基于薄云雾去除的ETM+影像大气校正

中国南方农业遥感监测中,遥感影像常常受到薄云雾影响,大气的散射与吸收作用会使传感器接收到的地物反射率与真实值之间存在差距,是导致数据质量下降的主要原因,薄云雾去除和大气校正处理是十分必要的。该研究利用LandSat-7/ETM+影像,结合背景抑制云雾厚度因子（BSHTI）云检测方法和虚拟云点（VCP）云去除方法进行薄云雾去除,并与暗元法去云处理结果对比分析,然后将去云处理后的影像进行FLAASH大气校正,选取校正前后典型地物的光谱特征和NDVI值进行分析评价。结果表明,BSHTI-VCP法可有效消除薄云雾对遥感数据的影响,提高了云雾覆盖范围的影像质量;FLAASH大气校正较好地消除了大气影响,获得了地物真实地表反射率。该研究为南方作物遥感监测中定量反演与信息解译提供了良好理论支持。     

基于遥感影像的露天煤矿区土地特征信息及分类研究

该研究利用Landsat TM数据,以安太堡大型露天煤矿为例,在对地物光谱特征深入分析的基础上,设计了大型露天矿区土地剧烈扰动下不同地物特征提取模型,提取了安太堡露天矿区植被高覆盖区、植被低覆盖区、剥离堆垫区、采煤运煤区及边坡区等不同地物信息。采用归一化植被指数(NDVI)提取植被低覆盖区与植被高覆盖区信息,采用(TM4-TM5)>0提取植被高覆盖区信息并与NDVI进行了比较,采用TM4<40提取采煤运煤区信息,采用TM4/TM7在0.99～1.01范围来提取边坡区信息, 并统计计算了各类地物所占面积和分布情况。对研究区TM影像进行主成分分析,剥离堆垫区、采煤运煤区和边坡区等反映矿区扰动特征的信息主要由第1主成分反映,植被低覆盖区和高覆盖区等反映矿区植被覆盖特征的信息主要由第2主成分反映,两个主成分的贡献率达到97.16％,并利用扰动特征和植被特征对研究区地物进行了分类。该技术与方法为露天矿地物变化动态监测以及土地复垦与生态重建均提供了准确数据支持。     

群体水果动态图像的获取方法研究

群体水果动态图像的采集系统是水果品质实时检测与分级机器人系统的关键组成部分之一,主要由计算机、摄像机、图像采集卡、涡流式接近开关、水果和动态图像采集软件等组成.涡流式接近开关作为水果运动状况检测传感器,用于检测水果位置和触发动态图像采集.群体水果动态图像采集软件在Visual C++6.0环境下结合MIL-LITE函数库实现.根据水果实时自动检测和分级的特点及功能要求,提出了群体水果动态图像的时间序列连续场扫描采集方法,在来自于水果运动状况检测传感器的外触发信号的触发下,计算机视觉系统采集从时间t1到时间tn期间视场内连续运动的水果图像,这些渐进的时间序列水果图像在计算机内被综合后即可检测视场内的每一个水果的外观品质指标,用于分级控制.试验结果表明,该系统可在外界输入信号的触发下,以每秒12帧的速率实时采集群体水果的动态图像,研究结果达到了预期的目标.     

新疆林业海量影像数据管理系统建设

介绍新疆林业海量影像数据管理系统建设的关键技术和系统功能。系统通过对多源、多时相、多分辨率的影像数据的统一化、标准化的组织和管理,提供在线影像浏览、查询、对比分析和影像下载等功能,实现了海量影像数据的管理与共享。     

基于轻量型残差网络的自然场景水稻害虫识别

准确识别水稻害虫对水稻及时采取防护和治理措施具有重要意义,该研究以自然场景中水稻害虫图像为研究对象,针对水稻害虫图像的颜色纹理与背景相近以及同类害虫形态差异较大等特点,设计了一个由特征提取、全局优化以及局部优化模块构成的轻量型残差网络（Light Weight Residual Network,LW-ResNet）用于水稻害虫识别。在特征提取模块通过增加卷积层数以及分支数对残差块进行改进,有效提取自然场景中水稻害虫图像的深层全局特征并使用全局优化模块进行优化;局部优化模块通过设计轻量型注意力子模块关注害虫的局部判别性特征。LW-ResNet网络在特征提取模块减少了残差块的数量,在注意力子模块中采用深度可分离卷积减少了浮点运算量,从而实现了模型的轻量化。试验结果表明,所设计的LW-ResNet网络在13类水稻害虫图像的测试数据集上达到了92.5%的识别准确率,高于VGG16、ResNet、AlexNet等经典卷积神经网络模型,并且LW-ResNet网络的参数量仅为1.62×106个,浮点运算量仅为0.34×109次,低于MobileNetV3轻量级卷积神经网络模型。该研究成果可用于移动端水稻害虫的自动识别。     

