本发明公开了一种结合时空信息的遥感逐日积雪产品去云方法，首先根据 DEM 数据和土地利用数 据对遥感逐日积雪产品进行积雪单元划分;再利用 DEM 数据和多时相数据分别得到每个云像元在空间 和时间上的积雪概率;最后利用加权平均的方法获得云像元的积雪概率，评判云像元是积雪还是无雪。 本发明充分结合了积雪在空间上和时间上的相关性，以及地形因子对积雪的影响，有效地减少云对积雪 产品的影响，提高了积雪产品的精度，并且算法简单，计算效率高，易于实现。

武汉大学张永军教授项目组在国际上首次提出摄影测量遥感的科学概念，构建了多模态卫星影像一体化摄影测量遥感智能处理技术体系，突破了匹配干扰地物快速智能分割、语义辅助几何处理与大范围影像镶嵌合成、地物信息智能提取等关键技术，成功研制出我国首套多模态卫星影像一体化摄影测量遥感智能处理系统MIPS。 一、项目分类 关键核心技术突破 二、成果简介 武汉大学张永军教授项目组在国际上首次提出摄影测量遥感的科学概念，构建了多模态卫星影像一体化摄影测量遥感智能处理技术体系，突破了匹配干扰地物快速智能分割、语义辅助几何处理与大范围影像镶嵌合成、地物信息智能提取等关键技术，成功研制出我国首套多模态卫星影像一体化摄影测量遥感智能处理系统MIPS，相关技术理论《多模态卫星影像一体化摄影测量遥感智能处理技术及应用》2021年荣获测绘科技进步特等奖。 技术特色： (1) 首次提出基于人工智能技术的多模态卫星影像语义分割与几何处理融合新理论。创建了卫星影像跨域稳健语义分割技术，通过自适应增量优化提升深度分割网络模型的迁移性和普适性，保证多类型地物语义分割的时效性、容错性、稳定性和区域一致性。 (2) 通过语义分割结果全自动进行多源地理信息控制点粗差剔除，实现超大范围多模态影像精准几何处理；提出辐射不变特征变换算法进行多模态影像高可靠性匹配；单台机器2.5分钟可完成8000景卫星影像的并行区域网平差，大幅提高了自动化处理精度和效率。 (3) 突破了基于深度学习的多视遥感影像三维地形及大范围合成影像智能生成技术，采用物方半全局优化提升困难区域的密集匹配精度，并在语义分割结果的辅助下进行大范围遥感影像无缝镶嵌合成。 (4) 基于深度学习进行建筑物、道路、农作物等典型地物目标语义信息智能提取；基于多尺度语义分割网络融合经验知识实现建筑物矢量边缘精确提取；结合语义分割和多起点中心线追踪优化提取道路网拓扑矢量；基于3D卷积和注意力机制实现多类农作物精细分类及其时空特征智能提取。 (5) 构建了全新的多模态卫星遥感影像几何语义一体化智能处理技术体系，研制出我国首套自主产权的多模态卫星影像一体化摄影测量遥感智能处理软件系统MIPS，其数据处理效果和效率均有明显优势，显著提升了融合处理的精准度和智能化水平。 先进性 MIPS具备快速语义分割、语义辅助精准几何处理、三维地形提取与多影像时序合成、地物语义信息智能提取等特色功能。系统采用最新的卫星影像摄影测量处理、多源影像融合、语义信息提取的相关理论与方法，结合先进的计算机技术、CPU/GPU两级加速并行处理及深度学习技术，处理效果和效率均明显优于国内外同类软件。例如单机情况下19小时即可完成1551景2米分辨率卫星影像的全自动处理，包括云区检测、影像融合、影像匹配、区域网平差、正射影像纠正等全部处理流程。语义分割结果约束的立体卫星影像区域网平差自动化程度和精度均显著提升，例如在1:1万基础测绘产品DEM/DOM的辅助下，高分七号立体卫星影像的全自动处理高程精度从2.6米大幅提升至0.8米以内，镶嵌接边精度优于1像素。

本发明公开了一种基于改进 SIFT 算子的低空多视角遥感影像匹配方法，首先采用优化的 DoG 算子 对第一影像和第二影像进行特征点检测，然后利用基于局部区域采样模拟的 SIFT 描述子对特征点进行 描述形成特征向量，最后采用 NNDR 策略形成初始匹配特征点，并利用基于极几何约束的 RANSAC 算 法对匹配点进行提纯。本发明能够有效地解决低空遥感影像匹配中存在的多视角以及弱纹理等问题。 

本发明提供了一种基于快速二值编码的高分辨率遥感影像场景分类方法，包括步骤:步骤 1，划分 待分类遥感影像获得场景单元;步骤 2，从场景单元中提取尺寸相同的图像块作为局部图像块训练样本; 步骤 3，采用非监督学习法学习局部图像块训练样本获得滤波器组;步骤 4，将场景单元与滤波器组中 各滤波器分别做卷积获得各场景单元的幅滤波器响应图，采用二值编码法分别融合各场景单元的幅滤波 器响应图获得各场景单元的全局特征描述;步骤 5，基于场景单元的全局特征描述进行场景单元分类。 本发明在保证场景分类精度的前提下，大大降低了非监学习法的计算代价。

技术分析(创新性、先进性、独占性)开发了新颖的深度学习算法，准确识别患病部位，准备诊断患病类型，可以显著提高临床效益。自主独立开发。已经在两家大型三甲医院做测试，算法和程序代码完整，

技术分析(创新性、先进性、独占性) 开发了新颖的深度学习算法，准确识别患病部位，准备诊断患病类型，可以显著提高临床效益。自主独立开发。

北京师范大学珠海校区遥感综合实习设备采购竞争性磋商

一种基于多源遥感数据的城市不透水层信息提取方法，包括根据夜间灯光亮度影像，计算归一化灯光亮度并基于阈值分割方法对城市地表进行区域类型分割；利用灯光亮度、陆地表面温度与归一化土壤调节植被指数，构建增强型归一化不透水层指数；通过建立每一种类型分割区域的增强型归一化不透水层指数MNDISI与不透水层率之间的线性定量关系，进行不透水层的提取工作。本发明较好地结合了多源遥感数据的优势，有效抑制了光谱混淆对于不透水层率估算结果的不利影响，为城市土地利用和环境变化监测提供了一种新的途径。

本发明公开了一种顾及雪覆盖影响的高分辨全色遥感影像变化检测方法，本发明充分利用根据全色 影像上积雪覆盖的特点，采用基于纹理特征的变化检测检测方法进行变化检测，提取变化区域。采用基 于水平集方法的 Chan-Vese 分割方法提取出实验新旧影像上的积雪区域，根据变化检测的结果和新旧影 像上积雪覆盖情况，去除部分积雪覆盖变化而导致的伪变化，提取出变化区域，提高了变化检测的精确 度与地图修测的自动化程度，缩短了数据更新周期。 

一种无人机遥感影像建筑物三维损毁检测方法，包括生成灾前的 DSM 和灾后的 DSM 并配准，识 别损毁建筑物疑似区域;根据灾前的 DSM 获取建筑物的矢量信息，进一步分割灾前建筑物区域和灾后 建筑物区域;根据灾前建筑物区域分割结果、灾后建筑物区域分割结果进行特征提取，得到特征证据; 根据证据理论原理，采用特征证据计算建筑物发生倒损的置信度，得到检测结果。本发明充分利用了多 重叠影像生成的点云三维信息，同时结合灾前后的遥感影像房屋损毁特征，显著提高了建筑物损毁检测 的精度。