遥感影像解译算法的研究进展

系统地分析了遥感影像解译算法的研究现状及存在的问题，提出基于人工神经网络的遥感影像解译的研究构想。     

遥感影像地图在鄂尔多斯盆地环形构造识别中的应用

鄂尔多斯盆地油、气、煤、铀矿等多种能源矿藏(床)同盆共存,在空间分布上具有一定的规律。根据鄂尔多斯盆地的地质概况,对该地区的遥感数据进行影像合成。从合成的遥感影像图中识别出鄂尔多斯盆地内、中、外三个环形构造,为该地区多种能源矿藏(床)的富集定位研究以及协同勘探提供参考。     

利用高空间分辨率卫星遥感数据制作影像交通图

从高分辨率卫星遥感影像图中可以获取大量与交通规划、控制与管理相关的信息,如土地利用、交通小区人口、城市道路网络、交通流量分布、交叉口类型、停车场分布、建筑密度和容积率,甚至主干道路渠化信息等。制作遥感影像交通图能够直观、生动、形象地表述这些信息,并能实现一图多用、一库多用。本文就高分辨率遥感影像交通图的优点、内容、制作的技术路线,以及若干关键技术进行了探讨。     

基于亮度特性的高空间分辨率遥感影像阴影处理研究

在高密度的城市环境中,建筑物产生的阴影遮挡了许多重要信息,导致车辆信息提取不准确甚至无法提取,因此对阴影的处理显得尤为重要.利用遥感影像阴影的几何特征和光谱特征,采用基于亮度的阴影检测方法,通过双峰曲线选取合适的亮度阈值把阴影和光照区进行分割;并用灰度线性映射的阴影补偿方法,通过线性映射对阴影区域进行信息补偿,对高空间分辨率遥感影像的样本数据中的阴影进行试验处理和结果分析,结果证明这一方法是行之有效的.     

结合深度神经网络的高分辨遥感影像滑坡检测

利用遥感影像快速、高效地检测滑坡区域在抢险救援、风险评估等方面发挥着重要的作用。提出了多尺度特征融合的深度神经网络框架用于高分辨遥感影像滑坡自动检测。首先,该框架利用ResNet网络对遥感影像进行筛选,选出具有滑坡区域的候选影像。接着将含有滑坡区域的候选遥感影像输入到多尺度神经网络中对滑坡区域进行分割,从而精准地定位滑坡位置。利用开源数据集和自制数据集对模型进行了训练,并在都香高速公路沿线正射遥感影像上测试。结果表明,该方法在测试区域的滑坡检测总体精度为88.55%,召回率为85.52%。提出的深度神经网络框架能够提取不同尺度的滑坡区域,削弱了与滑坡无关因素的影响,有效提高了高分辨遥感影像滑坡检测的精度。     

基于K-L变换遥感融合影像的道路信息提取

该文应用K-L变换将SPOT-5多光谱与全色遥感影像数据融合,并将预处理后的影像采用基于监督分类的方法进行道路信息提取。试验结果表明:K-L变换法在消除模式特征间的相关性以及突出差异性方面具有很好的效果,基于K-L变换遥感融合影像的道路信息识别效果良好,与实际相符。     

高速公路交通流数据检测技术

结合应用实践,介绍了现代交通流检测技术——视频检测技术、磁映像技术、橡胶气压管传感器技术和远程微波传感器技术的工作原理及在高速公路交通流检测中的应用,对每种检测设备的适用条件、安装要求进行了详细论述。并以MetroCount 5600车辆分型统计系统的Traffic Executive交通量管理软件为例,对高速公路的交通流参数关系进行分析。实践证明,以上4种检测技术能为高速公路交通流特性研究提供所有交通流参数,为高速公路交通流特性研究提供有力的数据支持。     

