网络RTK基准站观测值保存研究

随着我国北斗卫星导航系统的迅速发展,国际海运事业无线电技术委员会RTCM3版本标准格式的应用逐渐增多,网络RTK基准站网观测值存储的管理规范逐渐加强。针对安全保存基准站网RINEX格式观测数据文件的需求,开发软件将各基准站接收机发送的RTCM3实时数据流通过单向光闸存储为文件,同时实时解码RTCM3数据流生成RINEX格式的观测值文件并编码提供数据传输端口,最后通过实测数据验证程序解码编码的正确性。

基于深度学习的遥感图像匹配方法

目前,图像自动配准技术已成为图像配准领域中的研究热点之一。如何提高匹配精度是图像配准的关键步骤,基于此本文提出基于深度学习的匹配方法。首先,描述了卷积神经网络模型的网络结构,通过改善经典模型的网络结构,将其应用到影像匹配任务当中;其次,利用训练好的自适应网络模型来获取控制点的特征表达;最后,将控制点的特征表达通过欧式距离算法进行相似度匹配。实验结果表明,本文方法大幅降低了图像匹配粗匹配的错误率,为后续配准建立了良好基础,且对数据源具有良好的稳健性。

基于CNN的高分辨率遥感影像多级云检测

针对目前大多数云检测方法对薄-厚云之分检测较少以及对云边界检测性能不理想、准确率低等问题,本文通过结合深度学习的优势提出了基于CNN的遥感影像云检测方案。首先,将GF-1/2和ZY-3图像进行分割制作训练样本,用深层双分支卷积神经网络(CNN)在训练样本中提取云的多尺度特征;其次,利用改进的自适应简单线性迭代聚类方法(ASLIC)将待检测图像分割成超像素作为云检测的子区域。最后,通过网络模型对待检测子区域预测获得云区结果。选取多种高分辨率卫星图像进行云检测试验,并与单分支网络模型、经典SLIC方法进行对比。结果表明,该方法可以在不同成像平台很好地检测薄-厚云及其整个云区,且整个云区检测的平均精度在94%以上。

基于最小生成树的遥感影像分割

随着遥感影像在人们生产生活各个方面的广泛应用,普通的分割算法已不适用于高分辨率遥感影像的目标识别需求。本文提出了一种基于最小生成树的遥感影像分割算法,首先根据像素间的相似性测度构建遥感影像的无向带权图,然后通过Prim算法生成遥感影像的最小生成树用于刻画影像的像素间相似性结构,并建立最小生成树的拓扑结构;在此基础上,建立基于最小生成树的分割模型,进行子树划分,从而达到影像分割的目的。模拟和真实影像的分割实验表明,本文算法是一种有效的遥感影像分割算法。

一种结合MBI和SLIC算法的遥感影像建筑物提取方法

单纯基于形态学建筑物指数(Morphology Building Index-MBI)算法对遥感影像进行建筑物提取时,其结果在同质区域内部和外部均存在微小噪声点。针对该问题,本文提出一种MBI算法与简单线性迭代聚类(Simple Linear Iterative Clustering-SLIC)算法相结合的建筑物提取方法。为了进一步提高提取精度,再与数字表面模型(Digital Surface Model-DSM)相叠加以剔除与建筑物光谱特征近似的道路、裸地等近地面的地物。实验结果表明,引入SLIC算法可以有效地改善同质区内部及外部噪声点的问题,本文方法比单纯利用MBI算法提取建筑物噪声少、效果好,且正确率、完整率和质量分别提高了2.26%、7.41%和7.69%。

系统谋划 统筹推进 以安全生产标准化护航高质量发展

国家粮食和物资储备局山东局八三二处深入贯彻落实习近平总书记关于安全生产重要论述,认真落实国家局安全治理提升三年行动,牢固树立安全发展理念,统筹谋划、精心组织、开拓创新,扎实推进安全生产标准化体系建设,基本实现全员全过程参与、生产经营活动全面管控,以安全生产标准化助推高质量发展。

U型卷积神经网络的ZY-3影像道路提取方法

针对经典全卷积神经网络在池化和上采样过程中造成图像分辨率不断下降以及对各个像素进行分类时忽略了像素之间的关系,导致提取道路比较模糊和平滑的问题。该文提出一种基于U型卷积网络的ZY-3道路提取方法。首先,参考医学图像分割领域表现突出的U-Net模型,采用对称式网络结构将低级细节信息与高级语义信息相结合,提高道路的初提取精度;其次考虑到卷积神经网络对百万量级的参数优化程度相对不足,采用集成学习的方法,通过变更权重获得若干个模型进行融合,进一步提升了道路提取的精度;最后,通过使用形态学开运算完成孔洞的去除等工作。实验结果表明,该文方法的提取结果在不同实验区域中平均准确度达到了95%以上,显著优于基于经典全卷积网络模型、基于纹理与形状特征提取道路的方法。