XiaoMi-AI文件搜索系统
World File Search System遥感图像
一种从空间立体影像中描绘建筑物足迹的混合方法
从遥感图像中自动提取建筑物轮廓线已用于更新城市地区的地理空间数据库 [1]。高分辨率星载立体 (HRSS) 传感器（例如 GeoEye、WorldView、QuickBird）的发射开启了一个新时代，提供了从太空获取立体图像和 3D 地图的可能性 [2]。事实上，建筑物识别、重建和变化检测已经使用立体图像匹配以及 3D 边缘匹配技术进行 [3,5-6]。如 [3] 所述，基于立体图像的 3D 边缘匹配提供了有希望的结果，但前提是建筑物在数据的空间分辨率方面足够大、具有简单的矩形形状并且与周围物体相比具有良好的辐射对比度。事实上，虽然使用非常高分辨率的航空图像进行 3D 边缘匹配可以详细重建建筑物轮廓线 [7]，但使用星载图像，同样的方法可能会遇到问题，特别是在两幅对极图像中都无法清晰检测到建筑物轮廓的情况下。此外，虽然影像匹配提供了代表建筑物高度的DSM，但是从该DSM提取的建筑物大小和形状通常被高估，因此需要辅助信息。
一种从空间立体影像中描绘建筑物足迹的混合方法
从遥感图像中自动提取建筑物轮廓线已用于更新城市地区的地理空间数据库 [1]。高分辨率星载立体 (HRSS) 传感器（例如 GeoEye、WorldView、QuickBird）的发射开启了一个新时代，提供了从太空获取立体图像和 3D 地图的可能性 [2]。事实上，建筑物识别、重建和变化检测已经使用立体图像匹配以及 3D 边缘匹配技术进行 [3,5-6]。如 [3] 所述，基于立体图像的 3D 边缘匹配提供了有希望的结果，但前提是建筑物在数据的空间分辨率方面足够大、具有简单的矩形形状并且与周围物体相比具有良好的辐射对比度。事实上，虽然使用非常高分辨率的航空图像进行 3D 边缘匹配可以详细重建建筑物轮廓线 [7]，但使用星载图像，同样的方法可能会遇到问题，特别是在两幅对极图像中都无法清晰检测到建筑物轮廓的情况下。此外，虽然影像匹配提供了代表建筑物高度的DSM，但是从该DSM提取的建筑物大小和形状通常被高估，因此需要辅助信息。
利用国民商业空间...
越来越多的空间商业化正在为国家安全获取提供新的机会。由于天气中的商业发展；遥感图像；射频集合；通讯；定位，导航和时机；和太空情境意识（其他领域）情报和国防机构正在考虑雇用承包商发展定制能力的传统模型的替代方案。某些空间功能可以像个人计算机或乘用车一样对待，政府从私人公司获得商品，而不是通过承包商开发。或太空服务可以像电子邮件客户或搜索引擎一样对待，例如Microsoft Outlook或Google搜索，但政府许可但不拥有。在这个新的太空时代，美国太空领导将面临许多决策，在特定情况下采购模型将使用。鉴于利用商业服务来加速重要能力的范围，并保留了典型军事能力的资源，因此领导者应为在许多不同的任务领域回答该问题的分析任务做准备，并采取必要的步骤以准备在军事应用程序规模上获得商业能力和服务。我们的国家安全空间企业和商业太空领域处于关键关键时刻。国家安全领导需要考虑其要用于其下一代系统和业务规则的模型，以平衡它们。
自动快速且强大的技术来细化提取...
4. 吕勒奥理工大学土木环境与自然资源工程系，瑞典吕勒奥 97187 摘要：尺度不变特征变换 (SIFT) 自动提取控制点 (CP) 的能力在遥感图像中非常著名，然而，其结果不准确，有时由于生成少量错误 CP 对而导致匹配不正确，其匹配具有很高的误报。本文介绍了一种包含修改的方法，通过以不同方式应用绝对差和 (SAD) 来提高 SIFT CP 匹配的性能，适用于新一代光学卫星（称为近赤道轨道卫星 (NEqO)）和多传感器图像。所提出的方法可以提高 CP 匹配率，并显著提高正确匹配率。本研究中的数据来自覆盖吉隆坡-北干地区的 RazakSAT 卫星。该方法包括三部分：（1）应用 SIFT 自动提取地面控制点；（2）使用经验阈值的 SAD 算法细化地面控制点匹配；（3）通过将原始 SIFT 结果与所提方法的结果进行比较来评估细化后的地面控制点场景。结果表明该模型具有准确和精确的性能，证明了所提方法的有效性和鲁棒性。关键词：地面控制点自动提取、绝对差和、近赤道卫星、多传感器、改进的 SIFT。1.
