基于无人机影像的山地人工林景观DEM构建

山地人工林景观的DEM构建是对景观地形信息进行描述的基础的研究内容,也是人工林景观面积、结构、蓄积量等信息提取的重要因子,具有重要的研究意义。通过无人机平台获取影像,采用立体像对拼接的方式生成正射影像并提取DEM信息,并与GPS测量数据、ASTER GDEM、SRTM数据进行比较分析。结果表明:在该区域无人机影像构建的DEM与实测高程差距最小(RMSE=8.96),具有比ASTER GDEM(RMSE=13.68)和SRTM(RMSE=11.81)更高的精度;在每个样方内的最大高程差值与最大树高最为接近(RMSE=1.813),说明无人机DEM能够反映出更多的冠层与地面分层信息,在山地人工林景观DEM构建中表现出较大潜力。     

基于脚点热度图和双向连接图的遥感影像建筑物提取方法

目前,大多数基于深度学习的遥感影像建筑物提取方法采用语义分割的方式,对遥感影像进行二分类预测。然而,该类方法没有考虑建筑物的几何特性,难以进行精确提取。为了更精确地提取建筑物,该文引入建筑物的几何信息,提出一种基于脚点热度图和双向连接图的建筑物轮廓提取方法。该方法为一种多分支的深度卷积网络,分别对建筑物的脚点以及脚点间的连接性进行预测。在其中一个分支中,预测建筑物的脚点热度图,并用非极大抑制算法得到建筑物的脚点像素坐标;利用另外两个分支预测脚点之间的正向连通性和反向连通性,并通过这种双向连接图对脚点间是否具有连接性进行判断,在将具有连通性的脚点进行连接后,可得到最终的建筑物轮廓。该文算法在Buildings2Vec数据集上进行了验证,结果表明该方法在遥感影像建筑物提取中具有一定的优越性。