基于FY-3D/MERSI-Ⅱ的积雪面积比例提取算法

风云三号D星(FY-3D)是我国新一代极轨气象卫星。中分辨率光谱成像仪(MERSI-Ⅱ)是其携带的核心传感器之一,FY-3D对于全球数值天气预报、大气定量探测以及气候变化监测等具有重要意义。积雪面积比例产品是众多陆面产品之一,是水文模型和区域气候模型的主要输入参数。基于MERSI-Ⅱ数据发展了业务化提取积雪面积比例的算法,算法核心是混合像元分解。空间光谱端元提取(SSEE)的方法自动提取端元,全约束最小二乘法(FCLS)求解线性混合模型。解混结果叠合云掩膜得到FY-3D/MERSI-Ⅱ积雪面积比例数据(FY-FSC)。以Landsat 8的积雪面积比例数据(L-FSC)作为参考值对FY-FSC进行验证,同时将FY-FSC和MODIS积雪面积比例数据(M-FSC)进行比较。结果表明:FY-FSC的总体相关系数(R)为0.54,均方根误差(RMSE)为0.17,绝对平均误差(AME)为0.10;M-FSC总体R为0.41,RMSE为0.26,AME为0.29;利用积雪面积提取的精度评价因子K比较FY-FSC和M-FSC获取的总积雪面积的精度。结果表明:FYFSC和M-FSC数据的平均K值分别为88.51%和86.78%,FY-FSC精度高于M-FSC。FY-FSC将作为试验参数纳入FY-3D/MERSI-Ⅱ积雪覆盖业务产品中,可填补国产卫星业务化反演积雪面积比例参数的空白。     

基于混合像元分解和双边界提取的湖泊面积变化监测

如何通过充分考虑地物复杂性和地域时间限制,提高混合像元分解算法的精度和普适性,是目前基于中低分辨率遥感数据进行湖泊面积监测所面临的主要问题。针对问题,提出了一种结合双边界提取和混合象元分解的高效算法,最后基于AVHRR数据对中国东北,内蒙古地区的湖泊面积变化进行遥感监测,验证了算法的高精度和可行性。     

基于FY-MWRI的中国西部被动微波积雪判识算法北大核心CSCD

积雪是冰冻圈中分布最广泛的要素,在气候变化以及水文循环中扮演着重要角色。微波遥感因其全天时全天候工作、具有一定穿透性等优势,成为积雪监测的重要手段。利用FY-3C卫星同步观测获取的微波成像仪(MWRI)被动微波亮度温度数据、融合可见光红外扫描仪(VIRR)与中等分辨率成像光谱仪(MERSI)数据得到的积雪产品,结合MODIS地表分类数据、地表温度数据,发展了基于国产卫星数据的被动微波积雪判识算法。首先提取无云覆盖的不同地表类型被动微波数据像元样本,然后对各地表类型的微波特征进行分析,利用空间聚类的方法,得到TB19V-TB19H、TB19V-TB37V、TB22V、TB22V-TB89V、(TB22V-TB89V)—(TB19V-TB37V)这五类可以较好地区分积雪和其他类似积雪地表的指标。最后应用MODIS积雪产品为参考对该积雪判识算法进行精度评价,该算法在中国西部积雪判识总体精度为87.1%,漏判率为4.6%,误判率为23.3%;Grody算法判识总体精度为78.6%,漏判率为9.8%,误判率为30.7%,该算法判识精度高于Grody算法;通过Kappa系数分析比较,该算法积雪判识结果的Kappa系数值为47.3%,高于Grody算法判识结果的Kappa系数值39.9%,表明该算法积雪判识结果与MODIS积雪产品判识结果一致性更好。     

基于月球观测的FY-3D MERSI-Ⅱ在轨通道亚像元配准

月球目标具有受大气影响小且与背景温度差异明显的特点,可以作为通道配准非常稳定的参考源,用于分析不同通道的成像位置.以风云三号D星(FY-3D)搭载的第二代中分辨率光谱成像仪(MERSI-Ⅱ)为例,介绍了一种利用月球图像进行在轨通道配准的方法.通过对MERSI-Ⅱ各通道月球图像进行预处理,并对图像采取亚像元最大相关迭代的...     