要使用哪个骨干：特定于Aresource效率的域...
在当代计算机视觉应用中，尤其是图像分类中，在像Imagenet这样的大型数据集上预先训练的建筑背骨通常被用作特征提取器。尽管这些预训练的卷积神经网络（CNN）广泛使用，但在理解各种各样的功能和数据集大小的各种资源有效骨干的性能方面仍然存在差距。我们的研究系统地评估了多个数据集的一致训练设置，包括自然图像，医学图像，银河系图像和遥感图像，在一致的训练设置下进行了多次轻巧，预训练的CNN骨干。这种全面的分析旨在帮助机器学习从业人员为其特定问题选择最合适的骨干，尤其是在涉及细调预培训网络的小型数据集的情况下。尽管基于注意力的架构越来越受欢迎，但我们观察到，与CNN相比，它们在低数据微调任务下的性能往往较差。我们还观察到，与其他CNN架构（例如Convnext，Regnet和EfficityNet）相比，与其他各种领域相比，相比之下。我们的发现提供了可行的见解，以实现不同骨架的折衷权和有效性，从而促进了模型选择中明智的决策，以获得广泛的计算机视觉域。我们的代码可在此处提供：https：//github.com/pranavphoenix/backbones
利用无人机传感图像估计农林牧复合系统中树木种植园的位置和高度
摘要 典型地中海树种的人工林对于该地区森林生态系统的恢复至关重要，例如栓皮栎 ( Quercus suber L.)、圣栎 ( Quercus ilex L.) 和大叶松 ( Pinus pinea L.)。虽然传统的森林清查可以提前发现这些人工林中的问题，但所需实地考察的成本和劳动力可能超过其潜在效益。无人机 (UAV) 为传统清查和单树测量提供了一种廉价实用的替代方案。我们提出了一种根据遥感图像估算单树高度和位置的方法，该图像使用集成 RGB 传感器的低空飞行无人机获取。2015 年夏天，一架低空飞行 (40 米) 六旋翼飞行器拍摄了埃武拉大学一片 5 公顷的树林。根据这些图像创建了 3D 点云和正射影像。点云用于识别局部最大值作为树木位置和高度估计的候选。结果表明，使用无人机测量的松树高度可靠，而橡树的可靠性取决于树木的大小：较小的树木尤其成问题，因为它们往往具有不规则的树冠形状，导致更大的误差。然而，误差显示出强烈的趋势，可以生成足够的模型来改进估计。
比较多光谱的机器学习...
侵入性植物物种对本地生态系统构成了重大威胁，绘制其分布对于有效的管理和保护工作至关重要。本研究使用遥感图像比较了不同机器学习技术在侵入性植物物种Spathodea Campanulata的多光谱特征中的性能。使用随机抽样技术收集了基于地面的植被的位置数据，并从Sentinel-2获取了卫星图像。结果表明，使用机器学习技术，蓝色，绿色，红色，红色和近红外带可有效区分侵入性S. campanulata，不蔬菜和其他植被。支持向量机（SVM）技术达到了80％的最高总体准确性，其次是随机森林（RF），为73％和K-Nearest邻居（KNN），占66％。高斯混合模型（GMM）技术的总体准确性最低为53％。SVM和RF在预测和观察的类之间显示出很大的一致性，而KNN显示中度一致，GMM的一致性差。SVM产生的地图描述了研究区域北部地区的侵入性植物物种的分布。相比之下，南部地区（包括蒂莫兰山的保护区）显示出s。campanulata的密集存在，表明该物种正在进行的入侵。这强调了有效管理和保护工作的必要性，以减轻侵入性植物物种对本地生态系统的负面影响。
佛罗里达州土地利用、覆盖和形态...
