基于BP神经网络的无人机遥感影像土地类型识别研究

针对传统土地类型识别方法存在的识别精度和成功率低的问题,提出了基于BP神经网络的无人机遥感影像土地类型识别。首先,以国土空间规划土地类型划分标准为依据,设置土地类型识别标准;然后,利用无人机及成像设备获取土地无人机遥感影像,并对获取的土地遥感影像通过校正和增强,完成土地遥感影像预处理。最后,利用BP神经网络算法构建土地无人机遥感影像识别模型,将训练土地遥感影像数据集作为该模型的输入值,完成土地遥感影像数据特征,并将提取的特征进行匹配,实现了土地类型的识别。通过实证分析证明：设计识别方法的Kappa系数和成功率分别提高了0.049和7.35%。     

基于MapObjects的无人机遥感航迹实时显示算法研究

无人机航迹的实时显示是无人机遥感系统进行实时监测工作必不可少的功能之一。本文分析了Ma-pObjects控件动态层的特点,研究了基于MapObjects控件的动态数据显示常用算法,并指出该算法在无人机航迹实时动态显示应用上存在的问题。在此基础上提出了新的算法,详细阐述了该算法的核心思想及实现流程。最后在MapObjects控件和MS Visual Studio.Net开发环境下对相关实现细节进行了描述,并分析了该功能的性能状况。     

微小型无人机遥感系统设计研究

计算机的普及推动着遥感技术进入飞跃的发展阶段,我国信息化建设的步伐在逐渐加快,进而反映出传统遥感技术的很多缺点。在传感技术、自动控制技术快速发展的基础上,搭载遥感成像设备的无人机系统可弥补传统遥感系统的缺点,提高遥感数据获取的灵活度和实用性。因此,对微小型无人机遥感平台进行了设计研究,分析遥感系统图像处理流程和微小型无人机的主要应用领域。     

无人机遥感发展与应用概况

在阐述无人机发展历程基础上,论述了无人机在遥感领域的应用理论发展以及在气象监测、资源调查、航拍测量和应对突发事件等方面的应用,归纳了目前无人机遥感研究存在的问题,展望了今后无人机遥感研究的热点和重点。     

基于改进SIFT算法的无人机遥感图像匹配

将SIFT算法中高斯二阶微分模板与图像函数的卷积运算转化为箱式滤波器对积分图像的加减运算,引入SURF算子,减小特征点检测算子的特征向量维数,降低SIFT算法的计算复杂度,缩短图像匹配时间,从而解决了无人机遥感图像匹配对实时性要求较高的问题。仿真结果表明,改进的SIFT算法在保持原算法鲁棒性和匹配率的前提下,提高了运算速度。     

基于计算机视觉的农作物病虫害识别研究现状

农作物病害虫种类多,不仅给农作物的产量和品质带来了很大影响,也对人类的健康造成较大威胁.分析了国内外农作物病虫害研究的现状,讨论了与以往肉眼观测法不同,采用计算机视觉技术中的数字图像处理以及模式识别等技术具有很高的实用价值,能够精确、实时、快速识别病虫害,从而及时地采取相应的补救措施,提高经济效益.     

浅谈无人机低空遥感监测系统

伴随着现代科学技术的发展,我国各行各业中也开始逐渐运用先进技术,以无人机遥感技术为核心的低空遥感监测系统呈现出了新兴科技产业的蓬勃朝气,深入到社会各个领域中,实现了多元化发展.本文章首先对无人机低空遥感监测系统相关进行了简单概述,其次对无人机低空遥感监测系统的应用优势进行了分析,最后针对无人机低空遥感监测系统的具体应用...     

