摘要：针对三维激光点云线性K最近邻(K-nearest neighbor, KNN)搜索耗时长的问题,提出了一种利用多处理器片上系统(multi-processor system on chip, MPSoC)现场可编程门阵列(field-programmable gate array,FPGA)实现三维激光点云KNN快速搜索的方法。首先给出了三维激光点云KNN算法的MPSoC FPGA实现框架;然后详细阐述了每个模块的设计思路及实现过程;最后利用MZU15A开发板和天眸16线旋转机械激光雷达搭建了测试平台,完成了三维激光点云KNN算法MPSoC FPGA加速的测试验证。实验结果表明:基于MPSoC FPGA实现的三维激光点云KNN算法能在保证邻近点搜索精度的情况下,减少邻近点搜索耗时。

摘要：针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市Quick Bird和World View影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度(82%与82.67%)、常规支持向量机分类总精度(87.33%与88%)、最小二乘支持向量机分类总精度(88%与89.33%)相比,精度有明显提升,分类效果较好。

摘要：针对ICESat-2 ATL08产品含有较多噪声光子和树高粗差的问题,设计了利用光子数量、光束能量和地表覆盖等特性进行光子滤波和粗差剔除的方法;研究了从高分辨率多光谱数据各波段反射参数和提取的NDVI、RVI、SAVI、MSAVI、PVI植被指数与激光测高数据之间的相关关系,对比分析了多元回归和随机森林模型反演的有效性和精度。结果表明,随机森林模型可以获得较高的树高反演精度,以浙江省杭州市临安区输电走廊进行的反演实验获得了RMSE=2.84 m的结果,结合电力数据制作的树高隐患图可以为输电设施安全隐患排查提供辅助决策。

摘要：引入拓扑自适应动态轮廓(T-Snake)模型并进行了改进,设计了合适的能量函数,提出了目标内部岛状空洞引起的拓扑冲突的检测与处理机制,实现了包含河中岛的复杂河流边界的精确提取。针对模型初始轮廓需手动构造的缺点,利用影像分形维数最小值获取水体内部区域并实现轮廓自动初始化。试验表明,该方法可有效提取水体深凹边界和含河中岛的河流边界,在精度和效率上优于传统Snake和GVF Snake模型。

摘要：区域增长法和随机抽样一致性(RANSAC)算法是从LiDAR数据提取屋顶面时常用的两类方法,但这两种方法都存在某些缺陷,使它们的应用受到了一定限制。针对LiDAR数据中建筑物脚点的特点,提出了一种融合以上两种方法优点于一体的合成算法。1根据脚点的法向量和粗糙度特征进行屋顶面粗提取;2在屋顶面粗提取结果的基础上,利用基于先验知识的局部采样策略和区域增长方式对传统随机抽样一致性算法进行扩展,实现屋顶面自动提取;3采用投票法解决屋顶面竞争问题,提高屋顶面的提取精度。实验结果表明,本文设计的合成算法能够有效地提取建筑物屋顶面。

摘要：为满足空间数据实时处理的需求,提高航空摄影测量系统在线处理能力,研究一种在线摄影测量的理论与方法,运用嵌入式架构设计一种在线摄影测量系统,使用可编程门阵列(FPGA)方法、高级精简指令集机器组合数字信号处理器(ARM+DSP)方法等嵌入式计算技术建立专门的硬件运行环境,移植并优化现有算法到嵌入式系统中,实现摄影测量数据的在线处理。机载航摄实验结果表明,该方法能够实现对摄影测量数据进行快速稳定的在线处理,验证了运用嵌入式架构的在线摄影测量的可行性,把摄影测量的处理效率提高到了一个更高的水平,同时也进一步拓宽了摄影测量技术的应用领域。

