基于Deeplab v3+的PIV误矢量修复

在PIV图像后处理过程中,修正其误矢量对获取准确速度矢量场起到关键作用。本研究在模拟和实验矢量图数据库中人为添加误矢量,通过标注添加误矢量图像,用Deeplab v3+算法来识别分割误矢量,并同时生成用于修正的掩膜(mask),其识别分割的损失控制在0.001。对于修复,使用了DeepFill v2算法,用正确矢量图像训练网络,将损失稳定于0.05。将识别生成的mask和原始待修正的PIV图像,放入修正图像,靠输入指令即可实现PIV矢量图像中的误矢量自动识别与修正。结果表明,此方法,可批量处理PIV矢量图像,简单方便且自动化,具有较高的识别分割与修正精度。

应急遥感制图中敏感目标自动检测与隐藏方法

应急遥感制图在灾害响应中作用显著,能为灾害评估、救灾决策提供有力支撑。传统应急遥感制图流程中,人工检索敏感目标并使用图像编辑工具进行脱密处理的方式效率不高,与防灾救灾的高即时性要求相矛盾,无法实现快速发布与使用。将深度学习中的目标检测模型和生成式对抗网络模型相结合,构建遥感影像敏感目标检测与隐藏两阶段处理模型,并以遥感制图中飞机目标处理为例验证模型性能。针对飞机目标特点,采用损失函数重构、区域推荐网络候选框优化、Mask优化算法引入、注意力机制重构等改进方案。实验结果表明,该方法全流程处理时间较人工处理缩短50%以上,能快速、智能地进行遥感影像敏感目标检测与隐藏处理,缩短应急制图周期。