1 长安大学地质工程与测绘学院，陕西 西安 710054
2 中国自然资源航空物探遥感中心，北京 100083
3 武汉大学测绘遥感信息工程国家重点实验室，湖北 武汉 430079
目前主流的神经网络在面对复杂多样的地物目标时难以精确区分，同时样本数量少、弱监督条件也容易为神经网络带来大量噪声与错误。为此，在分析遥感影像的地物特点后，提出一种基于权重动态变形的双重网络遥感影像分类方法，通过构架灵活、简易却有效的权重动态变形结构，构建经过改进的分类网络与目标识别网络，形成双网络对照的自我验证，从而提高学习性能、修复误差、增补遗漏、提高分类精度。实验结果表明，所提方法在容易实施的基础上，表现出更强的地物认知能力和更强的噪声抵抗能力，即其能够适应各种遥感影像的分类任务，具有较为广阔的应用潜力。
遥感影像分类 神经网络 权重动态变形 双重神经网络 自我验证 激光与光电子学进展
2024, 61(8): 0828001
1 长安大学地质工程与测绘学院，陕西 西安 710064
2 长安大学土地工程学院，陕西 西安 710064
及时准确地掌握土壤重金属含量和分布尤为重要，基于高分五号卫星高光谱影像，对潼关县土壤Cd含量进行大范围反演。为准确筛选Cd元素的特征波段，提高模型反演精度，通过特征编码和随机变异，耦合竞争性自适应重加权算法与遗传算法（CARS-GA），按照先全局后局部的搜索策略对Cd元素的特征波段进行搜索，并在标准正态变换（SNV）、一阶微分（FD）两种光谱增强方式下，比较基于CARS-GA方法与其他波段选择方法（相关系数分析法、CARS算法）构建的偏最小二乘模型（PLSR）精度，最后选择最优模型应用到整个潼关县裸地区域。实验结果表明：采用CARS-GA算法进行波段选择时，基于2种光谱变换数据构建的PLSR模型精度均明显高于相关系数分析法和CARS算法所构建的模型精度，FD光谱变换中验证集的决定系数分别提高了0.288、0.093，SNV变换光谱中验证集的决定系数分别提高了0.372、0.088。该结果表明了利用CARS-GA算法进行波段选择可有效增强Cd含量估测模型的鲁棒性，从而为环境污染评价及生态保护提供更好的数据支撑。
高光谱 遥感 土壤重金属 波段选择 竞争性自适应重加权算法 遗传算法 激光与光电子学进展
2023, 60(17): 1728001
1 长安大学地质工程与测绘学院，陕西 西安 710054
2 长安大学土地工程学院，陕西 西安 710054
3 陕西省土地整治重点实验室，陕西 西安 710054
针对传统语义分割网络检测精度低，对中、小尺度目标存在误检漏检，对边界分割粗糙等现象，提出了一种基于深度学习的高分辨率遥感图像建筑物变化检测方法。采用编码-解码结构，在编码阶段采用残差网络提取图像特征，并为编码器最深层特征引入空洞卷积和金字塔池化模块，增大感受野以提取多尺度图像特征；在解码阶段使用注意力模块突出有用特征，接着聚合不同尺度不同分辨率的特征。在大型遥感建筑物变化检测数据集上进行实验。结果表明，所提方法在获取深层语义信息的同时可以较好地关注到细节信息，在精确率、召回率、F1分数上均有明显提升，在多尺度目标检测、建筑物边界提取等方面优于其他常用的语义分割网络。
遥感影像 变化检测 ResNet50 注意力机制 特征金字塔 激光与光电子学进展
2022, 59(10): 1001003
1 长春工业大学 机电工程学院, 吉林 长春 130021
2 湖南江麓容大车辆传动股份有限公司, 湖南 长沙 410205
为了提高配有金属带式无级变速器车型燃油经济性, 提出基于滑模极值搜索理论的控制算法和基于滑模极值搜索控制与传统夹紧力控制相结合的一体化式联合控制方法; 设计了滑模极值搜索控制和传统液压控制合为一体化的联合控制系统。建立具有非线性、离散性的数学模型; 分析无级变速器传动效率和金属带滑差率在一定速比下存在特殊曲线关系; 测试主/从动轮夹紧力比值系数, 完成了速比跟踪控制器及变化率控制流程设计。依据滑模极值搜索算法原理, 完成了滑模极值搜索控制器设计。在具有环境仓的转鼓试验台上进行整车试验, 试验结果表明: 采用一体化式控制的金属带式无级变速器车型油耗为7.18L/100km,比传统控制系统的油耗降低约5.64%; 主、从动压力安全系数倒数指标均小于1。满足整车提高燃油经济需求的可靠性、稳定性及优化性能。
汽车工程 无级变速器 滑模极值搜索 电液系统 Automotive Engineering Continuously Variable Transmission Sliding Mode Extremum Seeking Electronic hydraulic
1 长安大学地测学院, 陕西 西安 710054
2 武警工程大学信息工程系, 陕西 西安 710086
针对高空间分辨率遥感影像的分类问题，提出了基于深度学习的分类方法。该方法通过非下采样轮廓波变换计算影像的纹理特征，利用深度学习的常用模型—深度信念网络(DBN)对高分辨率遥感影像进行了基于光谱-纹理特征的分类，并与基于单源光谱信息的DBN 分类方法、支持向量机(SVM)分类方法、传统神经网络(NN)分类方法进行了比较分析。研究结果表明：相对于单源光谱信息，利用影像的光谱-纹理特征能够有效提高高分辨率遥感影像的分类精度；相对于SVM、NN 等分类方法，DBN 能够更加准确地挖掘高分辨率遥感影像的空间分布规律，提高分类的准确度。
遥感 深度学习 深度信念网络 高空间分辨率 遥感影像分类 非下采样轮廓波变换 纹理
长安大学 地质工程与测绘学院 西部矿产资源与地质工程教育部重点实验室,陕西 西安 710054
高光谱遥感数据蕴含着丰富的地物反射光谱信息,其原始反射数据中含有大量的噪声,这些噪声严重影响地物反射光谱中的吸收特征,大大降低数据的分析精度,研究有效的高光谱遥感数据噪声滤波算法是改善高光谱数据分析效果的关键环节。研究了推扫高光谱图像(PHI)影像中条带噪声的高频特性,针对目前常用的矩匹配方法及几种改进的矩匹配方法都存在一定的缺点,提出一种改进的行平滑条带滤波方案,对含有条带噪声波段行均值曲线进行平滑处理,并调整图像中各像元的灰度值,以减小行间灰度差异,所得图像的峰值信噪比有所提高,取得了比按波段的矩匹配方法更好的去条带效果,在较好地削弱图像中条带噪声的同时,保留了原图像的辐射特征。
图像处理 高光谱遥感 行平滑滤波算法 矩匹配方法 高频特性 条带噪声
介绍了超声波测距的基本原理,对应超声波测距仪的误差产生原因,设计了一个以提高测量精度为目的的超声波液位测量仪原型系统,该系统包含脉冲发射电路,变增益接收电路,温度补偿电路和相应的控制电路.实验结果表明该设计方法可以提高超声波测距仪的测量精度并且硬件开销不大.
超声波 液位测量 温度补偿
