基于无人机LiDAR点云的多类型植被覆盖滩涂地形滤波

滩涂是宝贵的自然资源,其地形的高精度反演具有重要科学价值,而现有技术和方法存在较大的局限性。无人机激光雷达技术可快速获取大范围滩涂高精度、高密度的三维点云数据,是滩涂地形反演的重要技术之一。如何对点云数据中滩涂植被进行高精度滤波是地形反演要解决的技术难点,尤其是当滩涂覆盖有茂密的异质性植被（如不同种类和几何形态）时,对滤波算法的通用性和鲁棒性提出了更高的要求。以上海崇明西滩湿地某一滩涂作为研究区域,选取草丛、灌木和高大乔木3类典型植被覆盖的局部区域,利用基于坡度滤波、渐进数学形态学滤波和布料模拟滤波3种常用的点云滤波算法进行点云数据处理,比较分析了3种方法的适用性。结果表明：布料模拟滤波对于3个典型区域实验结果的总误差分别为1.57%、0.16%和0.23%, Kappa系数分别为96.74%、98.70%和99.30%。相较于其他两种算法,布料模拟滤波精度更高,更适用于多类型植被覆盖滩涂区域。因此,采用布料模拟滤波对整个研究区域进行处理,取得了较好的滤波效果,与真实地面吻合度较高。最后,通过克里金插值得到整个研究区域高精度的地形数据。     

基于C/S与B/S混合模式的WebGIS模型设计

介绍了网络地理信息系统(WebGIS)的发展概况,在分析已有WebGIS模型存在问题的基础上,提出了一种基于C/S与B/S混合模式的WebGIS模型。该模型采用三层次结构,分为用户交互层、应用服务层和数据服务层。在交互层中采用了分离管理用户和一般用户的方法,减少了服务器端负荷和网络负载,加快了用户访问、查询速度,而且提高了模型的安全性。该模型可以使用多种不同的数据源,模型也具有开放性、可扩充性、高内聚、低耦合等优点。     

面向视频数据的深度学习目标识别算法综述

目标识别是计算机视觉领域的一大挑战,随着深度学习的发展,目标识别算法被广泛应用于视频数据中目标的识别和监测。对现有目标识别算法进行归纳,根据是否采用锚点机制将主流算法分为Anchor-Based和Anchor-Free两大类。针对R-CNN、SPP-Net、SSD、YOLOv2等Anchor-Based类目标识别算法,从候选框创建、特征提取和结果生成角度分析基于区域和基于回归的目标识别算法的区别和各自优势。针对CornerNet、ExtremeNet、CenterNet、FCOS等Anchor-Free类目标识别算法,从特征提取、关键点选择/层次结构和结果生成角度分析基于关键点和基于特征金字塔的目标识别算法的区别和各自优势。在此基础上,以识别效率和识别精度为评价指标,对Faster R-CNN、Mask R-CNN、SSD等8种代表性目标识别算法进行对比总结。最后,针对目标识别算法中的数据预处理耗时长、多尺度特征同步识别精度低、结构繁杂等问题,对当前研究的不足和未来研究方向进行分析和展望。     

基于"网格搜索+XGBoost"算法的浅海遥感水深反演

传统船载水深测量受船只吃水影响,难以在浅水区域开展,遥感水深反演作为传统方法的有益补充,其重要性日益凸显.以GF-1多光谱影像为数据源,以船载声呐实测水深点作为训练样本和检测样本,以相关系数、均方根误差和平均绝对误差作为评价指标,首次将网格搜索+XGBoost模型应用于启东恒大威尼斯浅海区域水深反演.实验表明,网格搜索...     

自适应多尺度几何分析的全色和多光谱图像融合方法研究

为了利用全色和多光谱图像融合得到一幅空间分辨率较高和光谱信息丰富的遥感图像。结合窗口空间频率绝对值最大原则的高频条带波系数融合规则,提出一种基于自适应多尺度几何分析变换的融合方法。利用Landsat-7数据进行试验,得到一幅空间分辨率和光谱信息都较好的融合图像。和轮廓波方法、IHS、小波变换方法进行比较,本方法提高融合图像的质量,图像的边缘细节更明显清晰。     

基于双振镜的多元并扫成像激光雷达的扫描特性分析与系统误差标定

设计了一种基于双振镜的多元并扫激光雷达,能够实现30°×30°的视场,成像帧速率最大可以达到10Hz。详细分析了该激光雷达的发射和接收光学对于振镜的不同需求,计算出不影响系统性能情况下的最小振镜几何形状,为振镜小型化设计提供了理论依据;同时通过激光雷达坐标计算的理论公式推导并分析了系统的误差影响,根据分析结果设计了系统误差标定实验,实验获得的图像的平面共面精度达到3.6cm,和理论计算值相符。     

ICESat-2数据背景光子特性及滤波方法研究

ICESat-2(Ice, Cloud and Land Elevation Satellite-2)是世界首颗采用光子计数模式的激光测高卫星，可快速获得高精度、大尺度地面三维数据。光子探测机制使得数据中除了地面信号外，还包含大气散射等背景信号，需要通过滤波才能获得地形等信息。为分析ICESat-2背景和信号光子的分布特点及点云滤波算法的效果和适用性，本文首先选取了六种地表覆盖类型(城市、海冰、沙漠、植被、海洋及冰盖/冰川)及不同观测条件的数据，对其背景光子率进行统计分析。分析结果表明：白天观测数据的背景光子率平均为10⁶(点/秒)数量级，远高于夜晚观测数据的背景光子率——10⁴(点/秒)数量级，弱波束的背景光子率与强波束背景光子率相当，六种地表覆盖类型中，冰盖/冰川的背景光子率最高。然后，根据统计结果筛选出21组测高数据，并选取七种具有代表性的点云滤波对其进行去噪实验，分析精度后得出结论：改进局部密度法的去噪效果最佳，算法召回率、精准度和F值均大于0.90，算法较为稳定。最后，对所选取各滤波算法的精度、特点与适用性等性质进行了总结与分析，可...