共查询到20条相似文献，搜索用时 62 毫秒
1.
针对现有侧扫声呐辐射畸变改正方法难以实现复杂底质及作业环境下图像精细获取的问题,基于侧扫声呐图像辐射畸变诱因,提出侧扫声呐图像辐射畸变综合改正方法。该方法在胶州湾水域得到应用,消除了海况差、底质变化明显及人为增益参数调整等问题的影响,实现了复杂海洋环境及噪声影响下图像的高质量获取。与传统统计方法比较表明,综合法处理后图像熵值减小、峰值信噪比增加,图像质量得到有效提高。 相似文献
2.
建筑物的自动提取对城市发展与规划、防灾预警等意义重大。当前的建筑物提取研究取得了很好的成果,但现有研究多把建筑提取当成语义分割问题来处理,不能区分不同的建筑个体,且在提取精度方面仍然存在提升的空间。近年来,基于多任务学习的深度学习方法已在计算机视觉领域得到广泛应用,但其在高分辨率遥感影像自动解译任务上的应用还有待进一步发展。本研究借鉴经典的实例分割算法Mask R-CNN和语义分割算法U-Net的思想,设计了一种将语义分割模块植入实例分割框架的深度神经网络结构,利用多种任务之间的信息互补性来提升模型的泛化性能。自底向上的路径增强结构缩短了低层细节信息向上传递的路径。自适应的特征池化使得实例分割网络可以充分利用多尺度信息。在多任务训练模式下完成了对遥感影像中建筑物的自动分割,并在经典的遥感影像数据集SpaceNet上对该方法进行验证。结果表明,本文提出的基于多任务学习的建筑提取方法在巴黎数据集上建筑实例分割精度达到58.8%,在喀土穆数据集上建筑实例分割精度达到60.7%,相比Mask R-CNN和U-Net提升1%~2%。 相似文献
3.
随着计算机视觉技术的发展, 通过卫星图像深度学习进行滑坡识别的研究正在逐步展开。通过引入双重注意力机制, 提出了一种基于卷积神经网络的滑坡图像识别优化算法。基于统计的2 200张滑坡图像数据集, 探讨了10种网络结构及4种注意力机制对滑坡识别结果的影响, 并通过比例为4∶1的训练集和测试集进行滑坡识别, 验证了本文方法的有效性。结果表明: ResNet结构相较于其他网络结构表现更为优秀, 就该算例而言, ResNet-101结构具有最高的召回率、精确率和F1度量。融入了双重注意力机制的卷积神经网络相较于单个神经网络而言, 滑坡识别的精确率更大, 且滑坡边界分割结果更接近于真实的滑坡边界, 其中, ResNet-101+DAN模型为最优模型。相较之下, 单个神经网络无法克服图像噪声的影响, 图像分割结果不佳。 相似文献
4.
介绍基于回波强度的海底底质分类软件的框架,并从多波束声呐原理入手解析ALL格式多波束声呐数据的存储结构和内容,通过软件开发可实现ALL格式多波束声呐数据的解码,提取各种数据包,并且通过一系列的数据预处理形成基于波束脚印包络栅格的高分辨率声呐图像。最后,利用改进的BP神经网络对生成的声呐图像进行海底底质分类。实验证明,本系统对底质全图分类效果很好,并为海底微地貌识别提供精确可靠的依据。 相似文献
5.
???????????????????????????????????????????????????ALL????????????????洢????????????????????????ALL???????????????????????????????????????????е???????????γ?????????????????????????????????????????BP?????????????????????к????????????????????????????????Ч????????????????ò?????????????????? 相似文献
6.
