基于改进2DCNN的高光谱遥感图像处理研究

针对传统遥感图像处理中的时间成本和人工成本高、效率低等问题,以提高遥感高光谱图像分类中的处理速度、精度,降低参数量为目标,提出改进的2DCNN模型En-De-2CP-2DCNN.首先,使用1DCNN、2DCNN与3DCNN在Pavia University HSI数据集上分别进行分类实验,对比分析各自优缺点.其次,在保持较快的处理速度和不增加模型参数量的前提下,选择2DCNN为基础模型,参考SegNet的Encoder-Decoder结构,融入双卷积池化思想进行基础模型改进,同时优化学习策略.结果表明:En-De-2CP-2DCNN模型F1为99.96%,达到3DCNN的同等水平(99.36%),较改进前(97.28%)提高2.68个百分点;处理速度(5 s/epoch)和1DCNN位于同一量级,快于3DCNN(96 s/epoch);参数量(2.01 MB)较改进前降低了1.54 MB,虽高于3DCNN(316 KB),但远低于1DCNN(19.21 MB).En-De-2CP-2DCNN模型在处理速度和参数量方面的改进,有利于进一步实现移动端的轻量化部署.

基于UAV-RS虚拟仿真系统的教学模式探究

针对无人机和遥感测绘(unmanned air vehicle for remote sensing,UAV-RS)相关专业在实际教学中存在的问题,如设备资源和实验时间无法满足学生需求,野外作业中无人机的安全难以管控,天气和环境条件要求苛刻等,以无人机遥感测绘外业为仿真对象,设计开发了虚拟仿真系统,改革实训教学模式。仿真系统确立了无人机飞行操控、地面场景模拟和遥感图像获取3个模块,引导学生自主完成无人机遥感测绘外业过程。评估实验中经过仿真系统学习的学生(实验组)的项目完成率为:初级90%、中级80%、高级75%,均明显高于对照组。表明基于仿真系统的教学模式可提升UAV-RS的外业教学效果,提高复杂项目完成率,并能够激发学生自主学习的积极性。

基于SVM的农作物种植结构遥感提取研究

随着国家振兴农业口号的提出,我国农业现代化又将迎来一个新的历史机遇。高精尖的现代化科技对于农业发展必不可少,支持向量机(SVM)是比较成熟的算法。研究证明,在ENVI中合成此算法作为分类器应用于遥感影像分类可提升遥感影像解译精度,节省人工以及降低获取数据的成本。