基于图像块SIFT特征学习的多源遥感图像匹配方法

对于多源遥感图像因成像原理、时相差异以及分辨率等因素导致的匹配困难问题,提出了一种基于图像块SIFT特征学习的多源遥感图像匹配方法。首先,通过尺度不变特征变化(scale-invariant feature transform,SIFT)提取图像特征点并截取对应的图像块对;其次,利用多源遥感图像匹配网络(matching nerul network,MNN)学习图像块特征并输出匹配点对,结合快速样本一致性(fast sample consensus,FSC)方法优化匹配结果;最后,计算图像变换矩阵实现多源遥感图像配准。为验证本文方法的有效性,制作了8000对多源遥感图像数据集对MNN进行网络训练,并与FSC-SIFT(fast sample consensus-scale-invariant feature transform)、PSO-SIFT(position scale orientation-scale-invariant feature transform)以及跨模态图像匹配网络Contextdesc进行对比实验,结果表明本文方法在正确匹配点数量、匹配精度等方面具有一定优越性。

基于自适应增强与显著性检测的可见光与红外图像融合算法

为解决可见光图像可视性差与如何精确控制可见光与红外图像输入量的问题,本文提出一种结合图像自适应增强与独立性、聚焦度、对象性等显著性检测的可见光与红外图像融合算法。首先在可见光图像中引入自适应增强算法提高图像纹理细节的可见性,并对红外图像归一化处理,其次将处理后的图像利用引导滤波分解为细节层与基础层,利用显著性检测生成细节层的权重图,提高细节层中可见光图像背景信息与红外图像边缘信息的精确融合量,最终将依据权重值融合后的细节层与基础层组合得到最终的融合图像。为验证本文算法的优越性,选取图像熵、平均梯度、边缘强度、空间频率、视觉保真度、平均灰度等6种融合评价指标对融合图像定量分析,并利用YOLO v5(You Only Look Once)网络对各融合算法进行目标检测,结果表明本文算法在融合定性评价、定量评价与目标检测评价指标平均精度中达到最优。

新时代下测绘工程专业培养方案对比分析

随着新型基础测绘和人工智能的不断发展,测绘工程专业的培养方案也应跟上时代的步伐,为国家建设培养新时代测绘领域的建设者和接班人。本文以武汉大学和昆明理工大学的培养方案为例,从培养目标、课程体系、实践教学方面进行对比,分析两所高校培养方案的差异,最后对新时代下测绘工程专业培养方案改革提出了新的思考。

“一带一路”背景下测绘学科的思考与实践——以昆明理工大学为例

针对“一带一路”背景下云南高等教育面临的机遇与挑战,分析问题与不足,从学校总体方针、学校课程改革、学校组织改革3个层面探讨如何做好改革的先行者,以充分发挥中国与南亚东南亚国家在测绘学科人才培养的合作共赢,提升我国高等教育国际影响力和竞争力.