面向自动驾驶的遥感影像路网检测方法

针对高分辨率遥感影像道路提取难度大、提取精度低的问题，提出了一种基于VGGU-Net++的遥感影像路网检测方法。首先基于VGGU-Net框架构建了编码器-解码器网络；其次，设计了一系列嵌套、密集的卷积块，用以缩小编码器与解码器特征映射之间的语义差距。节点之间利用跳跃连接填充了具有多个卷积层的密集卷积块，其层数取决于金字塔等级；并在2个卷积块之间设置1个串联层，该层将同一密集块前一个卷积层的输出和浅层的上采样输出进行特征图融合。同时，使用深监督策略保证网络模型的修剪程度和速度增益。在网络训练过程中，这种相似语义特征图的跳转连接可以简化优化操作，提高网络训练性能。最后，利用遥感影像开源数据集——马萨诸塞州数据集进行算法的测试与验证。结果表明，提出的VGGU-Net++网络与现有同类方法相比，获得了更好的性能表现，在精确率、召回率、F₁-score和I_oU方面分别达到了88.1%、87.1%、88.5%和77.9%，能够实现城市、山区、直线、弯曲道路场景高维、复杂、抽象特征的自动提取；此外，检测结果能够减少干扰，降低误检，保留更多道路细节信息，得到更加完整、清晰的路网检测效果。     

面向碳达峰与碳中和测算的农村公路行驶量估计方法

为了解决公路运输碳达峰与碳中和测算中关键的农村公路行驶量估计问题，提出一种通过卫星遥感影像与自动化公路交通调查数据融合的行驶量估计方法。使用卫星遥感影像获得农村公路车辆密度与高等级公路车辆密度的比值。使用自动化交通调查获取的县道车辆行驶速度，以及县、乡、村三级农村公路设计速度的比例关系，估计农村公路车辆平均速度，进而获得农村公路与高等级公路车辆速度的比值。以自动化交通调查获取的高等级公路交通量为基准，根据农村公路与高等级公路的车辆密度比及车辆速度比，估计农村公路平均断面交通量及行驶量。在31个省级行政区随机抽样的基础上开展测算。农村公路日均断面交通量估计结果为182辆/d,行驶量为8.11×10⁸车·km/d。为广域农村公路的行驶量估计问题提供了简易的工程解决方案，同时探索了静态影像数据与动态交通检测数据融合推算公路交通运行情况的技术方法。提出的方法不依赖影像比例尺信息，同样适用于无人机航拍数据。     

融合BIM与影像建模技术的桥梁检测方法及其应用研究

针对目前常用高速公路桥梁检测方法信息零散化、覆盖不全、可追溯性差、准确性不高的问题,提出了一种融合BIM与影像建模技术的桥梁检测新方法。在研究高速公路桥梁运维管养BIM模型特点、分类和编码规则基础之上,尝试建立了桥梁运维管养BIM模型数据库;为丰富BIM模型中的病害信息,采用影像建模技术,实现了既有桥梁的运维信息模型的快速重构和基于该模型的桥梁病害快速识别、测量与外观病害信息入库,为将BIM与影像建模技术有机融合作为一种新的技术手段高效应用于高速公路桥梁维护和检测中提供了参考与建议。     

基于视频技术的微观交通流信息采集系统研究

现代检测理论与技术，完全有能力采集到完整的微观交通流数据，即断面或区域车辆序列信息，包括每一辆车的车辆属性、位置属性和运动属性．微观交通流信息对于通行能力分析、智能交通控制、异常交通状态识别、微观交通流特性研究、宏观交通流行为理解以及实验交通工程学的发展，具有重要的意义。视频检测技术在微观交通流信息采集和研究中具有无可替代的作用。章系统分析和完整描述了断面和区域两类微观交通流信息，介绍了在此基础上开发的微观交通流视频信息采集系统．     

基于影像云纹法的路面平整度检测方法

研究基于影像云纹法的路面平整度获取方法.采用Labview编写程序,开发路面高程成像采集软件,利用Labview内置的影像处理技术去除噪声干扰后,分割出路面等高面,并可用Matlab软件绘制出路面三维图像.实验表明:路面平整度影像云纹法检测方法获取的路面等高面与用实际测量所得数据绘制出的路面等高面相关性良好.该方法设计...     

