排序方式: 共有48条查询结果,搜索用时 78 毫秒
21.
22.
23.
由于农村建筑物结构多样、空间分布复杂等特征,自动提取面临较多困难。针对该问题,本文提出采用膨胀卷积和金字塔池化表达的神经网络模型用于遥感影像中农村建筑物自动提取。在膨胀卷积神经网络模块中,通过改变孔尺寸的大小,获取不同感受野的特征信息;在金字塔表达方面,每个模块输入不同尺度的信息,且同时下采样的倍率也不同,获取多维的金字塔尺度特征;最终将提取的浅层及深层尺度特征信息进行融合,构建一个改进的适用于农村建筑物目标自动提取的深度学习模型。试验结果表明,与FCN-8s和DeepLab模型提取的结果相比,本文方法在农村建筑物提取中表现较好的性能,提取精度明显提高,且更好保留了目标边界细节信息,减少了噪声。 相似文献
24.
25.
在分析现有的LiDAR点云数据后处理方法的基础上,本文提出了一种点云数据“分步”滤波方法。首先对LiDAR点云数据进行数学形态学“粗”滤波,得到“地面点假设”和“非地面点假设”。然后引入顾及因果关系的自回归模型(car)对两类点云数据假设进行模型化处理和假设检验,根据假设检验的结果判断地面点和非地面点,最终得到可靠的分类结果。与单纯的“最小二乘拟合预测法”或“数学形态学”方法相比,这种“分步”处理的思想用于LiDAR点云数据分类处理的结果更可靠。 相似文献
26.
27.
28.
小叶锦鸡儿是内蒙古灌丛化草原中最具代表性的景观植物,准确估算小叶锦鸡儿灌丛的地上生物量对研究灌丛化草原生态系统、监测草原灌丛化程度具有重要意义。地基激光雷达TLS(Terrestrial Laser Scanning)可通过获取高密度点云数据准确估算灌木体积,被广泛应用于反演灌木生物量,但在灌丛化草原中尚未得到有效应用。本研究首先在中国科学院灌丛化草地植被恢复试验区获取了5个样方(10 m×10 m)共42株灌丛的TLS点云数据及实测生物量信息;然后分别使用整体凸包法、切片凸包法、切片分割法、体积表面差分法、体素法5种方法计算灌丛体积并与实测生物量进行回归分析;最后,通过留一交叉验证对5种方法建立的生物量估算模型精度进行对比分析。结果表明:TLS可在不破坏植被的情况下实现快速、准确地小叶锦鸡儿灌丛生物量反演,是传统野外调查方法的可靠替代技术。研究中采用的5种方法均能较好地估算灌丛生物量,其中:(1)相比于整体凸包法(R 2=0.87, p<0.001, RMSE=30.50 g),切片凸包法(R 2=0.89, p<0.001, RMSE=28.01 g)与切片分割法(R 2=0.88, p<0.001, RMSE=29.03 g)可有效减弱离群点造成的体积高估,生物量估算精度有所提升;(2)格网大小为3 cm、高度统计变量选取标准差时,体积表面差分法计算的体积与实测生物量拟合度最好(R 2=0.89, p<0.001, RMSE=28.89 g),表明高度标准差是估算小叶锦鸡儿灌丛生物量的强预测因子;(3)体素法解释了生物量估计值90%的变化(R 2=0.90, p<0.001, RMSE=26.28 g),是适合小叶锦鸡儿灌丛生物量反演的最优模型。 相似文献
29.
30.