常用多光谱遥感水体提取少有兼顾光谱与空间信息,致使水体提取的可靠性和准确性难以保证。在利用遥感水体光谱特性的同时,融入深度学习算法,提出归一化差分水体指数(normalized difference water index,NDWI)与深度学习联合的遥感水体...常用多光谱遥感水体提取少有兼顾光谱与空间信息,致使水体提取的可靠性和准确性难以保证。在利用遥感水体光谱特性的同时,融入深度学习算法,提出归一化差分水体指数(normalized difference water index,NDWI)与深度学习联合的遥感水体提取方法。该方法首先选取典型水体样本进行训练,构建深度学习卷积神经网络(convolutional neural networks,CNN)水体识别模型。其次,计算多光谱影像NDWI指数并分割成图斑,以图斑包络矩形构建初始的水体目标子区。最后,构建NDWI指数与CNN水体识别概率的联合估计模型,并以迭代运算实现最优化遥感水体提取。实验验证了该方法的高可靠性与准确性。相比常用方法,水体识别准确率高达94.19%,而错分率仅为5.04%,显著提高了水体提取精度。展开更多
针对无人机机载相机参数需频繁地高精度标定问题,为满足不同条件下以及航测的需要,提出利用稳健估计平差法参与相机标定的方法。该方法根据相机针孔成像原理,利用线性和非线性的Tsai两步标定法,以及从Robust原理导出的选择权迭代法,逐...针对无人机机载相机参数需频繁地高精度标定问题,为满足不同条件下以及航测的需要,提出利用稳健估计平差法参与相机标定的方法。该方法根据相机针孔成像原理,利用线性和非线性的Tsai两步标定法,以及从Robust原理导出的选择权迭代法,逐步消弱特征点定位粗差对内参数估计的影响,以实现高精度相机标定。以无人机机载相机Cannon EOS 5D MarkⅡ进行标定试验,并采用9×9棋盘格LCD(纯平液晶显示器)作为标定模板。结果表明,该方法可获取较高的标定精度,且比等权最小二乘法参数估计更优,对于无人机机载相机标定具有一定的实用性。展开更多
针对仅依赖二维遥感影像提取大豆覆盖度难以剔除杂草等复杂背景干扰的问题,该研究提出一种结合三维密集点云的大豆覆盖度提取方法,利用改进的运动恢复结构(Structure from Motion,SfM)算法与半全局匹配(Semi-Global Matching,SGM)算法...针对仅依赖二维遥感影像提取大豆覆盖度难以剔除杂草等复杂背景干扰的问题,该研究提出一种结合三维密集点云的大豆覆盖度提取方法,利用改进的运动恢复结构(Structure from Motion,SfM)算法与半全局匹配(Semi-Global Matching,SGM)算法从无人机立体影像中生成高精度稠密的大豆叶面真彩色三维点云,通过伽马增强的可见光绿叶指数提取植被信息,采用最佳结构元的局部阈值分割算法消除低矮杂草等噪声干扰,以达到结合可见光谱与三维点云实现复杂背景下大豆覆盖度提取的目的。选取不同时期、不同杂草混杂程度、不同地形起伏背景的大豆种植区无人机可见光影像进行试验。结果表明,该方法适用于复杂背景下的花芽分化期大豆覆盖度提取,伽马增强的绿叶指数可提高植被提取精度,结合三维点云信息的覆盖度提取总体精度达到98%以上,相比支持向量机、结合Lab颜色空间变换与Kmeans分割法、双峰阈值法等常用方法效率提高至少68%,在精度和效率方面明显优于仅利用二维影像的覆盖度提取方法。研究成果对于农田精细化管理和产量估测等具有重要的参考价值。展开更多
文摘针对无人机机载相机参数需频繁地高精度标定问题,为满足不同条件下以及航测的需要,提出利用稳健估计平差法参与相机标定的方法。该方法根据相机针孔成像原理,利用线性和非线性的Tsai两步标定法,以及从Robust原理导出的选择权迭代法,逐步消弱特征点定位粗差对内参数估计的影响,以实现高精度相机标定。以无人机机载相机Cannon EOS 5D MarkⅡ进行标定试验,并采用9×9棋盘格LCD(纯平液晶显示器)作为标定模板。结果表明,该方法可获取较高的标定精度,且比等权最小二乘法参数估计更优,对于无人机机载相机标定具有一定的实用性。
文摘针对仅依赖二维遥感影像提取大豆覆盖度难以剔除杂草等复杂背景干扰的问题,该研究提出一种结合三维密集点云的大豆覆盖度提取方法,利用改进的运动恢复结构(Structure from Motion,SfM)算法与半全局匹配(Semi-Global Matching,SGM)算法从无人机立体影像中生成高精度稠密的大豆叶面真彩色三维点云,通过伽马增强的可见光绿叶指数提取植被信息,采用最佳结构元的局部阈值分割算法消除低矮杂草等噪声干扰,以达到结合可见光谱与三维点云实现复杂背景下大豆覆盖度提取的目的。选取不同时期、不同杂草混杂程度、不同地形起伏背景的大豆种植区无人机可见光影像进行试验。结果表明,该方法适用于复杂背景下的花芽分化期大豆覆盖度提取,伽马增强的绿叶指数可提高植被提取精度,结合三维点云信息的覆盖度提取总体精度达到98%以上,相比支持向量机、结合Lab颜色空间变换与Kmeans分割法、双峰阈值法等常用方法效率提高至少68%,在精度和效率方面明显优于仅利用二维影像的覆盖度提取方法。研究成果对于农田精细化管理和产量估测等具有重要的参考价值。