地理国情监测与测绘地理信息事业的转型升级研究

顺应国家地理国情普查的要求,现代的地理测绘信息已经达到从基本地图到空间立体地图的本质提升,地理测绘部门的工作是生产各类基础地理信息,进行对测绘得到的七大类地理要素等基础信息的分析更新和应用,随着各行各业产业升级的需求,国家地理信息事业也应实现升级转型,本文立足地理国情监测普查工作视角,对测绘信息事业的升级转型提出见解。

国遥:扎根地信小镇 追梦“德清时代”

小镇就像一名见证者,看着我们一步步从创立之初到慢慢步入正轨,与此同时,作为＂新德清人＂我们又何尝不是见证了地理信息小镇多年来的发展变迁。

基于CNN-CBIR的遥感图像分类检索方法

遥感图像海量性、复杂性与多样性特征导致现有方法出现查全率、查准率低的问题,无法满足现今遥感图像应用的需求,故提出基于卷积神经网络-图像检索(Convolutional Neural Networks-ContentBased Image Retrieval,CNN-CBIR)的遥感图像分类检索方法研究。为了精确分类遥感图像,基于卷积神经网络-深度卷积神经网络-16 (Convolutional Neural Networks-Visual Geometry Group Net-16,CNN-VGGNet-16)模型提取遥感图像卷积特征与池化特征,通过有效融合得到遥感图像高层聚合特征,以此为基础,采用模糊分类算法分类处理遥感图像,依据遥感图像分类结果,利用基于内容的图像检索(Content-Based Image Retrieval,CBIR)技术制定遥感图像分类检索程序,实现了遥感图像的分类检索。选取数据集图像遥感数据集(UC-Merced)与武大遥感数据集(WHU-RS)作为实验数据集,确定最佳池化区域尺寸与最佳输入尺寸,采用MATLAB软件进行仿真实验。仿真实验数据显示:与标准数值相比较,提出方法的查全率与查准率较高,充分说明提出方法具备更好的检索性能。

基于压缩感知的无人机航拍遥感图像动态重构方法

针对当前无人机航拍遥感图像动态重构效果不佳,图像清晰度较低的问题,提出基于压缩感知的无人机航拍遥感图像动态重构方法。构建无人机航拍遥感影像降质模型,获取图像特征信息,进一步对无人机航拍遥感图像进行降噪预处理,更好地提高无人机航拍遥感图像的分辨率、光谱和多时相趋势,有效解决采样数据量大、采样时间长、数据传输存储量大等资源浪费问题。最大程度上提高无人机航拍遥感图像的采样率、降低无人机航拍遥感图像动态重构复杂度,有效获得高质量的图像重建的研究要求。实验结果表明,提出的基于压缩感知的无人机航拍遥感图像动态重构方法正确有效,优于目前的主流方法。