摘要：传统光学卫星国土观测覆盖评估建立在卫星对地理想覆盖的基础上,并未考虑卫星存储、星地数据传输、观测时长等物理量及观测区域气象因素对于覆盖性能的影响。本文针对光学遥感卫星的国土观测需求.建立国土观测有效覆盖能力评估指标体系,根据卫星数据存储能力、星地数据传输能力、卫星单圈最大观测时长、卫星观测太阳高度角等性能参数,提出了基于物理性能约束下的有效覆盖计算方法。根据气象台站历年气象数据,提出了气象约束因子的计算方法。综合考虑卫星物理性能约束与观测区域气象约束,计算光学遥感卫星对地观测有效覆盖能力。最后根据专家设计的光学遥感卫星国土观测有效覆盖能力评估指标权重,利用层次分析法(AHP)评估光学遥感卫星系统对于国土观测的需求满足程度。试验结果表明,本文方法对于国土观测有效覆盖的估算和评价结果更加精确,更接近于国土观测的实际应用需求,为对地观测有效覆盖能力评估提供了一种更为精确的可行方案。

摘要：深度学习正逐渐占领与"学习"相关的诸多研究领域,也对摄影测量这门学科造成冲击和促进。根据摄影测量学的定义:"利用光学像片研究被摄物体的形状、位置、大小、特性及相互位置关系",其研究对象包括几何与语义。本文从这两个方面回顾和探讨深度学习目前的应用现状,并对其影响下的摄影测量的发展进行展望。在几何上,基于卷积神经元网络的学习架构已经广泛用于图像匹配、SLAM及三维重建,取得了较好的效果,但仍需进一步改进。在语义上,由于传统的手工设计方法未能将语义信息以工程化的形式确定并生成类似4D产品的各类语义"专题图",语义部分长期受到忽视。深度学习强大的泛化能力、对任意函数的拟合能力及极高的稳定性,正使得专题图的自动制作成为可能。笔者通过道路网、建筑物、作物分类等应用实例,回顾已经取得的研究成果,并预计:利用光学像片生成高精度的语义专题图,在不远的未来即将实现;并可能成为摄影测量的一类标准产品。最后,针对几何和语义,分别介绍了笔者的两个相关研究:基于深度学习的航空图像匹配以及基于3D卷积神经元网络的精细农作物分类专题图自动提取。

摘要：针对合成孔径雷达(SAR)影像和多光谱遥感影像在融合时空间特征和光谱特征方面不能同时得到较大改善的问题,提出了一种基于成像特性的Shearlet变换域下的多源遥感影像融合方法。利用Shearlet变换的多方向和多尺度分解特性,将多光谱影像和SAR影像分别分解为高频和低频系数,从影像区域能量特征和区域相关性入手,设计了基于区域能量的低频系数融合规则和改进型的脉冲耦合神经网络的高频系数融合规则,使融合结果能够包含更多空间细节信息和光谱信息。利用TerraSAR-X、Landsat5-TM影像进行实验,结果表明该方法在提高影像空间细节表达能力的同时能够较好地融合更多的光谱信息。与小波变换、非下采样轮廓波变换(Nonsubsampled contourlet Transform,NSCT)等方法相比,该方法在空间信息保有量和光谱信息保有量方面都有明显的提升,其中交叉熵有接近100%的提升幅度,互相关系数有高于25%的提升幅度,光谱扭曲度有优于40%的提升幅度。

摘要：从遥感图像中自动化地检测和提取建筑物在城市规划、人口估计、地形图制作和更新等应用中具有极为重要的意义。本文提出和展示了建筑物提取的数个研究进展。由于遥感成像机理、建筑物自身、背景环境的复杂性,传统的经验设计特征的方法一直未能实现自动化,建筑物提取成为30余年尚未解决的挑战。先进的深度学习方法带来新的机遇,但目前存在两个困境:①尚缺少高精度的建筑物数据库,而数据是深度学习必不可少的"燃料";②目前国际上的方法都采用像素级的语义分割,目标级、矢量级的提取工作亟待开展。针对于此,本文进行以下工作:①与目前同类数据集相比,建立了一套目前国际上范围最大、精度最高、涵盖多种样本形式(栅格、矢量)、多类数据源(航空、卫星)的建筑物数据库(WHU building dataset),并实现开源;②提出一种基于全卷积网络的建筑物语义分割方法,与当前国际上的最新算法相比达到了领先水平;③将建筑物提取的范围从像素级的语义分割推广至目标实例分割,实现以目标(建筑物)为对象的识别和提取。通过试验,验证了WHU数据库在国际上的领先性和本文方法的先进性。