一种新的窗户特征提取方法研究

在建筑物立面重建中,窗户提取、结构识别是学者们研究的热点。针对建筑物特征提取的应用需求,文中提出一种基于局部搜索算法——爬山法的窗户信息提取方法,介绍研究中采用的一些原理、方法,从而可以准确有效地从激光扫描数据中提取出建筑物的窗户信息。利用本方案对地面激光扫描系统获取的建筑物实验数据进行具体的处理,并给出可视化表达结果。     

结合Faster R-CNN模型的遥感影像建筑物检测

高分辨率遥感影像场景复杂,其中建筑物目标种类结构各异且存在大量遮挡,现有检测算法使用特征表达性不强。结合Faster R-CNN模型设计一种针对遥感影像的建筑物检测方法。首先通过共享卷积网络获取原始影像的深层特征图;然后结合区域建议网络生成初步检测结果;最后根据Fast R-CNN检测网络对结果进行进一步判定和边界回归。针对困难样本造成的训练中断,对训练策略进行改进,通过近似联合训练的方法对模型参数同步调优。实验结果表明,该方法准确率和召回率明显优于DPM方法,对非训练测试集遥感影像具有较好鲁棒性,有效实现了针对遥感影像的建筑物检测。     

智慧城市建筑物数据库建设及应用——以南京市建邺区为例北大核心CSCD

为了满足智慧城市建设和城镇精细化管理的需要,该文对建筑物数据标准、数据采集规范进行了研究,对建筑物实体数据模型、数据分类、编码、采集更新方法、数据库建设和应用、建筑物地理信息服务进行了实践,研发了“智慧建邺建筑物数据库综合应用系统”,并将建筑物基础数据库与财税、人口和物业管理数据进行了关联和挂接,进一步验证和提升了数据库建设的合理性。     

基于轻便型移动测量系统的立面测量方法研究

介绍了轻便型移动测量系统的构成及工作原理,提出利用该系统及相关软件进行外业采集和内业点云处理及建筑物立面图件绘制的技术方案,通过工程实例和精度比对验证了轻便型移动测量系统运用在立面数据获取的可行性。     

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。     

冷空气强风在大型城市中的精细结构和形成机制

地面强风可直接造成人员伤亡和经济损失,严重影响出行安全、工农业生产等社会秩序。强风的发生与天气系统和复杂下垫面的共同作用密切相关,在城市区域尤为明显。受数值模拟技术和计算资源的限制,对实际天气条件下大范围城区的强风现象进行建筑物分辨率的大规模数值模拟研究仍是一个挑战。本研究利用中尺度气象模式嵌套流体计算动力模式的超高分辨率局地气象预报系统,对强冷空气过程造成广州市区的一次强风事件进行数值模拟,深入探讨强风的精细结构和形成机制。结果表明,伴随着强冷空气入侵,广州市区的平均风速和风场高频扰动均明显增强,且在城市冠层顶尤为明显,呈现区域不均匀的三维结构,数值模拟与地面观测相一致。较大范围的强风速和阵风主要出现在建筑物较为低矮的老城区上空,并持续影响下游河道等开阔区域。在高层建筑密集的新城区,虽然整体风速明显减弱,但能在平行风向的街道狭管和下游区域形成局地强风。特别是,超高层建筑群引起显著的垂直环流,导致强风扰动向下传播,造成最大风速达8 m s?1的地面局地强风,阵风指数接近2。上游建筑群引起的风场扰动呈现大尺度湍流结构,能沿着平均气流传播影响数公里之远的下游地区。当风场扰动经过广州塔等单体超高层建筑时,可在其两侧绕流区再次加强,形成局地强风。局地强风和阵风还出现在垂直于风向排列的沿江高层建筑群的侧边,与建筑屏风的阻挡效应和缺口溢出有关。研究结果促进认识城市强风的时空特征和物理机制,有助于提升城市气象的精细化预报水平。     

对山区农村建筑物选址问题的探讨

山区建筑物选址目前存在一些问题,抗灾能力差,常给农民生命财产带来损失,为此,建议有条件的地方应走创新之路,实施科学选址,即地质上学注意"稳"、水文学上注意"干"、气候学上注意"爽"、环境学上注意"宜",心理学上注意"衡"、法学上注意"合".     

安康市农村建筑物抗震设防工作思考

安康市处于秦岭一大巴山地震亚区,是一个中强地震活动区域。因此,加强对农村房屋建设的抗震设防指导,切实提高农村房屋抗震能力,对于最大限度减轻地震灾害可能造成的损失,保障本地区经济的可持续发展,保持社会稳定,具有十分重要的意义。     

一种正样本单分类框架下的高分辨率遥感影像建筑物变化检测算法

高分辨率遥感影像建筑物变化检测对于城市规划、城市执法等方面具有非常重要的意义。文中提出一种基于正样本单分类器学习框架下的建筑物变化检测算法。首先提取影像形态学建筑物指数特征(MBI),通过卡方变换将其与光谱特征进行融合;然后利用一种单分类器完成建筑物变化初始判定;最后利用改进的长宽比形状特征完成最终建筑物变化判定。通过与现有建筑物变化检测算法、传统的多分类器算法对比,本文算法精度有一定提升并具有更强的鲁棒性。     

结合深度学习和图割法的遥感影像建筑物检测

提出一种基于卷积神经网络和图割法的自动提取高分影像建筑物的方法。首先,通过卷积神经网络定位与检测建筑物的位置,逐一提取单个建筑物轮廓,利用检测结果分别建立建筑物和非建筑物的高斯混合模型（GMM）,然后结合最大流最小割的图像分割方式实现全局优化,完成建筑物初步提取,最后用形态学进行优化。通过试验证明了该方法的可行性。