排序方式: 共有9条查询结果,搜索用时 0 毫秒
1
1.
无人机低空遥感是近年来新兴的一种快速获取灾情信息的手段,如何利用无人机高分影像构建滑坡灾害解译模型是实现快速自动解译滑坡的关键。针对该问题,对比了多种影像特征提取方法,将迁移学习(TL)特征和支持向量机(SVM)引入到构建滑坡灾害自动解译模型中,提出了一种TL支持下的高分影像滑坡灾害解译模型。选取5·12汶川地震及4·20芦山地震系列无人机影像构建了滑坡灾害样本库并进行了实验,TL特征方法整体分类准确度ACC为95%,ROC达到0.98,识别准确率达到97%。结果表明,所提方法可用于高分影像滑坡自动解译,同时可用于大面积高分影像中快速山地滑坡灾害定位及检测。 相似文献
2.
为解决机载LiDAR点云数据建筑物提取精度不高的问题,首先分析了现有的基于机载LiDAR点云数据的建筑物提取方法;然后综合地形、树木、建筑物密度等对建筑物提取的影响,以德国斯图加特市法伊英根的LiDAR点云数据为例进行了建筑物提取实验;最后对提取结果进行了定量精度评定。结果表明,基于影像的机载LiDAR点云数据建筑物提取精度为93.1%;而基于数学形态学图像的处理方法和基于Delaunay三角剖分的方法受建筑物形状和地形等限制较多,提取精度分别为87.6%和81.3%,说明基于影像的机载LiDAR点云数据建筑物提取方法的准确性较高,限制性条件较少。 相似文献
3.
4.
5.
6.
地震后经常会引发大量的泥石流灾害(称作地震泥石流),容易造成极大的破坏,无人机低空遥感技术以其便捷、时效性强等特点成为一种快速获取灾害信息的手段,但其影像的光谱信息较为缺乏,较难准确地检测地震泥石流灾害信息。针对以上问题,提出了一种基于迁移学习机制地震泥石流检测方法,该方法在已构建地震泥石流灾害样本库的基础上,将卷积神经网络训练得到的特征迁移到地震泥石流灾害信息检测中,完成地震泥石流灾害信息的自动检测,并将面向对象的地震泥石流灾害信息检测结果与迁移学习支持下的检测结果进行了对比与分析。结果表明:基于迁移学习的地震泥石流灾害信息检测结果在精度上稍优于面向对象的地震泥石流灾害信息检测结果,且前者在保持地震泥石流的平滑性和完整性上要优于后者。 相似文献
7.
城镇近郊区的一些村庄受城镇经济发展与工作政策等因素的影响,逐渐变成了空心村。开发空心化村庄信息系统是保障村庄信息查询与统计分析工作的科学性、高效性运行的重要技术手段。本系统基于ArcGIS Engine与.NET平台技术,使用C/S服务器与客户端模式,利用C#语言编程实现。该系统在建立综合数据库的基础上,实现了村庄信息数据的更新与管理;根据用户需求,提供查询统计、空间分析、潜力评估、趋势预测4个模块。 相似文献
8.
地基激光雷达的玉兰林冠层叶面积密度反演 总被引:1,自引:0,他引:1
叶面积密度LAD(Leaf Area Density)是表征冠层内部叶面积垂直分布的重要参数,其分布廓线的准确反演对研究植被碳氮循环、初级生产力和生物量估算等具有重要意义。本文在电子科技大学校内建立实验样区,利用地基激光雷达Leica Scan Station C10和数码相机获取玉兰林高分辨率3维激光点云数据和真彩色影像。利用监督分类将真彩色影像中枝干等非光合组织与叶片分离,再将像素分类信息映射给点云数据,从而提取叶片点云。通过点云数据体元化,并引入2维凸包算法确定垂直方向分层树冠边界,获取激光接触冠层的频率;随机选择不同高度的多个叶片,利用特征值法进行叶片平面拟合,估算出叶倾角,并结合天顶角估算叶倾角校正因子;最后基于体元的冠层分析VCP(Voxel-based Canopy Profiling)方法实现树林冠层LAD反演。结果表明体元化的叶片点云数据能准确确定树林冠层边界和统计接触频率实现LAD反演;反演的LAD变化走势与区域林木冠层叶片垂直分布相吻合,在冠层中下部随着高度的增加叶面积密度也随之增加,在4 m高度处达到最大值1 m2/m3,之后随着高度的增加叶面积密度逐渐降低。根据LAD计算得到的累积叶面积指数LAI为3.20 m2/m2,与LAI-2200实测的叶面积指数相比,相对误差为1.26%。 相似文献
9.
村庄信息的快速入库、批量处理和质量评价是村庄科学规划和合理治理的前提。本文以城镇近郊区为实验区,初步开发了城镇近郊区数字村庄数据库系统。经过对系统功能的测试和评价可知,本系统能应用于数字村庄基础数据管理,并可作为数据后台支持数字村庄系统的正常运行。本系统的数据管理等功能,能够为"空心村"治理工作提供一定参考。 相似文献
1