并行路径与强注意力机制遥感图像建筑物分割

遥感图像建筑物分割广泛应用于城市规划及军事领域,是当前遥感领域的研究热点。针对遥感图像中建筑物之间尺度变化较大、建筑物遮挡、建筑物阴影与建筑物边缘相似所导致建筑物分割精度较低的问题,提出一种并行路径和强注意力机制的卷积神经网络模型。该模型基于ResNet网络残差连接的思想,以ResNet为基础网络提高网络深度,并采用卷积下采样得到并行路径,提取建筑物的多尺度特征,以减少建筑物之间尺度变化的影响。然后加入强注意力机制,增强多尺度信息的融合效果,增加不同特征之间的区分度,抑制建筑物遮挡及建筑物阴影的影响。最后,在多尺度融合特征后加入金字塔空间池化模块,抑制分割结果中建筑物内部孔洞的出现,提高分割精度。在WHU以及Massachusetts Buildings公开数据集进行实验,分别从MIoU,Recall,Precision,F1-score 4个指标对分割结果进行量化比较,在Massachusetts Buildings数据集中MIoU达到72.84%,相较于ResUNet-a提升1.46%,能够有效提高遥感影像中建筑的分割精度。     

红外多光谱仿真中的建筑物间辐射影响研究

为了对建筑物间相互辐射影响的重要性进行评估,为多光谱仿真方法和ATR算法的研究提供理论支持,在3~5 m和8~12 m两个波段分别进行了研究,并建立了建筑物间相互辐射影响的计算模型。当存在太阳直接辐射时,建筑物相互间的辐射影响在3~5 m波段可以忽略不计,而在8~12 m波段相互影响明显,不能被忽略。建立了有两个冷却塔的虚拟场景,选取了8、9、10、11、12 m为研究波长,针对冷却塔间的相互辐射影响进行了数值模拟计算,其中8、9、10 m三个波长的相互辐射影响较大,超过了总体辐射能量的10%,而11 m和12 m相对较小。对冷却塔间的辐射影响进行了场景仿真,仿真结果体现了不同波长的辐射影响随辐射距离的变化情况。     

红外多光谱图像仿真方法研究

针对光电武器研制过程中多光谱图像获取困难的问题,提出了一种通过三维立体场景生成红外多光谱仿真图像的方法。该方法能够生成三维场景任意角度的红外仿真图像,并形成特定波长范围的数据立方体。在3~5 m 范围内对特定目标进行了仿真实验,以0.005 m 为步长生成了包含401张红外图像的数据立方体。为体现反射光的方向特性,推导了一种基于Phong 模型的BRDF 模型,并应用于对方向性较强的太阳直接辐射的反射在红外波段的计算,并在3~5 m 范围生成了具有方向特性的红外仿真图像立方体。一系列实验数据表明,该仿真方法可快速生成红外多光谱图像数据立方体,而BRDF 模型能够真实地反映反射的方向特性,提高了仿真图像的逼真度。     

保持地形特征的网格模型简化算法

针对目前地形简化算法在低分辨率的状态下忽略地形本身的重要起伏特征,如山峰、河谷等典型区域,导致视觉上的失真的问题,在Garland算法的基础上,结合地形学中山谷线和山脊线定义提出顶点特征度的概念,并将其作为权值嵌入到误差测度中,使简化后的地形模型能够保留更多重要特征信息.与Garland算法的对比实验表明,文中算法在保...     

面向点云识别网络的显著图生成

点云结构上的特殊性质，导致解释其深度模型学习特征的结果存在困难。提出了一种获得点云目标识别模型显著图的方法，首先在点云空间中随机释放若干自由因子并输入到模型中，然后根据设计的贡献度评价指标，基于梯度下降使骨干网络输出的池化特征尽可能偏离目标点云识别过程中输出的池化特征并更新因子位置。迭代后的因子无法参与识别过程，其对模型的预测“零贡献”，将目标点云中的点移动到这些因子的位置后对识别结果的影响与丢弃该点完全相同。点的移动过程可微，最后可根据梯度信息获得显著图。本文的方法在ModelNet40数据集上生成PointNet模型的显著图，相较于用点云中心生成显著图的方法，理论依据更强且适用的数据集更多。移动点至“零贡献”因子位置后对模型的影响较移动点至点云中心与丢弃点更相似。按本文的方法丢弃点使模型精度下降得更快，在仅丢弃100个点的情况下，模型的OA(overall accuracy)由90.4%下降至81.1%。同时经DGCNN和PointMLP评估，该显著性结果具有良好的通用性。该方法生成的显著性分数精度更高，且由模型驱动不含任何假设，适用于绝大多数点云识别模型和数据集，其显著性分析结果...