基于迁移学习的无人机高分影像地震泥石流信息检测

地震后经常会引发大量的泥石流灾害(称作地震泥石流),容易造成极大的破坏,无人机低空遥感技术以其便捷、时效性强等特点成为一种快速获取灾害信息的手段,但其影像的光谱信息较为缺乏,较难准确地检测地震泥石流灾害信息。针对以上问题,提出了一种基于迁移学习机制地震泥石流检测方法,该方法在已构建地震泥石流灾害样本库的基础上,将卷积神经网络训练得到的特征迁移到地震泥石流灾害信息检测中,完成地震泥石流灾害信息的自动检测,并将面向对象的地震泥石流灾害信息检测结果与迁移学习支持下的检测结果进行了对比与分析。结果表明:基于迁移学习的地震泥石流灾害信息检测结果在精度上稍优于面向对象的地震泥石流灾害信息检测结果,且前者在保持地震泥石流的平滑性和完整性上要优于后者。

基于无人机和机器学习的川西北修复沙地植被信息提取

【目的】旨在无人机影像中提取植被信息(草本和灌木),估算植被覆盖度,用于生态修复领域反映植被长势和丰度。【方法】选取水体、灌木、草本和沙地4类地物,采用4种机器学习算法,深度学习、马氏距离、最大似然法和最小距离法进行精度对比,选取精度最高的算法作为研究方法。【结果】4种方法得到总体精度分别为95.47%、95.14%、93.30%和71.98%,kappa系数分别为0.92、0.91、0.88和0.57。【结论】基于深度学习方法分析发现,红原沙化治理示范基地范围内灌木、草地、水体和沙地面积分别为0.09、0.14、0.04和0.32 km^(2)。该方法可以为川西北高寒修复沙地监测、研究与治理状况评价提供数据支持和一定的科学依据。

基于高分辨率无人机影像的地震地表破裂半自动提取方法——以2021年M_(S)7.4青海玛多地震为例

精细刻画大地震形成的地表破裂的几何学特征对于深入理解发震断裂的运动学机制和变形规律具有重要意义。野外地质调查和影像目视解译等传统获取地震地表破裂的方法往往费时费力,且难以获得其精细特征。文中依据面向对象、颜色空间色彩分割等理论,基于高分辨率无人机影像,提出了一种面向对象的“粗分割-精提取”方法,以实现半自动提取地震地表破裂的矢量面。对2021年青海玛多M_(S)7.4地震的实验结果表明,该方法能够有效去除与地表破裂光谱相似的河道等噪声,快速准确地提取地表破裂带的精细结构。文中建立的地震地表破裂半自动化提取方法可为大地震发生后快速提取地表破裂精细结构和分析地表变形特征提供一个可行方案。

基于无人机影像的空心村整治三维规划辅助设计系统研究

现有规划设计一般通过二维、平面的符号来表达,具有不直观、不形象、不利于公众参与的缺点。本文将无人机航摄和三维虚拟设计等技术集成应用于近郊区村庄规划与设计,开展空心村整治一体化规划和三维虚拟设计的实践和研究。依照真实尺度进行仿真化和模块化三维模型设计,形成空心村规划要素模型信息库,研发了空心村整治三维规划辅助设计系统,实现了在真三维环境中对各类要素进行规划设计,并可以按需求进行模型调整修改,为空心村规划整治提供了帮助。

基于无人机影像的面向对象建筑物结构分级提取方法研究

为提高遥感影像建筑物结构识别精度,综合利用光谱、形状、空间、纹理和数字表面模型(DSM)建立了建筑物结构分级提取方法。基于研究区无人机高分辨率影像,采用面向对象的影像分析策略,首先进行多尺度分割,以最佳分割与合并指数提取影像中建筑物目标;然后分别采用规则、训练样本与DSM方法对建筑物结构进行分类;最后将3种分类方法进行融合,对比分析了单一方法和融合分类方法的建筑物结构分类精度。结果表明:基于规则+样本+DSM的半监督建筑物结构分类方法错分率、漏检率与Kappa系数最优。

基于无人机影像的“农村确权调查”方法探讨

以高分辨率无人机影像为基础进行农村产权调查,提出一套简单易行、准确可靠、成本低廉的调查方案,使农村产权调查提高了工作效率和成果质量,缩短了工期,降低了成本,具有全面推广价值。

基于模板匹配的高分影像椰子树提取方法

林木识别与提取是林业遥感的重要研究内容,快速获取树木密度等参数信息对于经济林的高效可持续经营管理具有一定参考价值。文中采用无人机高分辨率影像数据,建立一种基于图像模板匹配算法的椰子树自动提取方法。首先采用相关系数模板生成算法,将高分辨率正射影像上采集的椰子树样本生成匹配模板组,根据建立的模板计算出相应波段的相关系数影像层,最后基于灰度相似度测度模板匹配算法设置适当的相关系数阈值来实现单株椰子树的识别。试验中分析不同光谱波段、不同模板组和相关系数阈值设置对单株树识别的影响。实验表明,对椰子树用红波段单一模板,相关系数阈值设为0.1进行模板匹配效果较好,椰子树识别完整率达到85.9%,识别准确率达到95.7%。