耕地地块作为精准农业的重要支撑,现有地块边界大多依靠人工勾绘。随着遥感技术的发展,基于遥感影像自动提取耕地地块成为研究主要方向,其中基于深度学习的方法能够克服传统检测方法难以适应复杂场景的局限而被广泛使用,但现有检测方法仍存在问题,基于深度卷积模型直接识别耕地区域会丢失内部边界、而基于边缘检测模型识别耕地边界时则会同时得到大量无关边界;此外,现有的基于阈值提取地块的策略所提取的地块不够规整,存在内陷的问题。针对上述问题,本研究提出一种基于深度卷积网络和分水岭分割的耕地地块提取方法,从信息检测和地块提取两方面进行改进：① 将耕地边界视作一种地物类别,在深度卷积网络中进行类别概率检测,帮助实现对耕地边界的语义识别。② 基于改进后的D-LinknetXt网络进行检测,其网络架构适合于对耕地边界这类线性目标的提取,同时更换原始D-Linknet网络的残差单元,帮助提高了网络的特征提取能力。③ 基于分水岭分割对耕地地块进行提取,利用了区域分割方法获取边界的封闭性,并且这种以区域为单元进行分割并合并的方式,解决了原有方法在像元尺度上基于阈值提取所遇到的提取地块存在内陷的问题,使地块更规整准确。在一景高分二号影像上进行检验,并设计两类精度指标,从全局边界精度和地块几何精度两方面进行方法性能评估。实验结果表明,本方法的精度优于3种对比方法,在代表边界精度的F1分数上达到了0.933,地块几何精度为0.829。本研究所提出的方法能够更加准确的对耕地地块进行提取,并适用于实际应用中。 相似文献
7.
随着海洋观测技术的不断发展,人类获取的海洋数据也快速增长,由于海洋流场是整个海洋系统物质流和能量流输送的主要渠道,基于这些观测数据进行海洋流场迁移变化规律分析及可视化表达研究,对所有涉海领域均具有非常重要的意义。然而,由于海洋时空大数据集合的多源性和异构性等原因,至今尚未有令人满意的海洋流场数据集成共享和动态可视化分析工具,从而导致这些异源异构数据难以实现统一标准下的集成组织与语义共享。为了实现海洋流场语义层次上的统一描述,本文在分析了海洋流场多维特征、拓扑特征、模糊特征等基础上,基于本体论的语义构建思想,提出并构建了基于四元组O=（C,P,R,I）的本体组织基础结构,其中C表示概念集合、P表示属性集合、R表示概念间的关系集合、I表示实例集合,通过对概念、属性、关系结构的进一步定义,共同组合构成了海洋流场整体本体结构。为了给出清晰的本体语义建模过程,以海流现象局部本体构建为例,在对成因性、空间性、时间性、运动性等本体属性分析的基础上,进行了海流概念、本体属性、语义关系的描述和定义,从而为海洋流场组织提供一个规范性框架。进而借助OWL语言本体建模的优势,以地转流为例进行了其形式化表达和本体类构建。研究结果表明,基于本体的海洋流场语义分析方法能有效地解决传统海洋现象描述中的异构问题,可为海洋信息共享与集成研究提供参考。 相似文献
8.
In this study,a 3D virtual reality and visualization engine for rendering the ocean,named VV-Ocean,is designed for marine applications.The design goals of VV-Ocean aim at high fidelity simulation of ocean environment,visualization of massive and multidimensional marine data,and imitation of marine lives.VV-Ocean is composed of five modules,i.e.memory management module,resources management module,scene management module,rendering process management module and interaction management module.There are three core functions in VV-Ocean:reconstructing vivid virtual ocean scenes,visualizing real data dynamically in real time,imitating and simulating marine lives intuitively.Based on VV-Ocean,we establish a sea-land integration platform which can reproduce drifting and diffusion processes of oil spilling from sea bottom to surface.Environment factors such as ocean current and wind field have been considered in this simulation.On this platform oil spilling process can be abstracted as movements of abundant oil particles.The result shows that oil particles blend with water well and the platform meets the requirement for real-time and interactive rendering.VV-Ocean can be widely used in ocean applications such as demonstrating marine operations,facilitating maritime communications,developing ocean games,reducing marine hazards,forecasting the weather over oceans,serving marine tourism,and so on.Finally,further technological improvements of VV-Ocean are discussed. 相似文献
9.