K步稳定的鞋印花纹图像自动聚类

目的 鞋印是刑事侦查的重要物证之一,如何对积累的大量鞋印花纹图像进行自动归类管理是刑事技术迫切需要解决的问题之一。与其他类图像不同,鞋印花纹图像具有种类多但数目未知、同类花纹分布不均匀且同类花纹数目少的特点。基于鞋印花纹图像的这些特点,用目前典型的聚类算法对鞋印花纹图像集进行聚类,并不能取得很好的效果。在对鞋印花纹图像进行分析的基础上,提出一种K步稳定的鞋印花纹图像自动聚类算法。方法 对已标记的鞋印花纹图像进行统计发现,各类鞋印花纹之间在特征空间上存在互不相交的区域(本文称为隔离带)。算法的核心思想是寻找各类鞋印花纹之间的隔离带,来将各类分开。过程为:以单调递增或递减的方式调整特征空间中判定两点为一类的阈值,得到数据集的多次划分;若在连续K次划分的过程中,某一类的成员不发生变化,则说明这K次调整是在隔离带中进行的,即聚出一类,并从数据集中删除已标记的数据;选择下一个阈值对剩余的数据集进行划分,输出K步不变的类;依此类推,直到剩余数据集为空,聚类完成。结果 在两类公开测试数据集和实际鞋印花纹数据集上进行实验,本文算法的主要性能指标都超过典型算法,其中在包含5792枚实际鞋印花纹数据集上的聚类准确率和F-Measure值分别达到了99.68%和95.99%。结论 针对鞋印花纹图像特点,提出了一种通过寻找各类之间的隔离带进行自动聚类的算法,并在实际应用中取得了很好的效果。且算法性能受参数的变化以及类的形状影响较小。本文算法同样适用于具有类似特点的其他数据集的自动聚类。     

基于TM影像的流域河网信息提取

针对韭园沟流域的TM影响,采用单波段阈值法、谱间关系法、归一化水体指数、HIS彩色模型4种方式进行流域河网信息提取,得出以下结论:(1)基于TM影像6波段的单波段阈值提取方法,可以获得较清晰的河网信息,主支流河网连续性较好,河流脉络明显,但是由于遥感影像上阴影的影像,单波段改变提取阈值难以把阴影与水体进行有效区分,提取效果仅能作为一个参考;(2)利用谱间关系法和IHS颜色模型提取的河网,主干道提取效果明显,大面积的水体也可以很好地表现,支流河网只能表现大致的轮廓,存在许多严重的断流现象。     

基于计算机视觉的三七主根质量的分级方法

选取干燥后的三七主根样本110个,运用计算机视觉技术获取三七主根样本图像,对图像进行灰度化、二值化以及形态学运算,提取长、宽、投影面积等特征值。结果表明,三七主根的形状可分为锥形和瘤形,分别对2种主根建立投影面积和质量的关系预测模型,三七主根的质量和投影面积呈线性相关,锥形三七主根与瘤形三七主根投影面积和质量预测模型的决定系数R2分别为0.984 9和0.986 6。采用十折交叉验证法对质量预测模型进行验证,锥形三七主根质量误差均值0.334 8 g;瘤形三七主根质量误差均值0.494 9 g。     

基于视频处理的分层流持液率测量

截面持液率是气液两相流的基本参数之一。在气液两相实验系统上进行实验,采用高速摄像机系统获取了水平管气液两相流流型视频,提出了一种针对两相流动视频实现持液率检测的新方法。该方法针对自然光下拍摄的气液两相分层流图像气液区域与气液界面模糊、边缘难以直接提取的难点,采用新的递变规律加强图像的灰度使画面效果清晰化,通过中间线计算法提取气液边界线,进而通过提取的气液界面距离管底高度数据,计算管路持液率,其中包括同一帧图像不同截面的持液率以及同一截面持液率随时间的变化情况。实践证明：在自然光干扰较大的拍摄条件下,该方法能够获得连续、清晰的气液相边界,可推广应用于其他流型图像的分析和检测。（图9,参8）。     

基于HRNet-OCR模型的农村宅基地提取方法

【目的】 农村宅基地信息统计是制定农村宅基地制度改革政策方向的基础,目前,基于遥感影像的农村宅基地提取还主要停留在人工目视解译的阶段,这种传统的提取方法效率低、成本高、耗时长,基于遥感影像自动化提取农村宅基地的相关研究较少。【方法】 文章收集了德清县无人机遥感影像数据,建立了训练集、验证集和测试集,构建HRNet-OCR模型,并与FCN、UNet、DeepLabV3Plus这3种模型在不同场景下进行对比。【结果】 模型精度评价指标IoU表明,在平原和丘陵地区HRNet-OCR比FCN、UNet和DeepLabV3Plus分别高了4.24%、3.72%和2.82%,在山区HRNet-OCR比FCN、UNet和DeepLabV3Plus分别高了3.59%、2.77%和1.55%,且模型在边缘细节上表现得更优秀。【结论】 基于HRNet-OCR识别模型使得遥感影像农村宅基地提取更为准确,具有更好的鲁棒性,可为精准提取农村宅基地提供重要参考价值。未来更快速、高效的高精度提取方法还有待进一步研究。