排序方式: 共有89条查询结果,搜索用时 31 毫秒
41.
地学粗空间的理论与应用 总被引:20,自引:1,他引:20
提出了由粗实体,粗关系和粗算子组成的地学粗空间。在分析通过粗集研究地球空间信息学不足的基础上,提出了简化的实用粗符号系统;定义了地学粗空间的内涵和外延,把空间论域全域划分为下近似集,边界集和非集,将空间实体以上,下近似集表示为粗实体,并且粗度衡量其逼近程度;给出了兼顾位置和属性的不确定性的粗关系及其矩阵表示;研究了地学粗空间的粗算子,重点讨论了粗交集近似通用矩阵,基于影像灰度值的粗隶避函数和冗余属性剔除等粗算子;以基于地学粗空间的河流专题遥感影像分类为例,检验了地学粗空间的实用性。结果表明,地学粗空间可以较大可能地逼近地学实体的真实存在形式,决策信息较为丰富,可靠。 相似文献
42.
基于高分辨率影像的城市三维建模 总被引:2,自引:0,他引:2
介绍了利用倾斜摄影影像和垂直摄影影像相结合的三维城市重建方法,分析了利用有理多项式(RPC)恢复IKONOS立体影像的模型,在VirtuoZo上实现了基于有理多项式(RPC)恢复IKONOS立体影像的模型方法,并利用其快速影像匹配技术,实现了数字地面模型DEM和正射影像,实现了手动和半自动人工地物的采集,如房屋等三维几何坐标和结构的采集;自动获取了基于不同传感器所获得影像的建筑物表面纹理,从而实现了基于多种影像快速三雏城市建模。 相似文献
43.
线阵推扫式影像近似几何校正算法的精度比较 总被引:18,自引:0,他引:18
线阵推扫式影像严格几何校正需要轨道星历参数和传感器参数 ,但在实际应用中有时无法得到这些数据 ,此时一般采用直接线性变换、一般多项式、改进多项式、有理函数等模型进行近似几何校正。在简要介绍了几种近似算法的数学模型后 ,重点讨论了利用SPOT和IKONOS图像所进行的各种实验分析和精度比较。结果表明 :有理函数模型精度最高 ,可达到子像素级 ;直接线性变换模型的精度在控制点分布状态良好时可达到 2个像素 ;一般多项式模型的精度 ,对于平坦地区的影像大约在 1个像素左右 ,但受地形起伏的影响较大 ;改进多项式模型的精度随多项式的阶数变化而变化 ,几乎不受地形起伏的影响 ,选择适当阶数的改进多项式模型可以获得较高的几何校正精度。此外 ,在选择某一种方法进行线阵推扫式影像近似几何校正的时候 ,还应该综合考虑精度、算法复杂性、对已知数据的要求等多种因素。实验表明 :对于线阵推扫式影像的近似几何校正 ,改进多项式模型精度较高、计算量较小、对控制点要求较低 ,是一种较好的近似几何校正算法 相似文献
44.
基于粗集的环境机制发现模型及其渔业应用 总被引:3,自引:0,他引:3
地学事件或地学变量受控于环境因子,其关系常为非线性。另一方面,影响变量取值或事件发生的时空范围及其环境要素具有不确定性。环境因子的时空配置关系集中体现这种关系的复杂度。这使得寻找决定事件发生或某些地学变量取值的环境因子及其组合存在困难。针对渔场形成的环境机制发现,构建RS-STAMM模型,将时空离散化,以邻域方法提取空间环境变量,形成决策表,利用粗集约简方法,对环境因子及其时空配置关系进行筛选,进而寻找影响事件或变量取值的环境因子的时空配置结构。最后以发现渔场形成的环境机制为目标,将模型应用在渔业遥感研究中,以海洋鱼类聚集的温度场配置提取为实例,验证模型有效性。 相似文献
45.
矢量GIS平面一般曲线等概率密度误差模型 总被引:1,自引:0,他引:1
基于数值分析、经典概率论和线状实体误差分布机理,定义了矢量GIS平面一般曲线等概率密度误差模型的概念,提出了平面一般曲线等概率密度误差模型尺度因子的概念和确定方法,姑合平面一般曲线落入其相应等概率密度误差模型内的概率算法和概率置信水平,确定了尺度因子的具体数值,给出了平面一般曲线等概率密度误差模型的形状与规模。 相似文献
46.
47.
可靠性是遥感监测的重要研究方向之一.人工智能技术促进了遥感目标识别技术的快速发展,但是其不可解释性带来了新的问题.本文依据空间数据的可靠性理论和人工智能基础理论,首先,提出了智能化遥感目标可靠性识别思想及总体框架;然后,阐述了影响可靠性的因素分析、可靠性提升方法、可靠性评估方法和可靠性过程控制等核心研究方向;最后,展望了人工智能用于遥感目标可靠性识别方法的未来发展方向. 相似文献
48.
从高空间分辨率图像(HSRI)中提取建筑物信息在遥感应用领域具有重要意义。然而,由于遥感影像中的建筑物尺度变化大、背景复杂和外观变化大等因素,从HSRI中自动提取建筑物仍然是一项具有挑战性的任务。特别是从影像中同时提取小型建筑物群和具有精确边界的大型建筑物时,难度更大。为解决这些问题,本文提出了一种端到端的编码器-解码器神经网络模型,用于从HSRI中自动提取建筑物。所设计的网络称为MAEU-CNN(Multiscale Feature Enhanced U-shaped CNN with Attention Block and Edge Constraint)。首先,在设计的网络编码部分加入多尺度特征融合(MFF)模块,使网络能够更好地聚集多个尺度特征。然后,在编码器和解码器部分之间添加了多尺度特征增强模块(MFEF),以获得不同尺寸的感受野,用于获取更多的多尺度上下文信息。在跳跃连接部分引入双重注意机制,自适应地选择具有代表性的特征图用于提取建筑物。最后,为了进一步解决MAEU-CNN中由于池化及卷积操作导致的分割结果边界模糊的问题,引入多任务学习机制,将建筑物的边界几何信息融入网络... 相似文献
49.
滑坡监测数据挖掘视角 总被引:4,自引:2,他引:4
提出了滑坡监测数据挖掘视角,研究了宝塔滑坡监测数据挖掘的视角及其泛层次关系,从宝塔滑坡监测数据中挖掘得到定量、定性和可视化的知识。 相似文献
50.