深圳市宝安区土地利用遥感分类方法对比分析

以深圳市为代表的新型城市,面临城市土地利用类型种类多、变化快等问题,在实际生产中急需高精度、高效率且时效性强的智能化监管方法。因此,本文结合第三次全国国土调查成果和2019年深圳市宝安区0.2 m高分辨率遥感影像,构建了宝安区地表自然资源丰富区域的样本库,比较分析了以K近邻、支持向量机、随机森林和梯度提升决策树作为分类器的传统机器学习分类方法,以及以U-Net、Resnet50-unet和DeepLabV3+模型作为语义分割模型的深度学习分类方法的适用性。结果表明:①面向对象分类比基于像素分类结果整体性更强,能解决“椒盐噪声”问题;②分类结果最好的传统机器学习模型和深度学习模型分别是随机森林、DeepLabV3+;③在较少样本量条件下,梯度提升决策树相较于DeepLabV3+模型,在计算效率与结果可解释性方面具有优势;DeepLabV3+模型经充足样本量训练后的分类结果优于传统机器学习分类方法;④总体而言,DeepLabV3+模型分类结果最佳,在宝安区整体区域的土地利用分类结果符合第三次全国国土调查的情况,预期能兼顾实践生产中精度和效率要求。

适用于高精度激光测距的光学系统设计

随着激光雷达技术的发展和测距精度需求的提高,对发射和接收光学系统提出了新的要求,需具有光束可调节、测量光斑小、回波效率高等特性。设计一种工作于1550 nm光通信波段的收发一体光学系统,发射与接收模块共用部分光路,以减小接收视野盲区,同时有利于结构小型化。为解决不同测量距离、不同表面倾角造成的回波能量差异问题,将光学系统的扩束组件设计成放大倍率为2×~3.5×的连续可调结构;使用两组双胶合透镜进行色差校正,以降低光谱宽度对系统传播距离的影响。经设计优化,系统准直后的激光发散角小于0.3 mrad,出射光斑直径在6.26 mm~10.20 mm连续可调,对于50 m内的测量目标,照射光斑直径均小于20 mm,且在不同变焦位置发散角和光斑直径均满足设计要求。