我国南方丘陵山区耕地地块精准提取方法——以福建省浦城县为例

鉴于南方丘陵山区耕地地块具有多样的尺寸和种植结构,传统语义分割方法存在精度低、边界吻合度差等问题,提出了一种顾及地块边界和形状特征多任务学习和注意力机制的高分辨率遥感图像提取方法。该方法构建了多任务神经网络模型FPEM-Net,主要包括耕地分割主任务以及与地块提取密切相关的轮廓检测和距离估计两个辅助任务。引入了CBAM注意力模块以增强特征的表达能力并减少冗余特征,并通过共同优化多任务损失函数训练模型。该方法成功应用于福建省浦城县,实验结果显示在测试集上表现出色,Hausdorff距离最小,像素准确率和交并比分别达到93.12%和93.55%。与Psi-Net相比,像素准确率提升了1.42%,交并比提升了3.4%;相较于UNet,像素准确率提升了14.11%,交并比提升了15.34%。该方法在规则和不规则耕地地块以及复杂种植结构的边界方面表现出良好的泛化能力,与实际耕地地块分布格局更加吻合,具有较好的应用潜力。

基于注意力机制和多模态特征融合的猕猴脑磁共振图像全脑分割

目的提出并探讨一种新的基于注意力机制和多模态特征融合的深度学习算法(DDAM),实现对猕猴脑MRI图像的全脑分割。方法共收集68例年龄分布在13~36月的多模态猕猴脑MRI图像数据,且均包含对应的真实标签。针对多模态数据信息复杂且互补的特点,采用多编码器结构分别适应不同模态并进行特征提取。在解码器部分引入注意力机制构建多模态特征融合模块(AMFF),利用模态间信息丰富且互补的特点,充分融合不同尺度和复杂度的多模态特征,进而提升分割性能。另外,进行消融实验分析并对结果进行统计学检验。结果多编码器结构以及注意力机制的引入能够有效地提升模型对多模态特征的融合能力,使得猕猴数据的全脑分割平均DSC达到0.904,ASD低至0.131(P<0.05)。消融实验结果验证了DDAM方法各组成部分的有效性。结论本文针对多模态数据特点构建深度学习算法模型,提出的DDAM方法,能够更有效地提取并融合多模态特征,从而实现全脑分割精度的显著提高。

基于多尺度语义信息增强的农田地块提取网络

针对因农田类间异质性高、相邻地块之间间隔小而出现的相邻地块黏连、地块提取不完整等问题,文中提出了一种基于多尺度语义信息增强的农田地块提取网络。采用并行的多尺度特征提取模块,通过保持特征图的高分辨率保留高精度的边缘信息,降低由下采样带来的细节损耗,缓解地块之间的黏连。使用基于注意力机制的全局语义信息增强模块,通过获取全局语义信息增强网络的类别判断能力减少地块提取不完整的现象。实验结果表明,在IoU、OA、F1-score评价指标上,文中方法比现有研究中具有代表性的4种算法提高了1%~13%。

高血压对大脑年龄估值差的影响

高血压病人在未发生临床脑卒中之前,脑形态、功能以及脑网络已经产生了一定程度的损害,这些无症状的损害可引起认知能力的衰退。随着我国人口老龄化的加速,高血压患者的基数及其在人口中的比例也不断扩大,研究高血压(HTN)对人脑认知的影响是健康认知老化中的一个极其重要的问题。大脑年龄估值差(Brain AGE)被用于计算脑年龄与实际年龄的差别。118个对象(41个高血压患者)的磁共振图像首先通过图论分析,随后采用与年龄相关的脑网络拓扑特征来预测脑年龄。HTN的脑年龄比实际年龄高(4.1±3.1)岁,而健康对照组的脑年龄与实际年龄基本相符。Brain AGE可以作为一种临床生物标志物用来检测与HTN相关的脑异常老化模式。

基于机载LiDAR的多面片建筑物3维重建方法研究

提出了顾及多面片建筑物模型拓扑关系的边界提取方法。针对多面片建筑物的特点并基于最小二乘法,设计了一套适合多面片建筑物的边界规则化方法,并生成了3维建筑物模型。实验证明,本文方法对于多面片建筑物模型的3维自动重建都是可行和有效的。

