幂函数对建筑物沉降的回归分析

通过实例推导幂函数对建筑物沉降进行回归分析，并且得出较为精确的结果，同时也说明在选择回归函数的时候，还会受到很多条件影响。     

建筑物沉降规律的综合时序分析

建筑物的沉降监测数据序列具有趋势变化和随机变化的特点，本文针对两种变化项的特点分别建立相应的数学模型，再将其组合起来建立综合数学模型，从总体上把握沉降数据序列的变化规律。实例计算分析表明，此方法具有较高的拟合精度和预测能力，具有一定的应用参考价值。     

利用全站仪测量高层建筑倾斜量的新方法

在观测高层建筑物的倾斜变形量时,施工场地往往受限严重,视线受到遮挡,工作人员无法靠近建筑主体结构,这使得传统的经纬仪正交垂直投点标定法很难顺利实施。基于以上问题,本文提出一种测量建筑物倾斜变形量的新方法,详细论述了测量原理,推导出了一种新的建筑物倾斜度计算公式,对其进行了精度分析。通过工程实例验证得出,该方法简单易操作,受场地影响小,具有较高的精度,并在一定程度上提高了工作效率。     

EPS平台在智慧城市建筑物普查中的开发应用

为全面摸清全市建筑物现状“家底”,获取准确的建筑物数据,廊坊市开展了建筑物普查工作。本文探讨了建筑物普查工作底图制作思路与流程,重点探讨了基于EPS开发的建筑物普查内业处理工具,希望为从事相关工作的同行提供一定的参考和借鉴意义。     

基于U型卷积神经网络的航空影像建筑物检测

经典的卷积神经网络结构在前向传播过程中分辨率不断下降,导致仅采用末层特征时难以实现建筑物边缘的精确分割,进而限制目标检测精度。针对该问题,提出一种基于U型卷积网络的建筑物检测方法。首先借鉴在图像分割领域中性能出色的神经网络模型U-Net的建模思想,采用对称式的网络结构融合深度网络中的高维和低维特征以恢复高保真边界;其次考虑到经典U-Net对位于特征金字塔顶层的模型参数优化程度相对不足,通过在顶层和底层两个不同尺度输出预测结果进行双重约束,进一步提升了建筑物检测精度。在覆盖范围达30 km²、建筑物目标28 000余个的航空影像数据集上的试验结果表明,本文方法的检测结果在IoU和Kappa两项关键评价指标的均值上分别达到83.7%和89.5%,优于经典U-Net模型,显著优于经典全卷积网络模型和基于人工设计特征的AdaBoost模型。     

建筑物因雨受淹深度数学模型

在数学抽象基础上构造出的建筑物因雨受淹深度的数学宏观模型，使用中表明是可行的，可以较客观准确地预测某地、某建筑物遇暴雨受淹情况，为保险公司理赔、民政部门了解灾情等提供依据，还可在暴雨来临前进行预警，及时采取措施，减少或避免损失。     

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。     

基于MNF变换的高分辨遥感影像建筑物提取方法

针对高分辨率遥感影像建筑物提取时易受噪声影响,且灰度共生矩阵仅通过单波段进行纹理特征提取导致信息不足等缺点,提出了利用最小噪声分离变换降维去噪,从而提高灰度共生矩阵纹理特征提取效果,并对影像进行双边滤波处理,最后,利用支持向量机算法提取融合了特征信息的多光谱影像中的建筑物信息的方法。实验结果表明,改进后的方法相对于传统方法对建筑物识别精度高、效果好。