针对高空间分辨率遥感影像目标提取中定位精度低、边缘粗糙等问题,提出一种融合目标边缘特征与语义信息的人工坑塘提取网络模型。方法首先利用改进的U-Net语义分割网络模块来提取遥感影像中丰富的目标语义信息,然后拓展上述语义分割网络构建边缘提取子网络来获取遥感影像的多尺度边缘特征,最后借助于编码-解码子网络融合边缘特征与语义信息,实现遥感影像目标的精准提取。将该方法运用到雷州半岛复杂背景条件下人工坑塘提取实验中,实验结果中本文提出的方法在F分数以及边界F分数等评价指标上表现最优,达到97.61%与83.01%,验证了融合高层语义信息结合低层的边缘特征在提升遥感目标提取精确度上的有效性。 相似文献
10.
大豆作为全球最重要的油料作物,是中国进口的大宗农产品,对其种植区的精准识别是决策制定、种植结构调整基础,对国家粮食安全有重要意义。本文利用Sentinel-2作为数据源,利用多层神经网络方法与对大豆进行提取,并与随机森林、决策树、支持向量机等机器学习进行对比,发现F1-Socre指标显示多层神经网络的分类精度最高,为93.53%,其次为随机森林、支持向量机、决策树。将神经网络分类结果与SLIC面向对象分割聚合之后,结果既忽略了同一地块的微小差别,又区分出了不同地块的作物差异,很好的体现了大豆的分布。Sentinel-2数据是进行大尺度大豆种植监测的绝佳数据源,大豆与玉米等其他作物在第二个红边波段的反射率有较为明显的差异。多层神经网络方法在图像分类任务中表现出色,结合图像分割算法精度可达到95.51%,可以满足大豆种植面积监测的需求。 相似文献
11.
神经网络法反演海水叶绿素浓度的分析 总被引：7，自引：0，他引：7
海洋水色遥感的最终目的之一是监测海洋初级生产力的时空变化,而反映海洋初级生产力的一个重要指标就是浮游植物中的叶绿素浓度[1]。对于海水叶绿素浓度的遥感反演研究工作至今已进行了30多年,方法主要是基于蓝-绿波段比值的经验统计法。近些年,随着水色遥感器的改进及数据处理方法的深入研究,提出了荧光高度法[2]和神经网络法[3-5]。本文基于SeaBAM(SeaWiFSBio-OpticalAlgorithmMini-Workshop)小组搜集的全球范围叶绿素浓度与离水辐射率的同步观测数据,利用神经网络方法反演海水叶绿素浓度,并将其结果与SeaBAM经验算法进行了比较及分析。 相似文献
12.
高分辨率遥感影像的目标分类与识别,是对地观测系统进行图像分析理解,以及自动目标识别系统提取目标信息的重要手段。本文综述了当前国内外在可见光、红外、合成孔径雷达和合成孔径声纳等遥感影像的目标分类与识别的关键技术和最新研究进展。首先,讨论了高分辨率遥感影像的目标分类与识别问题的主要研究层次和内容;其次,深入分析了高分辨率遥感影像目标分类与识别,在滤波降噪、特征提取、目标检测、场景分类、目标分类和目标识别的关键技术及其所存在的问题;最后,结合并行计算、神经计算和认知计算等技术,讨论了目标分类与识别的可行性方案。具体包括：（1）高性能并行计算在高分辨率遥感图像处理的主流技术,并给出了基于Hadoop+OpenMP+CUDA的高分辨率遥感影像混合并行处理架构;（2）深度学习对于提升目标分类和识别精度的应用前景,以及基于深度神经网络的多层次遥感影像目标识别方法;（3）认知计算在解决遥感影像大数据不确定性分析的模型与算法,并讨论了层次主题模型的多尺度遥感影像场景描述方案。此外,根据媒体神经认知计算的相关研究,探讨了遥感影像大数据的目标分类和识别的发展趋势和研究方向。 相似文献
13.
在高分辨率遥感影像中提取建筑物轮廓是地区基础建设信息统计的一项重要任务。适应性较强的深度学习方法已在建筑物提取研究中取得较大进展,受网络模型对影像特征表达的局限性,存在局部建筑轮廓边缘模糊的问题。本研究提出一种基于注意力的U型特征金字塔网络（AFP-Net）可以聚焦高分遥感影像中不同形态的建筑物结构,实现建筑物轮廓的高效提取。AFP-Net模型通过基于网格的注意力阀门Attention Gates模块抑制输入影像中的无关区域,凸出影像中建筑物的显性特征;通过特征金字塔注意力Feature Pyramid Attention模块增加高维特征图的感受野,减少采样中的细节损失。基于WHU建筑物数据集训练优化AFP-Net模型,测试结果表明AFP-Net模型能够较清晰地识别出建筑物轮廓,在预测性能上有更好的目视效果,在测试结果的总体精度和交并比上较U-Net模型分别提高0.67%和1.34%。结果表明,AFP-Net模型实现了高分遥感影像中建筑物提取的结果精度及预测性能的有效提升。 相似文献
14.
