基于粒子群优化神经网络的水深反演模型

针对直接采用BP神经网络反演水深收敛速度慢,且易陷入局部最优的问题,提出了一种基于粒子群(PSO)优化BP神经网络的水深遥感新模型。该模型首先利用粒子群算法对BP神经网络的权重和阈值进行优化,然后将该优化值作为BP神经网络的初始值,最后再将PSO优化后的模型用于测试海区的反演精度评估。实验结果表明,该模型的网络收敛速度明显加快,水深反演的精度也得到提高。

一种基于SURF特征点匹配的港口影像海陆分离方法

随着遥感技术的快速发展,应用遥感手段进行近岸港口检测受到了国内外的普遍关注。针对高分辨率光学港口影像,论文提出了一种基于SURF特征点匹配的海陆分离方法。先对待分离影像使用SURF算法提取特征点;然后基于欧氏距离实现匹配影像与待分离影像间的特征点匹配;接着使用了RANSAC算法进行匹配点筛选并计算出影像变换矩阵,完成掩膜影像的配准;最后对待分离影像进行掩膜实现海陆分离。实验表明,基于SURF特征点匹配的海陆分离方法具有较高的精度与计算效率。