负责办公室：测绘办公室 佛罗里达土地利用、覆盖和形态分类系统 关于此版本：这是更新的佛罗里达土地利用、覆盖和形态分类系统。1985 年 9 月版本几乎与原版一样完整，除了一些添加的分类。我们要感谢佛罗里达州环境保护部在添加一些“湿地类别”方面做出的贡献。我们保留了第二版中的大部分简介。目的：自土地利用、覆盖和形态分类系统原版发布以来，地理测绘部分与遥感和数字测绘系统的不断发展同步发展。该部门目前经常使用更为复杂、先进的航空摄影形式、Landsat 多光谱扫描仪 (MSS) 数据和 Landsat 专题制图仪 (TM) 数据。此外，从遥感图像中提取的大多数图像数据和所有非图像数据都存储在计算机支持的地理信息系统中。这些资源的使用增加导致了对土地利用、覆盖和形态的非常精确的分类，以及在综合土地利用/覆盖/形态数据库中捕获图像数据和辅助非图像数据的灵活方法。由于这些能力的增强，专题制图部门的任务大大扩展，因此需要新版佛罗里达土地利用、覆盖和形态分类系统。1971 年，地理测绘科在佛罗里达州交通部地形局（现为测绘办公室）内成立。当时和现在，我们的使命是应要求协助其他州机构开展测绘活动。虽然我们的主要职责是交通部，但该部门也会不时满足其他政府机构的需求。1
来自 Landsat ETM + 中东地区的线纹频率 ...
多光谱 Landsat 7 ETM+ 分析为传统测绘提供了先前的研究。为地质测绘提供了宝贵的帮助。卫星收集的遥感图像 地质和地理状况：研究区域位于北纬 33°30 和 34° 之间，通过全景图显示，它们位于北纬 4°30 和南经 5°。东北部恢复了中阿特拉斯高原作为数字线性延伸的存在和重要性，主要包括景观中的地质不连续性、下侏罗纪白云质石灰岩的“线性”英语和线性“排列”（下和中莱阿斯），克服了法语系列 [1]。由三叠纪红色页岩和玄武岩组成 [4-7]。这些线纹与结构相关，其特征是板状结构，更多断层和元素，如断层、裂缝、褶皱轴和褶皱，呈单调的地貌。这是一个大型的喀斯特高原岩性接触。它们导致地形不同阶段，俯瞰 Sais 平原，在海拔 1000 米以上的洼地、排水和植被异常 [2]。 它被 NE-SW 断层和 [3] 穿过。然而，在几乎所有情况下，Tizi n'Tratten 的提取和分离，卫星图像将这些结构与 Atlas Pleated 的东南部中线纹分离，由北中阿特拉西断层 (ANMA) 表示。水平非常高 [1]。北部和西北部的界限由里夫南部的第三纪和第四纪覆盖层以及有趣的技术线纹和走廊决定（图1）。
secbnet：光学卫星图像的语义分割增强色彩平衡网络
摘要 - 地球观察卫星可以在不同的时间，气候条件和平台形式下捕获光学图像，在颜色和亮度上表现出很大的差异，在合成大面积光学卫星图像时会导致视觉体验差。相关的颜色平衡问题引起了研究人员的极大关注，但诸如缺乏研究数据和对模型参数的敏感性之类的挑战持续存在。为了解决这些问题，本文发布了一个公开开放的数据集，并提出了语义细分增强色彩平衡网络（SECBNET）。首先，为了减轻研究数据的稀缺性，我们开发了一个公共可用的遥感图像颜色平衡数据集，Zhu hai色彩平衡图像（ZHCBI），以支持相关的研究活动。第二，为了提高颜色平衡图像和目标图像之间的语义一致性，我们设计了以分割结果为指导的双分支U-NET架构，并提出了一种新颖的分割特征损失函数。最后，为了解决分段处理中块之间的接缝问题和不自然的过渡，我们引入了一个基于加权平均的后处理模块。我们对ZHCBI数据集上的现有主流颜色平衡算法进行了比较实验和分析。结果表明，与其他主流方法相比，我们所提出的方法可实现最先进的颜色平衡质量，并具有显着改善的视觉效果和更高的峰信噪比（PSNR）（23.64 dB）。