Potential submarine geologic hazards at the entrance of the Pearl River Estuary in the northern South China Sea 总被引：1，自引：0，他引：1
ZHANG Zhiqiang WEI Zhiqiang HE Huizhong WEI Wei QIAN Libing LI Tuanjie 《中国海洋大学学报(英文版)》2016,15(4):606-612
The potential submarine geologic hazards were distinguished and categorized at the entrance of the Pearl River Estuary in the northern South China Sea, based upon the analysis of side scan sonar and sub-bottom profiler surveying data of about 2500 km long, in an area about 2000 km~2 around the Wanshan Archipelago. The data obtained in the survey has the highest spatial resolution by far, which could reveal more detailed distributions and characteristics of the geologic hazards than before. In the study region, three paleo-channels that were buried about 10–30 m below the seabed were found; more than 10 shallow gas areas were discovered. The sand waves found in the region were generally small and located near the islands, and twenty pockmarks found on the seabed were mostly concentrated to north of Zhuzhou island. There are also many man-made obstacles in the region, such as wreckages, pipeline, etc. In this paper we provide a detailed distribution map of the submarine geologic hazards in this region for the first time, and discuss their formation and harmfulness, which will provide a scientific basis for marine engineering construction, marine geologic disaster prevention and mitigation. 相似文献
15.
自动提取城市建筑物对城市规划、防灾避险等行业应用具有重要意义,当前利用高空间分辨率遥感影像进行建筑物提取的卷积神经网络在网络结构和损失函数上都存在提升的空间。本研究提出一种卷积神经网络SE-Unet,以U-Net网络结构为基础,在编码器内使用特征压缩激活模块增加网络特征学习能力,在解码器中复用编码器中相应尺度的特征实现空间信息的恢复;并使用dice和交叉熵函数复合的损失函数进行训练,减轻了建筑物提取任务中的样本不平衡问题。实验采用了Massachusetts建筑物数据集,和SegNet、LinkNet、U-Net等模型进行对比,实验中SE-Unet在准确度、召回率、F1分数和总体精度 4项精度指标中表现最优,分别达到0.8704、0.8496、0.8599、0.9472,在测试影像中对大小各异和形状不规则的建筑物具有更好的识别效果。 相似文献
16.
随着海上石油运输业和海洋石油工业的迅速发展,海上溢油事故频繁发生,造成了巨大的生态和经济上的损失,因此,实时监测溢油信息对灾害防控具有重要意义。本文基于多源SAR影像数据,开展了溢油遥感监测研究,构建了基于GIS的海洋溢油业务化监测系统。系统基于GDAL对原始数据进行解析,实现影像输入和几何校正等处理;在此基础上,封装多尺度图像分割算法和灰度对比度特征提取算法,对SAR影像数据进行分块、分割、溢油识别、合并及参数赋值等自动化处理,实现溢油信息提取的一键化处理;面向溢油监测应用需求,制作各类标准化产品,自动添加制图整饰要素、影像参数、溢油面积和溢油源等各类信息,并实时生成专题快报。 相似文献
17.
