点云分割方法性能评价与对比分析

针对原理相似,但空间邻域类型、相似性准则不同导致的基于区域生长的点云分割方法对同一数据具有不同分割效果的问题,该文介绍了现有的5种基于区域生长的点云分割方法的基本原理.5种方法可以归纳为两种分割过程,即逐点生长和表面生长.所采用的分割准则包括法线向量夹角、点到拟合平面距离和曲率等.另外,不同的分割方法采用不同的分割策略,即使在使用相同的生长准则情况下,仍然会得到有显著差别的分割结果.实验结果表明,区域生长过程中采用RANSAC优化的邻域与法线向量的方法可以有效解决平面相交区域次优分割、过分割问题,而且该方法仅使用法线向量夹角生长准则即可得到较好的分割效果.     

基于Matlab分割彩色等高线地形图

彩色地形图包含丰富的地理信息,通过黑、绿、棕、蓝等颜色表示道路、等高线、河流等空间信息,对识别地物、丰富地形图有着重要的作用.地形图中等高线是内插生成数字高程模型,显示三维地形的基础数据,分割彩色地形图对指导等高线自动提取工作意义重大.通过研究图像分割原理和方法,基于Matlab软件结合阈值分割对彩色地形图等高线进行实验分析,选取两个阈值进行分割,并与最大类间方差法(又称Otsu法)自动分割进行对比,通过实验实现较好的等高线分割效果.     

基于简译的高分辨率卫星影像信息提取研究

利用简译遥感信息提取软件,以资源三号高分辨率卫星影像为数据源,选取老挝首都万象市为研究区,采用分层信息提取思想,在道路、建筑等地表覆盖要素人工提取结果的基础上,对未分类地物(水田、旱地、林地、工矿用地),利用最小距离算法和深度学习算法进行信息提取研究.研究结果表明,基于最小距离算法的总体分类精度为85.7％,Kappa系数为0.8165;基于深度学习算法的总体分类精度为89.29％,Kappa系数为0.8634,都可以达到很好的智能化提取效果.     

基于图形分割的面状符号自动填充算法

针对现有制图软件在面状符号填充方面存在的符号缺失、压盖等问题,提出了一种基于图形分割的面状符号自动填充算法。该算法通过计算面的骨架线,对复杂面进行分解,判断分解后的简单面的形状,分别赋予不同的制图表达规则,实现面状符号的自动填充。结果表明,该算法可以有效实现狭长以及包含狭长分支的不规则图形的合理填充,有效解决了填充符号与图形边界、注记的压盖问题,提高了制图自动化,大大减少了制图工作量。     

深度学习支持下的宅基地复垦项目真实性智能审查技术研究与应用

全域综合整治背景下的宅基地复垦项目审查是保证复垦项目合法性合规性的有效手段,针对当前宅基地复垦项目审查效率低的问题,本文提出了基于遥感影像的农村宅基地复垦项目立项真实性审查方法。首先以重庆市农村宅基地复垦项目为例,建立宅基地复垦项目立项真实性审查模型,利用改进的U-Net模型准确提取建筑物,然后与复垦红线叠加实现复垦项目真实性的智能审查。试验结果表明,该方法能够快速准确地审查复垦项目真实性,对优化土地结构、促进土地流转、实现乡村振兴具有重要意义,可为全域综合整治背景下宅基地复垦项目真实性审查提供技术参考。     

基于改进DeepLabV3+算法的遥感影像建筑物变化检测

变化检测是遥感测绘领域的重要任务,作为执法依据,在耕地非农化等场景监测中发挥重大作用。近年来,使用人工智能相关技术进行变化检测,常见的技术方案为叠加两期影像,再使用语义分割算法求解变化区域。本文使用变化检测数据集LEVIR-CD作为试验数据,在DeepLabV3+算法基础上,针对变化检测场景特点,对模型结构进行改进。以DeepLabV3+的孪生网络为主干,使用多层级特征交互操作,充分融合图像特征。结果表明,改进的网络结构更加适合变化检测任务场景。     

融合Deep-ResUnet和PS-InSAR的城市道路网形变灾害监测方法——以合肥市为例

针对城市道路网变形监测存在的高分辨率影像获取难、道路人工提取效率低、传统变形监测工作量大等难题,本文提出了一种基于融合Deep-ResUnet和PS-InSAR的城市道路网形变监测方法。主要思路为：首先对目标区的哨兵-1A(Sentinel-1A)影像数据进行伪彩色变换建立道路数据集;然后训练深度残差网络(Deep-ResUnet)模型并对道路网栅格进行提取;最后利用永久散射体干涉测量(PS-InSAR)技术获取PS点形变信息与道路网栅格融合。研究结果表明,Sentinel-1A影像经过伪彩色处理后,能提高城市道路网提取的完整性,交并比提高6%～9%,道路提取精度平均提高10%左右,得到的城市道路网形变信息专题图能为城市道路变形监测和健康状况评估提供科学依据。     

几何特征与神经网络联合优化的室内三维点云语义分割方法

室内三维点云数据精准语义分割是实现深层次室内空间应用的基础。针对现有三维点云数据语义分割方法存在目标不完整和不一致的问题,本文提出了一种几何特征与深度神经网络联合优化的室内三维点云语义分割方法。该方法首先利用深度学习实现室内结构信息语义标签的初步提取,然后利用几何与颜色特征的点云分割方法对原始数据进行精确分割,最后利用概率模型将深度学习语义分割结果与几何分割结果进行交叉融合,实现语义分割结果的联合优化。基于开放数据集对本文提出的分割方法进行了精度和有效性验证,分别采用室内场景简单到复杂的三组室内点云数据进行了测试,试验结果表明,本文提出的方法能够有效提升室内三维点云语义分割精度。     

时空和语义结合的船舶轨迹数据压缩方法EI北大核心CSCD

大数据时代积累了覆盖范围广、时效性强的船舶轨迹数据。对海量冗余轨迹数据进行压缩,可提高检索效率,降低数据存储和传输负担;然而现有方法容易忽略移动对象的运动特征。因此,本文提出一种顾及轨迹时空特征和航行语义特征的压缩方法。首先,分析船舶轨迹的空间、时间和语义特征,设计顾及时空语义特征的轨迹数据压缩流程;其次,通过道格拉斯-普克和滑动窗口法计算轨迹点的时空和语义特征值;然后,加权融合轨迹点的时空和语义特征,构建轨迹点的重要性排序,并通过指定压缩比例获取保留轨迹点数目,实现船舶轨迹数据压缩;最后,根据压缩算法效率、质量和实例分析,表明本文方法可保留行驶的动态语义信息和时空形态特征,既可根据压缩比例控制压缩过程,又可显著减少数据冗余,为后续轨迹挖掘等应用提供数据基础。     

我国两版《义务教育地理课程标准》的内容要求比较——基于语义分析的视角

比较《义务教育地理课程标准（2011年版）》和《义务教育地理课程标准（2022年版）》的内容要求对今后初中地理新课程的实施有重要意义。本文基于语义分析的视角,对两版课程标准内容要求的语义要素进行了数量统计和内容比较,从整体上分析了课标内容要求的变化对今后教学走向的启发;对两版课程标准在相同学习主题下调整较大的内容要求进行了语义要素的数量统计和内容比较,具体分析课标内容要求的变化对今后教学走向的启发。