改进DeepLabV3+网络的遥感影像农作物分割方法

针对于当前遥感影像农作物提取存在的识别精度较低、边缘识别效果较差、提取速度慢等问题,提出了一种改进DeepLabV3+网络的遥感影像农作物分割方法。将特征提取网络改为更轻量级的MobileNetV2网络,空洞空间金字塔池化模块中的普通卷积改为深度可分离卷积,大幅减少模型计算量,提高模型计算速度;在特征提取模块以及空洞空间金字塔池化模块加入双注意力机制,进一步优化模型边缘识别效果,提升模型分割精度。此外针对农作物数据集类别不平衡问题,引入加权损失函数,给予玉米、薏米与背景类不同的权重,提高模型对农作物区域分割精度。以2019年某地区的无人机遥感影像为研究对象,对玉米、薏米两种农作物进行分割。实验结果表明,改进DeepLabV3+算法像素准确率可达到93.9%,平均召回率可达到90.7%,平均交并比可达到83.3%,优于传统DeepLabV3+、Unet、Segnet等常用于农作物提取的分割方法,对农作物具有更好的分割效果。     

农作物品质遥感反演研究进展

当今农业生产管理迫切需要直接迅速的信息指导。随着科技水平的不断提高,通过利用不同遥感技术手段,实现实时监测农作物生长过程中的主要影响因子,使无损预测预报农作物品质成为可能。通过分析几种农作物的主要品质性状及形成影响因素,在归纳农作物品质监测常用光谱参量的基础上,从地面平台和航天航空平台两方面分别介绍近年来国内外主要研究进展,总结农作物品质遥感监测模型建立使用的主要算法,综合分析农作物品质遥感监测技术实现过程中存在的若干问题,同时提出相应的解决措施,并对遥感监测技术进行了展望。     

基于深度语义分割的无人机遥感影像水体提取研究

快速、可靠地获取遥感影像中的水体对于指导人类生产活动和掌握水资源的分布规律、开发保护具有重要意义。本研究根据无人机遥感影像在复杂环境下采用OCRNet语义分割模型结合HRNet骨干网进行水体提取,充分利用了水图像的特征,有效抑制了非水噪声,加快了模型的收敛速度。实验结果表明,该网络在准确率上有着不错的表现,Acc可达到99.30%,mIoU为0.9281,kappa系数（KC）为0.9231。     

基于BBF优化算法的无人机遥感图像配准研究

针对无人机遥感图像中的亮度、尺度、图像重叠等问题,利用BBF优化算法设计无人机遥感图像配准方法。根据无人机遥感成像原理,获取无人机遥感图像作为配准对象,通过图像融合、校正等步骤,完成初始遥感图像的预处理。提取无人机遥感图像的SIFT 特征点和轮廓特征,利用BBF优化算法搜索当前图像与参考图像之间的特征匹配对,完成图像的特征匹配。最终通过粗匹配、精匹配和消除错误匹配点三个步骤,得出无人机遥感图像的配准结果。通过效果测试实验得出结论:与传统配准方法相比,优化设计方法的特征匹配点准确率提升5.15%,漏配率降低了3.75%。     

无人机海监测绘遥感系统的应用前景

】受国家８６３计划海洋领域经费资助的无人机海监遥感系统正在研制之中，介绍了该项技术的发展趋势、系统研制内容及应用前景     

基于无人机遥感影像的建筑物轮廓目标检测系统设计

使用?CCD成像元件系统和基于动态扫描检测系统受到噪声影响,导致轮廓检测不完整,为解决这一问题,提出了基于无人机遥感影像的建筑物轮廓目标检测系统设计。依据系统总体架构可确定系统分为数据采集模块和处理模块。选择TLC2543A/D转换芯片,使控制字从数据输入终端连续输入。使用半导体激光传感器测量位置信息,在雪崩光电二极管上成像。采用MCS-51单片机内部数据存储器,将正常运行程序传送到高层,以便?CPU读取程序。选择371-4615型号CPU板,协调控制整机。设计轮廓目标检测流程,采用激光三角法测量方法计算待测建筑物轮廓目标距离,避免检测背景噪声影响。提取建筑物斑块,拐角点定位,完成建筑物轮廓目标检测。由实验结果可知,该系统不会受到噪声影响,能够确定建筑物轮廓和拐角,对建筑物轮廓目标识别具有一定参考意义。     

