洪水计算,且基于大涡模拟的洞内洪水三维模拟结果基本符合实际洞内水位变化特性.该方法可为溶洞开发提供更合理的安全水位参考数据.

摘要：针对高空间分辨率遥感影像背景信息复杂,现有语义分割模型提取建筑物轮廓易出现边缘缺失、边界划分不清晰等问题,提出一种边缘增强型EDU-Net深度学习网络。在EDU-Net结构设计中,通过构建边缘特征约束模块,结合Sobel边缘检测图细化建筑物边缘特征;同时,基于二次强化策略提升模型对建筑物边缘信息的表征学习能力。在WHU数据集上,EDU-Net语义分割指标MIoU和F1分别为91.99%和92.37%,相较DoubleU-Net提升0.99%和1.05%;在中国典型城市建筑物数据集上,MIoU达83.12%,同时边缘与边界分割效果更佳,证明了所提出模型具有较好的分割性能和普适性。

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：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。

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：云南西部龙陵地区分布有大片的花岗岩,其表层风化强烈,地区雨水充沛,致使边坡坡面侵蚀强烈,水土流失极其严重,现急需开展针对性的水土流失治理方案。以云南省龙陵县花岗岩分布区的风化残积砂质土为研究对象,设计了工程措施、植物措施、工程+耕作措施3种水土保持措施和3个地表坡度(10°,20°,40°)的人工模拟降雨实验,利用三维激光扫描技术对不同坡度下的水土保持措施的水土保持效果进行高精度实时监测,并以产沙率特征和减沙效益特征评价水土保持措施的有效性。实验结果表明:一定降雨强度条件下,坡度是影响坡面侵蚀的最重要因素,坡度越大,产沙速率越快;3种水土保持措施均有不同程度的减沙作用;两种相结合措施的水土保持效果要远远优于单一措施。

摘要：基于岩溶洞穴复杂表面提出三角网格的拼接与融合方法。首先,通过三角网格空间的几何关系遍历出两个拼接网格边界,找出待拼接边界;其次,采用约束Delaunay三角网格法进行连接并采用B样条插值使连接处过渡自然;最后,采用Uplacian原理进行平滑与消峰处理.使表面光滑。实验结果表明,该方法在岩溶洞三角网格拼接与融合方面能够实现高效自动化,能够减少人工干预;拼接融合完成后的三角网格可导出,以供后续工程设计使用,在工程应用中具有一定的参考价值。

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：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。