汽车倒车影像问题分析与优化

本文针对某造车过程中第1次挂倒挡出现"维修倒车影像系统"提示语的问题,对倒车影像系统组成和倒车影像检测过程进行了分析,通过采集缺陷工况下的数据和信号,结合时序分析和测试,最终确认为ⅡC通信异常导致的该倒车影像问题,并提出优化方案。     

交通事件检测算法的参数敏感度研究

在交通事件发生条件下,对交通流占有率、车辆占有率、速度3个特性参数进行分析,研究交通参数对于交通事件检测算法的敏感程度。通过TSIS交通仿真软件获得交通流的实时数据,最终得到交通事件检测算法中交通流参数的选择方法。     

交通流非线性回归模型的变点统计分析

以往的交通流状态辨识主要集中在交通流状态预辨识(即交通流预测)和实时辨识(即事件检测或交通流突变检测)上,在一定程度上忽略了对交通流变量规律的辨认.依据交通流理论,采用非线性回归模型变点的统计方法,对变点识别的关键问题进行了分析.结合淄博市中心路的实地数据对本方法进行了标定和检验,验证了方法的有效性和可行性.     

基于自适应模糊神经网络的交通流状态预测

研究交通流状态的分类、识别与预测,建立了基于模糊聚类及模式识别的交通流状态自适应模糊神经推理系统.对大量交通流历史特征数据采用模糊聚类法进行状态分类并进行模式识别,得到系统的原始输入输出数据集.建立交通流状态预测的自适应模糊神经系统,以交通流特征数据及其识别结果作为训练数据集进行系统参数及模糊规则的训练与确定,直到误差在控制范围内,并进行系统检测和复核.仿真及其检测和复核结果表明系统预测的准确率在 95%以上.     

理论.方法.数据：交通流模型成功三要素

本文通过分析现代交通流模型研究中存在的问题，指出认识理论，方法和数据在交通流模型研究中地位问题的必要性，提出并论述：在交通流模型研究中，交通流行为理论是基础，方法是工具，数据是原料，三者缺一不可，构成交通模型成功的三个必要因素；同时，对理论，方法和数据使用中存在的问题进行了详细分析并试图提出相应的解决途径。     

高速公路交通流分形特性分析

采用分形理论研究交通流的自相似性；基于嵌入空间理论、状态空间重构和Ｇ－Ｐ算法对实际检测的广佛高速公路２４ｈ交通流情况进行了分形特性分析，分析结果表明交通流在一定的区间内存在尺度不变性。     

基于改进递归小波变换的交通流异常点与变点检测算法

为准确界定交通流状态,辅助交通管理者对交通异常事件进行及时处理,提出了一种基于改进递归小波变换的异常点与变点快速检测算法,并将其应用于交通流实时监控与预警。首先,对历史交通流序列建立自回归模型,将残差序列的标准化有效分数向量作为统计量,利用3-Sigma原则,提出为统计量差分时序设定监控阈值的方法,实现了交通流状态的实时预警。其次,利用改进递归小波变换统计量,结合小波复合信息并综合考虑真实变点与估计变点之间的差异,选取小波变换特征频率与最优搜索长度,快速检测并估计交通流异常点与变点,实现了交通流状态的在线监控。最后,仿真试验和实例分析验证了算法的合理性与可行性。研究结果表明:设定的阈值对交通流变化趋势掌控明显,能够对交通异常状态进行及时预警;结合特征频率的复小波变换信息,能够有效检测并区分交通流异常点与变点;与基于有效分数向量的传统变点检测算法相比,算法的检测性能在延迟与收敛性两方面均有明显改善。该算法能够对交通流状态进行在线监控,这将为断面车流实时预警提供支持。     

基于手机定位的交叉路口交通流数据采集方法

为了实现对城市道路交叉口交通流数据的全面采集、减少成本、提高效率,提出以手机为交叉口交通流信息获取源的思路。研究了将手机定位数据（运动速度、经纬度）转化为交通流数据的方法。通过检测空间和检测单元的确定,根据用户的运动速度和位置信息,按照步行、自行车、小汽车和公交车将不同手机用户的出行方式进行了准确判断,最终实现了交叉口交通量、车流流向和延误数据的自动采集。