土地覆盖变化是全球变化研究的核心,而精准分类是开展土地覆盖变化研究的基础。高分辨率遥感卫星技术的快速发展对地表分类的速度和精度提出了双重挑战,近年来人工智能等新技术的发展为图像自动分割提供了实现途径,而以卷积神经网络为代表的深度学习方法在遥感图像分类领域也具有独特的优势。为对比深度学习模型设计对高分辨率图像分类结果的影响,本文以郑州市2019年高分1号影像作为输入,对比研究了基于UNet模型改进的4种不同深度学习网络模型在高分辨率影像土地覆盖自动分类应用中的差异,探讨了残差网络、模型损失函数、跳层连接和注意力机制模块等编码和解码设定对于分类精度的影响机制。研究发现：同时加入多尺度损失函数、跳层连接和注意力机制模块的MS-EfficientUNet模型对郑州市土地覆盖分类结果最优,基于像元评价的整体分类精度可达0.7981。通过在解码器中引入多尺度损失函数可有效提高林地、水体和其他类别的分类精度;而对编码器进行改进,加入跳层连接和注意力机制可进一步提高草地、水体和其他类别地物的分类精度。研究结果表明,深度学习技术在高分辨率遥感影像自动分类中具有潜在应用价值,但分类结果精度的进一步提高和多级别大范围的精细分类方法仍是下一步研究的重点。 相似文献
18.
ICESat-2（Ice, Cloud, and land Elevation Satellite-2）是美国NASA（National Aeronautics and Space Administration）在2018年发射的激光测高卫星,其上搭载的激光测高系统ATLAS（Advanced Topographic Laser Altimeter System）采用微脉冲多波束光子计数激光雷达系统,因其低能耗、高探测灵敏度、高重复频率的特性极大改善了沿轨采样密度,但也使获取的数据中包含大量的噪声,如何有效实现光子点云去噪分类成为后续应用的关键,也是当前研究的热点和难点,为此本文提出一种基于卷积神经网络的光子点云去噪和分类算法。首先将光子点云按照沿轨和高程方向划分格网,去除明显的噪声光子,并将每个粗信号光子点栅格化为影像;然后基于少量样本构建的卷积神经网络分类模型实现光子点云精去噪和分类;最后利用机载激光雷达数据进行验证,并与ATL08产品的去噪分类结果进行对比。结果表明,对于裸地和森林区域,卷积神经网络算法均能有效去除噪声光子,特别对于森林区域,可同时实现去噪和分类;其中,裸地区域地表计算的R2和RMSE分别为1.0和0.72 m,森林区域地表和树冠计算的R2分别为1.0和0.70, RMSE分别为1.11 m和4.99 m。本文利用深度学习算法实现光子点云去噪分类,在裸地和森林区域均取得了较好的结果,为后续光子点云数据处理提供了参考。 相似文献
19.
《中国海洋大学学报(英文版)》2021,20(5)
Marine geological disasters occurred frequently in the deep-water slope area of the northern South China Sea, especially submarine landslides, which caused serious damage to marine facilities. The cyclic elastoplastic model that can describe the cyclic stress-strain response characteristic for soft clay, is embedded into the coupled Eulerian-Lagrangian(CEL) algorithm of ABAQUS by means of subroutine interface technology. On the basis of CEL technique and undrained cyclic elastoplastic model, a method for analyzing the dynamic instability process of marine slopes under the action of earthquake load is developed. The rationality for cyclic elastoplastic constitutive model is validated by comparing its calculated results with those of von Mises model built in Abaqus. The dynamic instability process of slopes under different conditions are analyzed. The results indicate that the deformation accumulation of soft clay have a significant effect on the dynamic instability process of submarine slopes under earthquake loading. The cumulative deformation is taken into our model and this makes the calculated final deformation of the slope under earthquake load larger than the results of conventional numerical method. When different contact conditions are used for analysis, the smaller the friction coefficient is, the larger the deformation of slopes will be. A numerical analysis method that can both reflect the dynamic properties of soft clay and display the dynamic instability process of submarine landslide is proposed, which could visually predict the topographies of the previous and post failure for submarine slope. 相似文献
20.
Ocean internal waves appear as irregular bright and dark stripes on synthetic aperture radar(SAR) remote sensing images. Ocean internal waves detection in SAR images consequently constituted a difficult and popular research topic. In this paper, ocean internal waves are detected in SAR images by employing the faster regions with convolutional neural network features(Faster R-CNN) framework; for this purpose, 888 internal wave samples are utilized to train the convolutional network and identify internal waves. The experimental results demonstrate a 94.78% recognition rate for internal waves, and the average detection speed is 0.22 s/image. In addition, the detection results of internal wave samples under dif ferent conditions are analyzed. This paper lays a foundation for detecting ocean internal waves using convolutional neural networks. 相似文献