基于RS和GIS的北京冬小麦面积多尺度时空变化研究

为了解小麦在不同空间尺度上的时空分布特征,基于冬小麦统计和遥感监测数据,利用空间统计分析方法,分别从北京市、区县和乡镇三个尺度,评价了2009-2014年冬小麦面积空间分布变化特征。结果表明:(1)北京市冬小麦面积从2009年的61 971.02hm2下降到2014年的26 814.87hm2,减少了56.73%;冬小麦成片种植的地块数量从11 243块降低到4 914块,减少了56.29%;地块平均面积也从4.76±0.19hm2减少到1.22±0.05hm2,降低了74.29%;(2)通州区、大兴区、房山区和顺义区的冬小麦面积减少量占总减少量的87.43%;每个乡镇的平均冬小麦面积从2009年的1 066.28±153.63hm2降低到2014年的388.21±59.17hm2,且大于1 000hm2和500~1 000hm2的乡镇数分别约减少了2/3和1/2;(3)四个典型乡镇冬小麦面积也均呈极显著减少趋势,地块平均面积降低幅度均在70%以上,并且面积大于5hm2的地块数量占总体的比例减少至不足8%。这说明2009-2014年北京市冬小麦种植面积显著减少,种植区域破碎化趋势严重。

高分辨率遥感影像信息提取与目标识别技术研究

由于高空间分辨率遥感影像海量数据、复杂细节和尺度依赖的特点决定了高分辨率遥感影像处理的技术难点。在总结以往高分辨率影像(航空影像)信息提取技术的主要难点和不足,从理论上和实践上分析了基于特征基元的高分辨率遥感影像处理与分析的意义,提出了基于特征基元的高分辨率遥感影像多尺度信息提取技术框架。最后对此框架进行总结与分析,指出了目前研究中仍存在的难点和今后的研究重点。

基于宗地尺度和多源数据融合的城市土地整治紧迫度研究

为综合诊断城市土地利用情况并为精确开展城市土地整治提供依据,本研究以宗地为评价单元,在多源数据融合的基础上,从空间、社会、经济、自然4个方面构建了城市土地整治紧迫度评价指标体系,并以深圳为案例进行验证研究。结果显示:深圳市土地整治较紧迫区域的宗地数量为2 405个,占宗地总量的28.04%,土地整治紧迫区域的宗地数量为485个,占宗地总量的5.65%。深圳市土地整治较紧迫和紧迫的宗地主要集中在宝安区北部和光明新区西部、龙华新区北部、龙岗区西南部、坪山新区北部,其空间特征是原特区外区域土地整治紧迫度明显高于原特区内区域。本研究结果可为深圳市开展城市更新和土地整备等土地整治后续工作提供参考。

多尺度分割对脑连接组分析的影响

脑连接组分析可以帮助我们认识、分析人类的大脑。为探究多尺度分割对脑连接组分析的影响,本文从3个尺度(32个节点,128个节点和512个节点)对脑网络中的特征进行分析,发现了稳定存在的小世界特征,以及一些网络特征的变化趋势。如最短路径长随节点个数的增加而增加,聚类系数随节点个数的增加而减少,节点度呈现先上升后下降的趋势。此外,我们发现多尺度分割对于网络的模块化结构影响不显著,但对于网络中的hub节点有一定的影响。

基于多级宗地的宗地变更管理模型研究

以往的宗地管理方式中存在缺失宗地的现势使用信息、不能管理违规用地和业务管理粒度过大等问题,不能很好地满足第二次全国土地调查后地籍管理工作的具体需求.笔者通过细化宗地管理粒度,提出了多级宗地的思想,建立基于多级宗地的宗地变更管理模型,很好地解决了宗地管理中存在的以上问题.