FY-3/VIRR资料积雪多阈值综合判识方法研究

利用卫星遥感监测积雪分布相比地面观测具有明显优势,目前基于FY-3卫星数据在积雪监测方面的研究较少。借鉴现有积雪卫星遥感监测算法,研究出适用于FY-3/VIRR资料的积雪判识方法,利用归一化积雪指数和多波段综合阈值实现积雪判识,提取积雪信息生成区域二值化积雪分布图。通过实例分析验证算法有效可行,并与MODIS积雪产品MOD10及其L1B数据NDSI判识结果进行对比,说明算法判识结果良好。研究表明,FY-3卫星数据可作为积雪遥测的可靠资料来源,可延用于积雪监测与灾害预警业务系统中,促进国产卫星数据的应用与推广。     

高光谱影像端元提取算法的进展分析与比较

对当前国际经典和前沿的6种代表性的端元提取算法进行比较研究,包括SPP-N-FINDR、VCA、SPICE、PCOMMEND、MVSA和MVC-NMF,通过理论和实验两种方式对这些算法进行综合性对比和分析,总结其优势和存在的问题。通过模拟和真实数据实验得出:SPP-N-FINDR算法的抗噪声能力不如其他5种算法;VCA和MVSA的稳定性较好;MVC-NMF和SPICE无需知道端元数目,且能直接得出丰度矩阵,自动化程度较高;PCOMMEND在真实高光谱图像中提取端元的结果最好,能直接得出丰度矩阵,但若端元数量为素数时精度会下降。研究成果将为今后围绕这些算法的相关研究提供必要的理论支持和参考。     

一种反演积雪面积的范数最小二乘算法

针对常规光谱混合分析算法在积雪面积反演中存在的端元变化误差及运算效率的问题,提出了一种范数最小二乘算法(norm least squares,NLS).为验证算法的精度和实用性,利用藏南地区的MODIS影像进行反演实验,同时采用全约束最小二乘法(fully constrained least squares,FCLS)...     

基于FY-3A/VIRR数据的雪盖信息提取软件设计与实现

目前基于FY-3A/VIRR资料的处理研究较少且VIRR数据量庞大,一些商用遥感图像处理软件很难直接完成对图像的预处理工作,这样对后续的定量化反演以及对FY-3A/VIRR的推广使用带来了困难。为了解决业务化问题,运用改进的归一化积雪指数(NDSI)、综合阈值判别算法和IDL、VB混合编程技术相结合的方法设计了积雪信息批量提取软件,实现了针对FY-3A/VIRR数据的单幅图像或多幅图像的积雪信息提取以及精度验证。实验表明,该软件处理速度快、实时性好、可批量提取积雪信息,大大节省了人力资源,同时提高了VIRR数据的分发和共享能力,可以在今后的工业生产和自动化领域推广使用。     

基于改进混合像元方法的MODIS影像水体提取研究

基于MODIS的反射率数据,利用改进的线性混合像元分解方法提取水体,并结合MODIS温度产品和SRTM的DEM数据校正阴影对提取结果的影响。通过和利用ETM+影像的水体提取结果对比分析得出:该方法结果较好的体现出河流和湖泊的细节特点,同时在很大程度上消除了阴影影响,面积提取结果具有较高的精度。     

基于线性光谱混合模型的油菜种植面积遥感监测方法研究

利用中低分辨率卫星影像进行油菜面积提取时,需要考虑混合像元产生的影响,以提高面积提取的精度。本文以2009年湖北省潜江市油菜种植面积为例,利用中巴地球资源卫星(CBERS-02B)遥感影像,选取线性光谱混合模型进行油菜种植面积的分解计算研究,将结果与基于GVG(GPS、VIDEO、GIS)农情采样系统得到的结果进行对比分析,面积提取精度为97.43%。表明线性光谱混合模型能够高精度地提取油菜的种植面积,不失为一种很好的监测油菜种植面积方法。     

