摘要：为了在有限训练样本情况下充分提取高光谱影像的空间光谱特征,提高分类精度,提出一种结合空洞卷积和密集网络的高光谱影像分类方法。首先,构建多尺度空洞特征提取模块,引入不同数量的空洞卷积层和普通卷积层通过级联的方式增大模型的感受野,并提取多尺度特征。然后,在多尺度空洞特征提取模块之间建立密集连接,实现特征复用的同时缓解梯度消失问题,而模块内部无密集连接,避免构建深度网络而导致网络参数过多的问题。最后,将得到的特征依次通过池化层,全连接层和Softmax层完成分类。另外,本文在全连接层后加入dropout正则化防止出现过拟合。在Indian Pines和WHU-Hi-Longkou数据集上与经典分类方法进行对比,本文方法 OA分别为98.75%和98.82%。实验结果表明,本文设计的网络模型在有限训练样本情况下,分类效果最优。

摘要：针对当前基于卷积神经网络的建筑物提取存在漏检、错检和边缘不准确的问题,提出一种多分支特征融合的建筑物提取网络MBFF-Net。首先,在VGG16-UNet网络的跳跃连接部分引入CBAM注意力机制,强化网络对建筑物特征信息的学习;然后,设计多分支特征融合模块替换解码器中的卷积块,融合不同感受野的特征信息,捕捉局部和跨通道的特征关系,丰富特征表达能力;最后,结合CBAM注意力机制和多分支特征融合模块构建MBFF-Net模型,并在WHU数据集和Inria数据集上进行验证。结果表明,与U-Net、PSPNet、SegNet、VGG16-UNet相比,MBFF-Net在IoU、Precision、Recall以及mPA 4个指标上均为最优,提取的建筑物更加完整,减少了错检和漏检现象,在建筑物提取任务中表现出良好的性能,验证了其在建筑物提取方面的可行性。

摘要：星载激光雷达系统可以覆盖机载系统难以到达的偏远地区,从机理上克服光学影像及合成孔径雷达测量的技术缺陷,为快速准确地获取林下地形、树高、生物量等森林结构参数提供了可靠的数据源。对现有的星载激光雷达技术观测体系进行综述,讨论了星载激光雷达数据估测多尺度森林结构参数的适用性,定量化分析现有星载激光雷达研究成果及存在的优缺点。最后,总结当前存在的问题,对星载激光雷达技术未来的前景和发展方向进行了展望。建议后续研究可进一步加大对反演不同森林结构参数、产品体系及标准规范、林业应用精度评价、林业用激光雷达参数设计等方面的深入研究。

摘要：手机内置微机电系统(MEMS)传感器具有零偏不稳定性和误差发散快等缺点。为了提高行人步数检测的准确性,基于图形用户界面(GUI),建立零偏校正、低通滤波和卡尔曼(Kalman)滤波3种误差处理模型。采用峰值域和时间域共同约束峰值的双特征检测方法,设计平稳前进和摆臂前进两种动态实验场景,检测行人步数。实验结果表明:在不同动态场景下,双特征检测行人步数的准确率均在95%以上,验证了所提算法的准确性和鲁棒性,满足行人步数检测的要求。

摘要：实现智慧社区需要更智能的方法来管理和优化处理人、机器和物品之间的复杂交互关系。知识图谱可以根据具体需求和应用场景灵活地设计和扩展数据模型,是行之有效的解决途径。该文通过对智慧社区人机物三元交互流程的研究,设计了一种融合强化学习的人机物三元协同智能调度方法,并使用社区数据对人机物本体进行建模,构建了融合知识图谱的社区人机物三元协同调度模型。本模型应用于首农东苑公寓智慧物业服务系统,涵盖了楼宇三维管理、智能设备检修等场景,解决了资源优化和管理问题,适应智慧社区不同服务场景人机物交互需求。

摘要：长久以来,荒漠化对人类的生存构成严重威胁。在沙漠地区使用传统的人工种植方法修复生态环境,整个作业过程费时费力,种植效率低。目前,沙漠植树机械多为半自动化且功能单一,而且受到沙漠恶劣工作环境的限制。依据上述问题,设计一种具有自动拣苗、凸轮传送和螺旋钻孔等多功能的新型沙漠植树装置,极大地减轻了人工的劳动强度,对改善当地生态环境,推动可持续发展具有重要意义。

摘要：针对遥感图像中零星目标几何特征的非规则性,提出基于非规则标识点过程的遥感图像零星目标几何特征提取方法.首先,将图像分为目标类和背景类,利用非规则标识点过程建立目标的分布和几何特征,其中非规则标识采用一系列由节点连接起来的多边形定义而成,用以拟合目标几何形状,标识点用以确定目标位置;然后分别利用多值高斯分布和KL(Kullback Leibler)散度定义特征场能量函数和异质性能量函数,形成全局目标提取能量函数,应用非约束吉布斯表达式将全局能量函数转换为概率分布函数,并在最大化概率分布函数准则下设计合适的M-H(Metropolis-Hastings)采样算法,获得最优目标提取结果;最后,采用所提出方法对遥感图像零星目标进行提取,由实验结果可以看出,所提出方法不仅能准确定位各零星目标,而且可以对其几何形状进行精确拟合.

摘要：针对道路提取方法存在的漏提、误提等问题,提出一种基于局部结构约束的线段标识点过程提取算法。将道路网视作道路段集合,以随机点过程定义位置,以线段为标识定义几何结构,根据道路局部特征构建自适应的约束模型,结合道路的光谱同质性和异质性建立光谱测度模型,在贝叶斯理论构架下,综合上述模型和参数分布建立后验概率模型,设计可逆跳变马尔可夫链蒙特卡洛(RJMCMC)算法模拟采样,并为加快收敛速率设计高效的RJMCMC转移核,以最大化后验概率为准则,获取最优道路网。采用全色遥感影像进行实验、缓冲区评价方法进行定性和定量分析,计算得出道路提取的精准率和完整率分别能达到52%和98%以上,验证所提算法能准确有效地提取出道路网络。

摘要：为解决传统FLICM算法需人为给定图像聚类数的问题,基于该算法通过聚类中心描述聚类的特点,设计以聚类中心为操作对象的分裂合并操作,以实现可变类图像分割.在此基础上定义分裂合并操作的接受率,不但能够有效避免算法陷入局部极值,促进其快速收敛,同时有利于参数阈值的自适应.分别利用所提出算法和传统ISODATA算法分割模拟图像和灰度纹理图像,对其结果的定性定量分析验证了所提出算法的有效性和普适性.

摘要：针对边缘信息不足导致的图像误分割问题,提出一种基于区域的多尺度全色遥感图像分割方法.首先,利用曲波变换对图像进行多尺度分析,获取多尺度分解图像;然后,利用规则划分技术将其图像域划分成一系列子块,结合统计方法,建立基于区域的多尺度统计分割模型;接着设计可逆变马尔可夫链蒙特卡罗(RJMCMC)算法求解该分割模型;最后,利用所提出方法对全色遥感图像进行分割实验,实验结果表明,所提出方法能够有效解决图像误分割问题,并较好地实现图像分割.