基于混合3D-2D CNN的多时相遥感农作物分类

准确的农作物分类图是农业监测和粮食安全评估的重要数据来源,针对传统的深度学习模型在多时相农作物遥感分类方面精度较低的问题,该研究将卷积维度单一的卷积神经网络(Convolutional Neural Networks,CNN)进行改进,提出了一种混合三维和二维卷积的神经网络识别模型(Hybrid Three Dimensional and Two Dimensional Convolutional Neural Networks,3D-2D CNN)。该模型首先通过多个三维卷积层提取时空特征,其次将输出的特征降维压缩后通过二维卷积层执行空域特征分析,最后将高层特征图展平后通过全连接层进行类别预测。试验以Landsat8多时相影像为数据源,将美国加利福尼亚州北部研究区的地块按照2:2:6分层随机划分为训练集、验证集和测试集。试验结果表明3D-2DCNN对13种农作物分类的总体精度(89.38%)、宏平均F1值(84.21%)和Kappa系数(0.881)均优于三维卷积神经网络(Three Dimensional Convolutional Neural Networks,3D-CNN)、二维卷积神经网络(Two Dimensional Convolutional Neural Networks,2D-CNN)、支持向量机(Support Vector Machines,SVM)和随机森林(Random Forest,RF)等方法,并在参数量和收敛时间方面比3D CNN大幅度减小。同时,在较小样本训练集下3D-2D CNN仍表现最优。该模型综合利用空间-光谱-时间特征并具有较高的分类精度和较强的鲁棒性,这为解决多时相遥感农作物分类问题提供了一个有效且可行的方案。

小件快递配送路径优化研究

为了解决末端物流需求的增长与效率较低的传统配送方式之间的矛盾,低碳、高效的小件快递配送成为快递企业急需解决的问题。在客流量大的地铁站点附近设立自提点来提取小件快递,并综合考虑车型因素、自提点位置和一般性路径约束等条件,构建了以成本最小、配送时间最短、碳排放量最少的多目标车辆路径问题模型,并应用遗传算法对该模型进行求解。最后将多目标优化模型应用于某公司的货物配送,验证了设置自提点的配送方式更能满足物流公司和客户的要求。

地块尺度下基于多源卫星遥感数据的粮食作物识别

开展粮食作物监测对于国家粮食安全具有重要意义。在传统像元尺度下,利用单一遥感数据进行粮食作物监测,识别精度往往较低,提取的作物地块破碎,难以满足应用需求。为此,该研究以山东省青岛市黄岛区为研究区,提出了一套地块尺度下综合多源卫星遥感数据(包括高分辨率数据、多时相数据、高光谱数据)与土地利用调查矢量数据的粮食作物信息识别方法。首先,对高分辨率数据进行分割获取耕地地块矢量数据;其次,基于多源卫星遥感数据提取地块级时空谱特征;再次,利用样本数据计算特征类间可分性,并进行特征优选;最后,构建基于二次多项式支持向量机的主要粮食作物(春玉米)识别方法。结果表明:(1)该研究所提的方法可以有效进行粮食作物信息识别,基于地块数统计的识别精度为89.7%;(2)利用光谱特征、植被指数、纹理特征组合得到的识别结果精度最优,基于像元数统计的精度为97.1%,与传统方法相比提高了24.2个百分点,且提取的地块信息更完整。该研究成果可支持粮食作物种植用地的调查与监测,也可为耕地非粮化时空演变与分析提供新的思路。

基于机器人的小件化工包裹精准分拣实验

化工行业生产潜在危险因素多,使用机器人代替人工进行危险环境作业,有效减少事故风险。针对机器人分拣作业效率低、精确度差及定位不准等问题,提出基于视觉信息感知方法,通过包裹图形识别与定位,分拣机器人精确完成分拣动作,搭建了分拣机器人验证实验平台样机,进行了机器人包裹分拣验证试验。结果表明:分拣机器人试验样机对包裹图像识别准确率平均值为96.67%,包裹分拣成功率平均值91.03%,单个包裹分拣的平均时间为1.12 s,实现了机器人对包裹的分拣。

允许中转与绕行的众包同城配送司机包裹匹配优化

针对众包同城配送司机与包裹匹配的问题,提出一种由零售店作为包裹送取或中转节点、私家车司机顺路捎带的配送策略.以平台总收益最大化为目标,构建允许中转和绕行的众包同城配送司机与包裹匹配问题的混合整数规划模型,并设计改进的自适应大邻域搜索算法进行模型求解;以大连市主城区为实际场景的数值算例验证模型和算法的有效性和适用性.研究表明,允许私家车司机绕行和包裹中转的众包同城配送能够提高平台的总收益,使得私家车司机和零售店从中获利,有助于缓解城市道路拥堵、减少环境污染.敏感性分析结果显示,增加签约私家车数量以及在一定范围内增大车辆最大绕行系数有助于提高司机-包裹匹配成功率和平台总收益.随着包裹配送时间紧迫性的减弱,私家车司机和零售店参与的众包同城配送优势愈加明显.