基于环境信息和回归模型的青藏高原MODIS积雪面积比例产品制备

积雪面积比例（Fractional Snow Cover, FSC）是定量描述单位像元内积雪覆盖面积（Snow Cover Area, SCA）与像元空间范围的比值,可为区域气候模拟、水文模型等提供积雪分布的定量信息。MODIS FSC产品是根据经验模型计算得到,并没有考虑地形、植被和地表温度等环境因素的影响,在青藏高原的验证精度低。针对此问题,考虑青藏高原地区环境因素（地形、植被、地表温度）对FSC制备的影响,基于多元自适应回归模型（Multivariate Adaptive Regression Splines, MARS）和线性回归模型分别建立FSC制备的非参数回归模型和经验回归模型。用Landsat 8地表反射率的数据和SNOMAP算法制备FSC的参考数据集。选取一部分参考数据集作为模型的训练数据集,另一部分作为模型的检验数据集。研究结果表明：MARS方法估计FSC的精度明显高于线性回归模型和原有的MODIS FSC制备方法。MARS的总体R、RMSE、MAE分别为0.791、0.103、0.058。在线性回归模型中精度最高的总体R、RMSE、MAE分别为0.647、0.128、0.072。MODIS 原有FSC制图方法的总体R、RMSE、MAE分别为0.595、0.221、0.170。考虑了环境信息的MARS方法更加适用于青藏高原地区FSC制备。本研究为制备青藏高原地区更高精度的FSC数据提供了新思路。     

基于3D模型的骨架提取

根据3D模型骨架的基本定义,即内切圆圆心集合的定义,采用了一种通过对网格化的3D模型体素化的方法,运用改进的欧式距离变换提取出3D模型的骨架点,通过对骨架点的保存连通的无损连接形成了模型的骨架.对于提取的模型骨架具有的性质,提出了基于骨架的医学内窥镜漫游、基于骨架的局部网格重建(模型动画初步)、基于骨架的模型分割.为了方便应用这些功能,制作了一个友好的用户使用界面,使其功能得以更好的应用.     

基于FY-3C MERSI影像的洱海水体提取研究

遥感技术在水体监测方面已有成熟应用,风云三号是我国自主研发卫星,时间分辨率高、覆盖范围广,能短时间内完整监测大范围水体。针对国产FY-3系列中分辨率卫星在水体信息自动化提取中的应用问题,以FY-3C MERSI影像为数据源,采用归一化差异水体指数(NDWI)结合大津算法(Otsu)进行阈值分割,提取出洱海水体边界,通过与采用相同方法的邻近时期Landsat 8 OLI影像水体提取结果的对比分析,发现二者水体边界整体拟合较好,面积误差为1.53%,FY-3C MERSI影像较为快速、准确地提取出了洱海水体。表明MERSI数据在水体信息自动化提取方面具有较高的应用价值和潜力,可用于较大面积湖泊的水体提取。     

基于面积分布的3D模型检索技术

基于内容的3D模型检索技术难以提取形状特征,该文通过提取表面面积分布来表示3D模型的形状特征,采用主分量分析方法确保特征满足平移不变性、旋转不变性、对称不变性。以切分块内三角面片面积和与总面积的比值作为特征,确保缩放不变性。二次型形式的距离公式计算的相似度能够有效地区分特征分量的空间位置。实验表明,基于面积分布的检索技术具有较好的检索效果。     

基于DeepLabV3+的遥感影像道路中心线提取北大核心CSCD

针对目前已有基于遥感影像道路中心线提取算法易受道路旁树木遮挡、建筑物及其阴影覆盖和道路上车辆等因素影响,造成提取出来的道路中心线存在断裂、不完整现象,提出了一种基于深度学习语义分割的道路掩膜,引用细化算法提取道路中心线矢量数据,对矢量道路中心线进行优化的道路中心线提取方法。首先,通过对深度学习语义分割提取出来的道路掩膜进行形态学膨胀处理,减少道路掩膜出现部分断裂、空洞、不完整现象;然后,利用细化算法,对膨胀处理后的道路掩膜提取道路中心线并进行矢量化;最后,结合出现断裂处的道路中心线间几何、空间等约束关系,进行优化处理。实验结果表明:该方法相对于其他道路中心线提取方法,具有较高的精确度、完整度,在不考虑前期深度学习样本制作、模型训练所使用时间的情况下,提取效率也优于其他方法;生成了标准格式的矢量道路中心线数据,可直接用于实际生产。     

