根据断面轮廓线修复隧道点云孔洞的方法

为了修复采集点云的数据缺失,设计一种根据隧道断面轮廓闭合矢量线修复点云孔洞的方法,利用Microsoft Visual Studio 2010设计实现隧道轮廓线提取系统,并借助OpenGL实现结果的可视化。     

结合Steger方法和影像分类的道路中心线提取

针对直接利用监督分类结果提取道路中心线过程过于复杂的问题,研究一种综合利用Steger方法和影像分类结果的道路中心线提取新策略。以影像分类结果从Steger方法获取的条带中心线中初步筛选出候选道路中心线段,根据道路的连续性和方向的一致性进行合理延伸、连接,即可实现道路中心线提取。实验证明,提取的道路中心线在完整率、准确率和提取质量方面精度较高,并在一定程度上解决了道路断裂问题。     

基于AutoCAD土地使用权数据库建设的研究与实现

针对目前集体土地使用权数据库建设工作的主要生产环节,包括图形数据检查、属性数据录入、SHP格式导出等工序,基于AutoCAD平台,采用C++语言进行二次开发,解决传统GIS环境下才能完成的数据建库工作,实现对DWG图形数据的检查转换,使用权宗地、界址点、界址线等要素属性值的自动提取、批量赋值和修改等功能,最终导出符合数据库要求的"苍穹标准SHP文件"。方便内业生产,提高了工作效率。     

基于卷积神经网络的建筑物精细化提取

现有图像分割方法往往受图像模糊和噪声的影响,提取的轮廓不准确。为了提取建筑物的精确轮廓,提出了一种基于卷积神经网络的集成方法,包括建筑物定位、形状判断、形状匹配等步骤。实验证明,无论是对DSM图像还是多光谱影像,该方法都能获得精确的建筑物轮廓。     

基于DEM的6种坡度提取算法的比较分析——以山东省青岛市为例

坡度是描述地形特征信息的一个重要指标,对于制订土地利用规划和防御地质灾害具有重要意义。本文基于山东省青岛市的ASTER GDEM数据,利用MATLAB进行矩阵运算,采用6种坡度提取算法分别获取坡度矩阵、最大值和中误差等统计指标,对比分析6种算法的提取精度。结果表明:简单差分算法出现极端和偏差情况的概率较高,可信度不高;三阶不带权差分和三阶反距离平方权差分算法比较稳定,偏差较小且精度较高,对沿海地区坡度提取具有借鉴意义。     

基于数学形态学的高分辨率航空影像轮廓提取方法

以Visual C++为依托平台,对高分辨率影像进行加载显示,以数学形态学为理论基础,对影像进行直方图绘制、腐蚀、膨胀、开运算、闭运算等操作,最终实现轮廓的提取。     

碳酸盐岩铸体薄片面孔自动提取研究

岩石孔隙是储层储集油气的重要场所,通过铸体薄片进行岩石孔隙结构分析对储层质量评价具有重要意义。碳酸盐岩孔隙结构较为复杂,铸体薄片图像中存在大量噪声和干扰因素,致使常规方法面孔提取效果不佳,因此本文引入一种多阈值铸体薄片面孔自动提取方法（ctsPore方法）进行孔隙区域提取和面孔率估计,方法综合利用HSV色彩空间中不同参数提取孔隙区域。本文针对碳酸盐岩储层的特点确定了一套ctsPore阈值参数,以解决溶蚀孔与噪声易混淆的问题。实验以伊拉克A油田中新统 Asmari组A段碳酸盐储层为例对所使用算法进行了效果检验。算法精度和效率分析实验表明,基于ctsPore方法的碳酸盐岩铸体薄片面孔提取误差小于0.24%。全井段铸体薄片分析结果表明,A段储层面孔率范围主要分布在6%~8%,储层较为致密,从上到下A1~A3小层的储层平均面孔率分别为6. 9%、11.7%、5.4%,与储层物性、沉积微相和岩性等纵向分布规律较为吻合。     

联合地物轮廓线的三维重建算法研究

针对现有三维重建研究中对线特征利用不充分,重建精度低的问题,提出了一种联合地物轮廓线的三维重建算法。利用BDCN模型和相应预处理算法,提取出二维影像上的边缘轮廓线;基于对极几何原理的核线引导和三角测量原理,建立线段的初始匹配假设;通过相似性计算和图聚类算法重建出三维轮廓线模型结果;将结果应用于三维网格模型的优化。使用Building-Imagery-P36和DTU MVS数据集对本文算法进行验证,结果表明：本文方法提取出的轮廓线段精简而完整。相比经典的Line3D++算法,MAE和标准差值平均降低了0.321、0.699,重建时间平均降低了58%,精度和效率都有明显提升。附加三维轮廓线约束后,生成的网格模型视觉效果更佳,细节信息更为丰富。     

包尔图地区Aster遥感岩性提取

介绍光谱排序编码法的原理并对其进行精度验证:在14种矿物的56个样品中最高精度为100%,最低为57%,平均为79.4%;分别提取包尔图地区以方解石、Al-OH Mg-OH和石英为主的岩石分布状况,与该区地质图对比结果表明,其分布与实际情况大体相同,从而证实了光谱排序编码法的目标提取能力。     

基于改进U-Net的建筑物集群识别研究

针对U-Net在高分影像建筑物提取中部分建筑物边缘特征易模糊或丢失的问题,提出一种对高分影像建筑物边缘增强,同时对U-Net部分卷积过程进行改进的优化的建筑物提取方法.首先利用域变化递归滤波的方式对建筑物边缘进行增强,将增强后影像输入U-Net神经网络中进行训练;其次为充分利用建筑物在高分影像上丰富的细节特征,尝试在原...