基于地理图斑的遥感粒计算与精准应用

以数据粒化为基础的粒计算是大数据处理领域模拟人类思考和解决大规模复杂问题的前沿方向,其通过结构化、关联化等手段提升模式挖掘与知识发现的精度与效率。为更好地实施多源多模态遥感大数据的智能处理与解译分析,获取可服务于精准应用的时空信息,本文借鉴粒计算的数据处理思维,遵照从“外在场景的视觉理解”到“内在机理的知识发现”的演进脉络,在空间、时间、属性等3个维度上剖析了遥感大数据的粒结构及其多层次、多粒度特征,并以“地理图斑”为主线发展了集成分区分层感知、时空协同反演、多粒度决策等3个基础模型的遥感粒计算方法。重点以精准农业应用需求为导向开展了实践研究,案例从多个视角阐释了粒计算契合遥感大数据智能计算的需要,验证了本文构建的理论与方法可对农业遥感多层次的复杂问题进行有序解构与逐步求解,彰显了其助益于领域化精准应用的潜在能力。

采用并行均值漂移算法实现农林地块边界的精确提取

在基于高分辨率遥感影像的农林地块自动/半自动识别应用中,地块边界提取是地块信息精确识别的基础,其精度决定了地块信息识别的精度,这一过程是通过遥感影像多尺度分割过程实现的。在综合比较几种常用的面向对象分割方法效果的基础上,认为均值漂移算法能够更好地满足农林地块识别与边界提取的需求,并可获得较好的地块边界分割效果。进一步面向实际应用问题,本文对算法的实现进行了以下两方面的改进:从实现方式角度考虑,对其在多尺度实现方式方面进行了改进;从算法效率角度考虑,针对农林地块识别过程中数据量大、计算复杂的特点,对其进行了基于MPI(massage passing interface)集群计算环境及OMP(OpenMP)多核任务处理方式的改进,能够显著提高农林地块数据的分割速度。相应地改进算法在实际应用中取得了较好的应用效果。

地理图斑智能计算及模式挖掘方法研究

在大数据时代,高分辨率对地观测技术实现了对地球表层地理现象和地理过程最为真实、量化、全面覆盖又快速更新的数据化记录,可为地理空间认知研究的新发展奠定时空信息聚合与挖掘计算的基准。地理图斑是影像空间映射到地理空间中对于地理实体的抽象化表达,是构建地理场景和承载地理空间各类信息进而开展模式挖掘的最小单元。本文以地理图斑为基本对象,通过分析其中视觉模拟、符号推测等几类机器学习的协同计算机制,从空间、时间与属性等维度构建了集"分区分层感知"、"时空协同反演"、"多粒度决策"三者于一体的地理图斑智能计算模型,并以在贵州息烽县、广西江州区开展的农业种植结构制图与规划决策为应用案例,探索了地理图斑分布、生长以及功能3种模式的挖掘方法,并进一步设计了动态视角下开展图斑动力模式挖掘的研究思路。

多源遥感数据协同的地块级农作物精细提取

【目的】针对云南省大理市耕地地块不规整、破碎且农作物空间种植结构复杂的特点,结合多源数据在时间和空间分辨率的优势,达到准确地提取农作物信息的目的。【方法】协同BJ-2数据和Sentinal-2数据进行农作物精细信息提取。首先,利用空间分辨率较高的BJ-2数据进行面向对象的图像分割,获得农作物地块信息;其次,在农作物物候规律分析的基础上,通过标准差分析获得关键时相,利用相应时间分辨率较高的Sentinal-2数据获取农作物地类信息,实现基于地块的小春农作物的快速精细提取。【结果】采用实地调查地块真值与提取地类生成混淆矩阵进行精度验证,总体精度和Kappa系数分别为87.4%和0.83。其中,连片种植的农作物如蚕豆和马铃薯提取精度较高,地块细碎且内部种植结构复杂的作物提取精度略低。【结论】多源遥感数据协同的农作物提取方法,通过高分辨率影像上获得的对象分析单元能很好地对单一地块中的农作物空间特征进行统计分析,很大程度上弥补了中分辨率影像由于分辨率偏低所导致的混合像元处错分的不足;不仅能从耕地地块级别获得农作物种植结构,更直观地反映农作物种植,能有效提升农作物提取的精细化程度,有利于精细化的农作物种植结构管理。