基于DeepLabv3架构的高分辨率遥感图像分类

针对目前使用机器学习解决高分辨率遥感图像分类主要存在下采样导致的细节信息丢失问题,提出了一种基于DeepLabv3架构的小波域DeepLabv3-MRF(Markov random field,MRF)算法。选择当前较为普遍的DeepLabv3架构分类算法,能够获得更为精确的分类结果;采用小波域DeepLabv3-MRF算法,还能够获得更为清晰的边缘细节信息。选取南方某地区高分辨率无人机遥感图像进行分类实验,通过小波变换的方向性、非冗余性以及MRF变换像素空间的交互性这三个方面,将分类结果与原始DeepLabv3架构分类结果对比分析。结果表明,所提出的分类方法精度明显高于原始DeepLabv3架构分类算法的精度,总体精度可提升3%左右,并且可以充分表达高分辨率遥感图像细节信息。

深度图像分割的城市区域倾斜影像密集匹配点云滤波算法

倾斜摄影测量作为一个新兴领域发展势头迅猛,在众多领域得到了广泛应用。但倾斜影像密集匹配点云处理技术研究却相对较少。倾斜影像密集匹配点云分布不均匀、表面粗糙,因而传统的激光扫描点云处理算法在用于倾斜影像密集匹配点云处理时的适用性较低。本文从倾斜影像密集匹配点云特点出发,提出了一种利用点云高程信息生成深度图像提取建筑物非连通区域,在全局范围选取种子点实现多种子点区域生长的点云快速滤波算法。实验结果表明,该算法滤波效果好、速度快,可以改善密集匹配点云部分地物底部边缘不清晰引起错分和区域生长无法分割建筑物非连通区域的问题。

基于“双模型”的高分辨率遥感图像分类算法

高分辨率遥感图像刻画突出的地物细节,将遥感图像进行分类能够获取丰富的场景语义信息。当前的遥感图像分类算法无法充分融合高分辨率遥感图像的边缘细节信息。本文将小波变换和深度学习结合,提出了一种基于“双模型”的高分辨率遥感图像分类算法。首先,采用小波域对图像进行分解和重构,提取图像的边缘特征;其次,利用非锐化掩膜法增强图像边缘特征的同时去除噪声;最后,选择DeepLabv3架构分类算法训练南方某地区高分辨率无人机遥感图像,以实现高分辨率遥感图像的分类与识别。实验结果表明,该算法有效的保持和增强了图像分类效果,得到了较好的边缘细节信息。

面向网络空间表达的数据模型设计及处理方法

目前网络空间地图缺少完整的要素体系和反映网络空间本质的地图数据模型,在表达网络空间多维信息方面能力有限,也无法满足不同的网络空间表达需求。在分析网络空间地图要素的基础上,将网络空间视为三维的信息网络世界,设计了面向网络空间表达的地图层次模型与数据存储结构,分析了数据处理的流程与关键技术。该模型能够适应不同表达需求,为网络空间多维信息可视化提供底层支持。

基于复合距离Cartogram的网络空间信息地图可视化方法

由于距离Cartogram可以在简化和变形的地理空间上表达空间关系信息,依据网络空间信息可视化模型和网络拓扑结构设计了一种复合距离Cartogram,以基于地理空间位置信息展示网络空间要素间抽象的逻辑关系。为生成网络空间复合距离Cartogram,提出了网络社团节点的坐标转换原则和方法,并针对将其作为控制点进行空间变形产生的拓扑问题,研究了线要素拓扑问题的处理方法。实验证明,该地图可视化方法能够模拟和表达不易明确定位、难以准确度量的网络空间信息,同时利用地理空间知识提高认知网络空间中网络要素、网络结构和网络流现象的效率和效果。

面向特征的网络空间点群要素自动综合方法

网络空间信息可视化对揭示网络空域规律、促进网络空间认知具有重要意义。将网络空间节点与拓扑关系直接可视化的视图中存在大量的点重合和线交叉,目前已有的网络节点布局算法、集束边技术、骨干网提取和网络路由拓扑多尺度表达等方法能够优化视图效果,但在网络的微观结构上,对保持网络空间点群要素的特征信息关注不够。通过分析并量化网络空间点群要素的各类特征信息,提出了一种基于层次聚类的要素聚合方法和一种基于节点重要性度量的要素选取方法,以自动综合的方式对网络空间点群要素进行综合。实验结果表明,该方法能够保持网络空间点群要素的空间特征,为定量表达网络空间特征、加速生成视觉效果良好的网络空间地图提供基础数据综合方法。

面向制图的GlobeLand30数据小图斑综合方法

针对当前的小图斑综合方法无法满足基于GlobeLand30数据制作地表景观图需要的问题,该文通过建立变化分界尺度计算模型、改进图斑处理方法,并基于层次格网划分综合区进行小图斑综合,最后将此方法应用于郑州市地区地表覆盖数据的综合并生成了地表景观图。实验结果表明,该方法在保持地表覆盖的整体结构特征和各类型地表覆盖的空间分布特征方面效果显著。