面向单幅图像的逼真3D人脸重建方法EI北大核心CSCD

针对3DMM参数拟合方法生成的纹理过于粗糙、结果不够逼真的问题,提出一种基于深度学习的单幅图像逼真3D人脸重建方法.首先构建RP-Net回归网络和包含5万幅人脸图像的数据集,从输入图像中学习参数,并拟合人脸模型生成3D人脸几何;然后通过构造多层次的损失函数进行弱监督学习,包括低水平的像素损失、地标损失和高水平的身份损失;最后通过纹理映射的方式生成逼真的人脸纹理.在2个通用人脸数据集和1个人工生成的人脸数据集上与最近的3D人脸重建方法进行对比实验,并对影响重建的光照、表情和转向等因素进行实验,根据SSIM和PSNR对3D重建结果进行量化分析.实验结果表明,所提方法面向单幅图像可以生成准确的3D人脸形状和逼真的人脸纹理;与最近的3D人脸重建方法相比,该方法的训练时间和迭代次数分别降低了6%和13%,SSIM值增加0.005~0.010,PSNR值平均提高0.03~0.08 dB.     

一种基于3D激光雷达的实时道路边缘提取算法

无人驾驶车辆在道路中行驶时需要判定当前环境中的可行驶区域,针对这一问题,提出一种基于3D激光雷达的道路边缘实时提取算法。该算法首先在栅格化和分层处理后的激光雷达点云图中分别提取高度特征和平滑特征,以进一步通过道路宽度约束筛选得到候选边缘点,然后利用随机抽样一致性算法(RANSAC)对两侧路沿点进行多项式拟合,最后通过卡尔曼滤波对边缘点进行预测、跟踪。实验结果表明,该算法在园区场景和城市开放道路上都能实时、稳定地提取道路边缘,且此算法在“2017年世界智能驾驶挑战赛”中得到了成功应用。     

基于随机森林算法的冬小麦提取研究北大核心CSCD

全球气候变化对粮食安全和农业可持续发展造成威胁,冬小麦作为全球重要粮食作物之一,其快速和准确的信息提取对保障区域粮食稳定具有重要意义。采用在农作物识别和提取领域具有明显优势的随机森林算法,结合典型冬小麦种植区光谱特征、纹理特征和主成分特征实现了30m空间分辨率遥感影像下的冬小麦地块的特征选择和快速提取,并分析了不同特征空间组合方式下的提取效果。研究表明:在"光谱特征"、"光谱特征+纹理特征"、"光谱特征+纹理特征+主成分特征"3种特征空间组合下,第3种组合方式下的冬小麦提取效果最佳,总体精度可达到84.85%,分别高于前两种方式8.08%和6.88%。因此,利用随机森林算法结合多源特征信息,可以有效实现特定农作物如冬小麦的快速提取,并为区域作物进一步应用研究提供有效数据支撑。     

基于数据空间正交基的遥感图像混合像元分解新方法

文中提出一种新的基于数据空间正交基的多通道遥感图像混合像元分解算法.该算法通过在数据集中确定一个具有最大体积的单形体来搜索端元.与经典的单形体遥感图像端元提取算法如N-FINDR不同的是,本算法将原基于行列式的单形体体积计算,等价于一组正交基的模值乘积计算,从而大大提高了算法的计算效率;同时,由于顺序搜索概念的引入,确保了本算法总能获得相同的端元提取结果,而不同于N-FINDR的结果易受随机选取的初始值影响.此外,利用这组正交基,文中所提出的算法还可以同时完成端元个数的确定与丰度的估计两项工作.模拟与实际数据实验结果表明,文中提出的算法是一种快速准确的遥感图像混合像元分解算法.     

基于3D-NDT的移动机器人定位算法研究北大核心CSCD

移动机器人定位是移动机器人自主导航的基本问题,在室外环境,GPS作为成熟方案被广泛使用,但在存在遮挡、有强电磁干扰等环境下,GPS定位的精度、稳定性及可靠性受到很大影响。本文详细阐述了三维激光点云3D-NDT匹配方法,在此基础上提出了融合里程计与3D-NDT点云匹配方法的移动机器人实时定位方法,解决了移动机器人在室外弱GPS环境下定位精度无法保证的问题。利用自主研发的移动机器人平台,在大范围室外环境中进行了测试,实验结果验证了本文所提算法的有效性。