实景三维模型缺陷修复关键技术

为了有效提高实景三维模型反映各类型地理要素的准确度和精细度以充分支撑实景三维中国建设工作,首先将当前无人机倾斜摄影三维重建后的三维模型中存在的模型缺陷系统性分为四大类型,并分析其产生的原因。随后,针对性地提出了三种关键技术:一是基于连通性和欧氏距离聚类的交互式悬浮物去除,利用图割理论和随机一致性抽样算法识别和删除悬浮物;二是基于图割理论的水面半自动整平,在利用Grabcut算法提取水面区域的同时为其赋予统一高程以实现水面的平整;三是基于深度网络模型的水体纹理inpainting填充,利用卷积神经网络和深度对抗训练以获得水体纹理的特征和结构从而实现水体缺失纹理的修复。最后,利用湖北省宜昌市的实际生产数据进行了修复实验,实验结果表明本文提出的各项关键技术能够有效修复三维模型缺陷,从而使实景三维模型具备更精细的地理实体和地理景观还原度。

基于高频修正姿态的高分辨率光学卫星全色与多光谱影像几何定位一致性修正

针对具有高姿态测量精度、高姿态稳定度且探测器采用机械式交错拼接的光学卫星受到微量高频姿态误差影响时,所产生的全色数据与多光谱数据间微小几何定位误差问题,提出了基于高频修正姿态的高分辨率光学卫星全色与多光谱影像几何定位一致性修正方法。在推扫式光学遥感卫星成像原理的基础上建立严密成像几何模型,利用机械式交错拼接成像探测器的分时成像特性,结合几何定位约束及金字塔影像搜索策略的同名点匹配方法获取同名点数据,再利用同名点数据解算卫星成像过程中的高频姿态数据。最后,将解算得到的高频姿态用于对应多光谱影像的传感器几何校正处理中,得到基于高频修正姿态的多光谱影像数据。实验结果表明:该方法有效消除了由微量高频姿态误差引起的全色数据与多光谱数据间微小的几何定位偏差,使传感器几何校正后的多光谱数据与全色数据具有高精度几何定位一致性,将具有高姿态测量精度、高姿态稳定度且探测器采用机械式交错拼接的高分辨率推扫模式成像光学卫星的全色数据与多光谱数据间行方向的相对几何定位误差提升至0.15个多光谱像元,以为后续高精度影像融合产品的生产奠定基础。

松材线虫病遥感监测研究进展及方法述评

该研究旨在综合述评松材线虫病遥感监测的历史及近年来的研究进展,并就当前研究和工作中产生的问题给出建议与展望,为相关管理部门、科研院所以及从业者提供技术参考和辅助决策依据。该研究以科学引文数据库(WoS)和CNKI检索并筛选后得到的文献为基础,系统梳理松材线虫病遥感监测的提出及发展;根据遥感监测的对象层次分类梳理了相关研究中使用的方法,就当前研究中存在的问题进行归纳和总结,最后给出了未来可能的工作及研究方向。该研究发现:1)2017年来松材线虫病遥感监测一直处于研究热点。2)松材线虫病遥感监测研究使用数据的运载平台大多为以无人机为代表的机载平台,而光谱类型以RGB和多光谱为主。3)松材线虫病遥感监测的粒度以单株为主,监测使用的病害类别体系繁多且不同类别体系间的关系模糊。4)机器学习和深度学习两类方法在松材线虫病遥感监测研究中占据垄断地位,但两类方法各有优势、互不取代。该研究认为遥感调查极大提高了松材线虫病疫情增量控制及存量消减工作的效率,但存在单一数据源难以满足大范围细粒度的监测需求、病害类别体系杂乱、数据集不统一不标准、缺乏长时序监测成果等方面的问题。该研究提出未来可以在空天数据融合、病害类别体系及数据集标准化和短周期长时序监测等3个方面进一步开展工作及研究,将有助于松材线虫病遥感监测的进一步实时化和智能化。

基于谱段关联的近红外图像模拟方法

提出一种基于谱段关联的近红外图像模拟方法,分析遥感图像成像链路模型,以及卫星载荷传感器可见光多光谱谱段和全色谱段的关联性,计算得到了谱段关联系数,并基于谱段的关联系数生成模拟近红外图像.为了提高近红外模拟图像生成的速度,利用基于GPU的SIFT算法对全色图像与多光谱图像进行匹配.采用所提方法利用吉林一号光学A星的数据,生成模拟近红外图像,单景图像计算时间优于3s,该方法对合成真彩色图像和去云去雾均有较好的效果.

山东省植被覆盖度长时序动态监测与分析

针对经典的遥感影像处理方式已难以满足大范围、多模态、高效率的监测需求的问题,本文基于Google Earth Engine(GEE)遥感大数据云平台,收集山东省2000-2020年Landsat系列、哨兵2号、MODIS共27614景遥感影像,采用像元二分模型、趋势分析法等手段,探讨山东省21年间植被覆盖度的时空变化特点及其变化趋势。实验结果表明,计算所得植被覆盖度数据精度评定指标相关系数在2013年为0.62,在2017年为0.64,同时得出以下结论:1)2000-2020年间,山东省年均植被覆盖度为65.6%;2)山东省植被覆盖度呈现全局增长趋势;3)山东省境内77.1%地区的植被覆盖度呈现高、中高稳定性,85.4%的区域持续性明显。本文研究结果有望应用于山东省生态环境质量与碳固定等指标的监测与分析。

基于深度学习的遥感影像地物目标检测和轮廓提取一体化模型

随着遥感影像的分辨率不断提升,基于可见光遥感影像地物目标检测和轮廓提取的研究越来越受到关注。基于深度学习的方法提出一个利用遥感影像进行地物目标检测和轮廊提取的一体化模型,旨在解决遥感影像地物目标检测和轮廓提取中繁复的手工标注和传统算法效果不隹的难题。以船船为研究对象,在HRSC2016遥感数据集上进行验证,单类目标检测精度可以达到79.50%,4类目标检测精度为63.45%,轮廓提取精度可以达到97.40%。结果证明,提出的模型可以实现基于遥感影像的自动化、智能化的船舶目标轮廓提取。