基于Mask-RCNN算法的无人机巡检影像船只目标检测方法研究

为了进一步保护水库饮用水源地一级保护区的水质安全,采用测绘无人机手段对水库进行周期性无人机航拍巡检,进而对无人机巡检影像数据中水库船只非法捕捞、非法养殖违法特征目标智能识别、提取,提高水库生态环境检测与管理效率。本文基于卷积神经网络思想,提出了一种基于Mask-RCNN算法的无人机水库巡检影像船只目标检测方法,采用迁移学习方法,利用COCO训练集对船只目标影像进行预训练,再根据本文创建的样本数据集进行训练得到训练模型。通过对增强训练样本并采用ResNet+FPN作为特征提取器得到最优化的无人机巡检影像船只目标检测模型。在不同场景图像中,可以检测识别出水库违法特征目标,实验结果达到了预期要求,提高了无人机水库巡检影像中违法特征目标识别的准确性。

一种基于HIS色彩空间的阴影检测和补偿算法

遥感影像,由于它的获取方便、快捷、信息量大而丰富,广泛应用于各个领域。随着科技的快速发展,我国的遥感技术水平也有大幅提升,而对所要应用的遥感影像的质量要求也越高。但是在成像过程中,受各种因素的限制和影响,影像形成后均会有不同程度的降质现象,阴影就是其中一种。因此,阴影检测是遥感影像重要的预处理工作。本文在对国内外不同的阴影检测算法的缺陷以及处理结果不理想等问题的研究基础上,改进了基于HIS色彩空间的阴影检测和补偿算法并通过MATLAB运行实验,实验表明本文方法增加了阴影区域的正检率,降低了非阴影区域的误检率,补偿之后阴影区域的细节保留的更为清晰,保持了非阴影区域的色彩信息,使得整幅影像的视觉效果更好,算法稳健性较好,检测过程自动化程度高,无需人工干预,可有效应用于城市建筑物阴影检测。

物方面元匹配在倾斜摄影三维重建中的应用

采用传统的最小二乘影像匹配方法匹配倾斜影像时,倾斜影像灰度和几何畸变较大,地物遮挡较多,导致匹配到的同名像点分布不均匀,匹配可靠性较低影响三维重建效果。提出采用物方面元匹配方法对倾斜影像做精化匹配。匹配方法的过程是:首先根据初匹配生成的物点信息,采用物方差分法计算物方面元的法向量方向角;然后根据极限约束估计同名像点坐标,进而前方交会求解物方面元高程初值;最后将物方面元法向量方向角和高程初值带入条件方程,做最小二乘匹配迭代计算,实现倾斜影像同名点匹配。在经过实验验证后发现:本文方法用于倾斜影像匹配时,可提高同名点匹配的可靠性和分布的均匀性。

基于Mask-RCNN的建筑物目标检测算法

针对在航空影像中,城区80%的人工目标物为建筑物和道路,建筑物是遥感影像中主要地物的类别,所以建筑物的检测会直接影响到地物提取的自动化水平这一问题。该文提出了一种基于Mask-RCNN的建筑物目标检测方法,是基于卷积神经网络思想,在深度学习框架下通过多线程迭代训练,将无人机影像作为训练样本,在卷积神经网络中得到目标特征再通过区域建议网络(RPN)与ROIAlign操作将特征输入不同的全连接分支。最后得到具优化的权重参数的目标检测模型。在不同场景图像中,该模型可以检测出建筑物目标。实验结果达到了预期要求,提高了航空影像中建筑物检测的准确性。