局部特征信息的航拍图像匹配算法

针对快速定向和描述符构建(oriented fast and rotated brief,ORB)算法对航拍图像匹配稳定较差、保留内点较少等问题,提出一种基于非线性尺度空间的改进ORB算法。首先借助非线性扩散滤波算法构建非线性尺度空间,相较高斯尺度空间可更好的保护图像细节信息,增强匹配算法的鲁棒性;然后借助Fast算法提取特征点,再以特征点为中心选择合适的窗口提取描述符;最后通过网格运动统计算法筛选内点。实验得出:所提算法匹配准确率相较ORB算法提高5%左右,相较加速“风”算法匹配效率提高65%左右,表明所提算法具有更高匹配正确率和效率,可更好应用在航拍图像匹配中。

基于高分辨率遥感影像的河流信息提取方法

针对基于遥感影像提取河流信息中存在检测率不高的问题,从遥感影像中地理要素具有的多特征角度出发,提出一种基于多特征融合的河流信息提取方法。首先,基于影像多尺度分割思想对待检测影像数据进行多尺度分割;其次,提取不同分割对象的多种特征信息并进行量化与融合,同时使用极限学习机分类器进行识别;最后,通过软投票法获取最终水体检测结果。将基于多特征融合的河流信息提取方法使用高分辨率影像数据进行检测,结果表明,多特征融合的河流信息提取方法得到的水体检测结果在准确率、精确率及召回率方面都达到了90%以上,表现出较强的河流信息提取性能,具有一定的有效性及优越性。

基于BP神经网络组合模型的GPS高程拟合

为了提高BP(backpropagation)神经网络的高程拟合精度,本文在BP神经网络高程拟合方法的基础上引入了模拟退火算法(SimulatedAnnealing,SA),组成新的SA-BP高程拟合方法。该组合方法充分发挥了SA算法的全局寻优的优势,优化了BP神经网络拟合方法的初始值以及权值与阈值。将本文提出的组合高程拟合方法应用于平坦测区及复杂测区实测GPS水准点高程数据中,实验结果表明,本文提出的组合高程拟合方法可对实验高程数据进行有效拟合,拟合精度较传统的曲面拟合方法与BP神经网络方法更高,验证了本文提出方法的可靠性、优越性以及针对不同地势条件的良好适应性。

遗传算法优化的BP神经网络模型在遥感水深反演中的应用

针对传统BP神经网络模型在遥感影像水深反演中存在的缺陷,本文引入主成分分析(PCA)与遗传算法(GA),构建新的GA-BP神经网络模型,该改进模型利用GA对BP神经网络模型的权值与阈值进行优化并将优化值作为BP神经网络模型初始值。将该改进模型用于遥感影像水深反演实验中,结果表明,较单一的BP神经网络模型,该改进模型的收敛速度具有较大提升,水深反演精度也更高。

基于车载激光点云的城市道路提取方法研究

车载激光扫描技术作为一种高密度、高精度、快速化的空间三维数据采集手段,已经在城市三维数据采集中得到广泛应用。为了有效提取车载点云数据中的道路边界信息,本文提出了一种基于点云法向量分布特征及扫描车轨迹信息的道路边界提取方法。首先,通过对点云处理范围的限制、种子点优化与滤波参数选取等改进车载点云滤波方法,实现地面点云的有效提取;然后,根据城市道路的分布特征及扫描车轨迹信息,实现道路边界的粗提取及精提取;最后,经结果聚类、Bezier曲线拟合得到完整、连续的道路边界线。通过实验数据对本文道路提取方法进行验证表明,道路边界检测质量、完整性、准确度均在90%以上,检测点与边界位置差均在3 cm以内。

一种遥感图像车辆检测方法

针对常用的遥感图像车辆检测方法稳定性和效率较差的问题,本文提出一种改进YOLO-V5遥感图像车辆检测方法。首先,使用群归一化层替换YOLO-V5中的归一化层,消除训练数据大小对模型的影响,降低模型训练对显卡显存的需求,增加模型收敛速度;然后,使软非极大值抑制算法选择车辆目标锚框,可更精确地定位车辆,防止因遮挡漏检车辆。由实验可知:相比原YOLO-V5模型的各类别平均精确度提高了1.53%,帧率提高0.83,表明所提方法稳定性更好、检测效率更高,可应用于遥感图像汽车检测领域。