无人机遥感影像下数字摄影测量技术分析

近年来,随着测绘工程的发展,无人机遥感技术作为具有较强实用性和灵活性的新兴测量技术,可以凭借较高的测量效率和测量质量完成高精确度的数字摄影测量工作,如今正被逐步应用于测绘实践中。本论文阐述了当下无人机遥感技术的应用优势,也同时分析了无人机遥感测量技术的不足之处,并对无人机遥感技术在测绘工程中的应用进行了论述,结合某丘陵地区进行了实例分析。     

农作物叶绿素含量遥感估算的研究进展与展望

叶绿素是农作物生长过程中重要的生化参数之一,其含量对农作物长势监测、病虫害监测、成熟期预测都有重要意义。介绍了现有遥感监测农作物叶绿素含量的模型基本原理与方法,总结了国内外在该领域的主要研究成果,进一步将模型进行分类,并分别针对经验模型、物理模型和耦合模型进行详细论述,分析了模型的优缺点及其适用范围,根据遥感估算农作物叶绿素含量的模型研究中存在的问题,对未来估算模型的发展趋势进行了展望。     

基于生成对抗网络的农作物叶片病害识别

当人们使用深度神经网络对图像进行分类时,通常需要大量的训练样本。然而,在实际工作中很难获得足够多的样本来保证神经网络的训练。为了解决这一问题,本文提出一种基于生成式对抗网络的识别方法。其主要思想是通过对现有的GAN网络模型进行改造后训练一个样本生成模型,然后利用神经网络对生成模型生成的数据集进行识别,最后利用迁移学习方法对具有真实数据的神经网络进行微调。为了验证该方法的有效性,本文使用5种作物的叶片进行验证(每个样本500片),其对植物叶片的有无病害识别精度可达90%以上。实验结果表明该方法能在少量样本时提高叶片的识别精度,具有很强的通用性。     

无人机遥感技术的研究

无人机遥感技术在记过十几年的发展与研究,现已能为大部分的航空摄影测量的进步和补充,具有较强的灵活性、实时有效性强等技术优势,,但对于现传统的航空摄像来说无人机摄影的数据具有其特殊性,在无人机摄影中拆用普通的影响技术史很难对其进行有效的处理。本文研究分析的是无人机遥感技术的基础上采用以Pixel Grid软件为例来介绍处理过程,并对其未来发展趋势进行分析和概况。     

轻小型无人机遥感定位系统误差消除技术研究

传统无人机定位系统误差消除技术存在误差消除精准度低的问题,需对轻小型无人机遥感定位系统误差消除技术进行深入研究。根据轻小型无人机航线、地理参考和初始位置坐标系,构建轻小型无人机遥感定位模型;利用该模型对目标定位原理展开分析,通过模型构建和无人机隐秘飞行特征,对目标位置进行转换,获取转换后的坐标系位置信息,通过无人机飞行姿势变化幅度范围,获取精准误差影像序号,并进行修正,由此完成系统误差消除。实验结果证明,该技术误差消除精准度较高。     

无人机遥感测绘技术在矿山工程中的应用

目前无人机遥感测绘技术已在多领域广泛应用,尤其在当前在矿山工程中的应用较为突出,能有效监测矿山环境,为特殊地质灾害提供预警,有效实现矿产资源开发工作.合理运用无人机遥感测绘技术对矿产工程作用巨大,但由于其自身技术存在一定的局限,容易受天气影响,载重有限和技术分析层面不足,所以无人机遥感测绘技术仍需要不断探索创新,做出技...     

面向深度学习识别高空农作物的方法

为探讨深度学习技术运用于高空或卫星图像处理的问题,针对其高空层次特征丰富但细节信息不充分,以及背景多元化干扰等特点,研究一种有效的多分类方法。利用消费级无人机采集农作物高空图像,从图像数据规模有限,较难实现有效训练的问题出发,提出一种综合数据增强和迁移学习的方法克服数据集不足;结合高空图像的独特特征,改进高维空间的最优分类函数,对模型进行优化,使之更吻合高空拍摄农作物图像的识别与处理。通过构建多组数据、多种模型的对比实验,验证了该方法的有效性与性能,为农业智慧决策提供有益补充。