一种组合优化的多边形化简方法

以多边形轮廓为目标 ,依据曲线特征点将其分解为一系列的弯曲特征 ,并对此弯曲特征集实施组合优化 ,将入围弯曲首尾相连 ,即可得到最终的化简结果     

经济信息管理系统分析与研究

根据经济信息管理系统的组织特征与建立原则 ,提出经济信息管理系统的结构模式与建立步骤。     

生成式对抗网络的高光谱遥感图像分类方法研究

针对基于深度学习的分类模型在训练样本较少时所遭受的潜在过拟合问题,提出一种具备过拟合抑制的生成式对抗网络分类算法,并应用于高光谱图像分类.该算法在每次迭代时,首先,依据训练样本的标签信息使判别器网络拟合训练样本的数据分布;然后对训练样本的高维特征进行均值最小化,该过程会重新更新判别器网络参数,减小参数的值和方差,以抑制...     

玉米大豆生长中后期遥感辨识的指示性特征研究

玉米和大豆是两种主要的粮食作物,及时准确地监测两者的种植面积对于产量预测和市场价格的制定具有重要的意义。利用遥感技术探究在生长季中后期能有效区分玉米和大豆的指示性特征集,为在不同实验区进行推广应用和提前玉米和大豆种植面积信息发布的时间提供技术支撑。文章以玉米和大豆为研究对象,以黑龙江和安徽省两个典型种植区为实验区,以高分一号影像为数据源,计算多种植被指数特征和两种纹理特征,同时利用特征优选方法评价特征间的相对重要性,并结合随机森林分类算法分析特征个数对精度的影响,得到不同试验区区分两者的最佳特征子集。随后根据不同实验区最佳特征子集的共同点和差异,遴选出对玉米和大豆中后期区分的遥感指示性识别特征集,并设计实验方案验证其有效性和稳定性。实验表明：在玉米和大豆生长中后期存在具有高效辨识两者的遥感特征集,能有效和稳定地增强两者的遥感识别能力;在不同实验区,基于特征优选方法可以选择出区分玉米和大豆的最佳分类特征子集,得到两者最优的识别效果,比仅仅使用原始波段特征的分类精度提升了近10个百分点,总体分类精度能够平均达到97%,Kappa系数0.96,玉米和大豆的单类分类精度平均超过95%;在不同的种植区,利用玉米和大豆的指示性特征集可以得到几乎与优选出的最佳特征子集同样的分类精度和制图效果,且具有稳定性和有效性,较最佳特征集更具推广使用意义。指示性特征集包含6种：植被指数中的比值植被指数（RVI）,差值植被指数（DVI）,转换型植被指数（TVI）,改进型叶绿素吸收比率指数（MCARI）和灰度共生矩阵（GLCM）纹理特征中的二阶矩（the Second Moment）和熵（Entropy）。     

一种基于汇水区合并的DEM综合方法

提出一种基于汇水区合并的结构化DEM综合方法。使用汇水区作为联系谷地实体与DEM数据网格点的纽带,在次要谷地删除的基础上进行谷地汇水区的合并,以合并后的汇水区边界线(汇水区边界包含山脊线、山顶和鞍部三种地形骨架)和谷底线为约束条件进行DEM内插,从而实现结构化DEM综合。实验表明,该方法在删除次要地形特征的同时,能较好地保持主要地形结构特征。     

基于成本最优路径的划界线与实际地形自动匹配

针对当前划界工作中主要采用手工操作实现划界线与实际地形匹配的现状,提出了基于成本最优路径分析实现自动匹配的基本原理,研究了自动匹配的关键技术。首先,基于悬挂特征栅格的反向追踪构造地形特征网络,并借助划界法理对其进行特殊处理。其次,构建成本图层,应用成本最优路径分析实现了划界线与实际地形的自动匹配。最后,通过实验对匹配结果的可靠性进行评价,验证了本文自动匹配方法的有效性和可靠性,并对划界工作提出了若干建议。     

线/面Voronoi图的分解合并生成算法

Voronoi图生成算法受到计算效率或生长源类型的限制,难以支撑线/面生长源Voronoi图的构建。本文提出一种生成线/面生长源Voronoi图的分解合并算法,其主要过程是将线/面生长源离散为特征点表达,通过特征点交叉建立最近特征点对,并以最近特征点对Voronoi子区域的交来部分地代替线/面生长源的等距离边界,算法以前后迭代离散计算的Voronoi子区域面积差分作为条件,可有选择地将部分生长源置入迭代过程,使线/面生长源Voronoi子区域逐步调整并达到精度要求。     

特征变量选择结合SVM的耕地土壤Hg含量高光谱反演

为探讨应用高光谱数据反演耕地土壤重金属汞(Hg)含量,对原始光谱进行10 nm重采样和SG平滑处理,用不同光谱变换数据与土壤重金属Hg含量进行相关性分析,采用IRIV、Random Frog和PCC提取光谱特征波段,分别建立SVM与GWO-SVM土壤Hg含量高光谱反演模型,获取Hg含量最优反演路径。研究表明,一阶微分变换光谱后土壤光谱特征更明显;上述特征提取方法在不同程度上减少光谱数据冗余,保留有效变量信息;经灰狼算法优化后支持向量机模型反演精度提高,IRIV结合GWO-SVM预测精度更高,其验证集R²为0.894,RMSE为0.082,MAE为0.016。研究成果可为类似土壤重金属含量的反演提供借鉴。     

多尺度特征融合深度学习建筑物的提取方法

提出一种基于多尺度特征融合的建筑物提取方法,结合新的网络DenseASPP-UNet,以实现影像多尺度特征的融合,进而高精度提取建筑物.通过Inria开源建筑物航空影像数据集进行验证,表明DenseASPP-UNet相比其他深度学习方法建筑物提取精度有很大的提升.     

三维激光扫描在建设工程竣工规划核实中的应用研究

本文介绍了建设工程竣工规划核实的主要方式,阐述了测量在竣工规划核实中的重要性,及目前核实方式中存在的问题.然后,针对三维激光扫描的技术原理,分析了三维激光扫描技术在竣工规划核实中应用的可行性,并通过对控制点布设、点云配准、建筑物特征点提取等技术方法的研究,实现了三维激光扫描在竣工规划核实中的应用,具有一定理论意义和实用价值.