基于高光谱和LiDAR的黄河口湿地植被分类方法

利用无人机（Unmanned Aerial Vehicle, UAV）高光谱影像（Hyper-spectral Imaging, HSI）和激光雷达（Light Detection and Ranging, LiDAR）数据开展黄河口湿地植被分类方法研究。由于高空间分辨率HSI光谱变异性强,以及LiDAR点云密度不均匀,分类结果呈现出“椒盐”现象。为了解决这些问题,本文提出了一种结合空谱特征融合和通道注意力机制的双分支卷积神经网络（SSF-C-DBCNN）。光谱注意力机制通过为每个波段分配不同的权重来减少光谱变异性的影响。空间注意力机制侧重于学习和强调特征表达能力强的密集点云区域空间信息,从而减轻LiDAR点云密度不均匀对结果的影响。最后,在双分支融合特征后引入通道注意力机制来提取更深层次的特征。利用UAV采集的HSI和LiDAR数据进行实验验证,结果表明,本文提出方法的性能优于随机森林和五种深度学习方法,分类结果更为贴合实际土地覆盖,有效地抑制了“椒盐”现象。     

系外行星成像星冕仪模块光学基板结构优化设计与分析

为确保星冕仪的成像性能,文章针对中国空间站巡天空间望远镜（CSST）系外行星成像星冕仪（CPI-C）的光学基板结构进行优化设计与分析。首先,通过数值仿真分析方法获取光学基板的最优结构设计方案;然后,对优化设计方案进行动力学性能仿真分析评估;最后,对试验工装夹具进行设计,并试验测试加工完成的光学基板的力学性能。结果显示：优化后的光学基板重8.6 kg,轻量化率为70.19%,一阶固有频率为322.46 Hz;试验工装和光学基板耦合后的一阶固有频率为269.63 Hz(>150 Hz)。以上表明光学基板的性能满足设计指标要求,能够用于CPI-C模块。     

基于DJI精灵4多光谱版无人机的红树林精细分类

本文基于DJI（大疆）精灵4多光谱版无人机能够同时获取地表可见光照片和多光谱影像的特点，提出了使用摄影测量技术构建冠层高度模型（CHM）的方法，并结合多光谱影像应用于红树林分类。将上述方法应用于广东省湛江红树林国家级自然保护区高桥镇研究区，结果表明：基于无人机摄影测量技术构建的红树林CHM与多光谱影像结合后能够大幅提高红树林的分类精度，可替代传统的机载激光雷达数据；DJI精灵4多光谱版无人机数据获取效率高，能够实现高精度的红树林分类，在红树林监测业务工作中具有推广应用价值。