共查询到10条相似文献，搜索用时 15 毫秒
1.
在虚拟地形中加入新的地物目标,需要改造地形以使地形与地物匹配。对每个待插入的地物点定义一个修正函数,由于高斯函数本身的特性,这里以高斯函数为模型改造地形。根据修正函数调整每个相关的地形点坐标,如果调整后达到预设精度,则不继续调整地形。若没有达到精度,通过加密地形点使得地形趋近于高斯函数模型,调整后的使地形与地物自然地结合起来。 相似文献
2.
3.
机载LiDAR采集的点云数据中会存在一些局部区域地面点稀疏的情况,利用这些稀疏地面点构建DEM时会出现“三角面片化”的问题,严重影响DEM的质量。为此,本文提出了一种局部稀疏地面点云与已有DEM的融合方法：将稀疏点云作为高精度控制点,在尽量保持原始DEM的地形形态特征的前提下,通过高斯核函数加权迭代插值算法对DEM进行高程局部改正,实现稀疏点云与DEM的一致性融合。试验分析表明,融合后的点云数据得到了较好的补充,由此构建的DEM地形形态自然,在精度上相对于融合前的稀疏地面点云有一定改善,在弱精度区域的可靠性有显著提升。 相似文献
4.
高分辨率遥感影像地物复杂,分类难度大,而深度学习方法可以提取地物更多更深层次的特征信息,适用于高分辨率遥感影像的地物分类。本文研究对高分辨率影像中不透水地面、建筑、低矮植被、树、车辆等地物的高精度分类。结合遥感多地物分类的特点,以DeepLab v3+网络模型为基础,提出E-DeepLab网络模型。主要改进为：（1）改进编码器和解码器的结合方式,使用简洁有效的加成连接方式。（2）缩小单次上采样倍数,增加上采样层,提高编码器与解码器连接的紧密性。（3）使用改进的自适应权重损失函数,自动调节地物损失权重。同时根据数据特点,提出结合DSM、NDVI数据等多通道训练方式。使用两个地区数据进行实验,结果表明,两地区精度均明显优于原始DeepLab v3+模型和其他相关模型,Potsdam地区总体提取精度达到93.2%,建筑物提取精度达到97.8%,Vaihingen地区总体提取精度达到90.7%,建筑物提取精度达到96.3%。目视对比分类图和标准标记图,两者具有高度的一致性。本文所提出的E-DeepLab网络在高分辨率遥感影像地物高精度提取和分类中有较好的应用价值。 相似文献
5.
从最小二乘配置方法的基本原理出发,以我国某地区范围内1km分辨率的大地水准面高模型数据为例,根据实用公式计算了试验区大地水准面高的协方差值后,采用多项式函数模型和高斯函数模型分别拟合了该地区大地水准面高的局部协方差函数,并对试验区内18个检核点做了推估计算。根据推估值(Nfit)与实测值(NGPSL)的比较分析表明,虽然多项式协方差函数模型略优于高斯协方差函数模型,但它们都能以厘米级的精度拟合局部大地水准面,这表明了配置法用于精化厘米级大地水准面的有效性。 相似文献
6.
7.
在数字高程模型（digital elevation model,DEM）建模过程中,经典空间插值方法均没有考虑断裂线附近的局部地形特征影响,使得断裂线局部区域高程被平滑,从而导致地形特征失真。为了解决该问题,构造了一种顾及断裂地形特征的定权方法,并以径向基函数（radial basis function,RBF）为插值算子,提出了加权径向基函数方法。首先通过捕捉每个采样点的结构张量,自适应计算采样点与待求点的距离,然后利用该距离对每个采样点赋予合适的权重,最后利用加权插值实现DEM建模。以10组国际摄影测量和遥感学会公共数据和1组山体滑坡区域的机载激光雷达点云数据为例,利用所提方法构建样区DEM,并将计算结果与标准RBF及传统插值算法（如反距离加权法、克里金法、约束不规则三角网法）进行比较。精度分析表明,不论采样点数为多少,所提方法计算精度均优于其他插值方法;对DEM山体阴影图分析表明,相较于传统插值方法,所提方法能较好地保持断裂线局部地形特征。 相似文献
8.
9.
针对多面函数在拟合高程异常中难以选取中心节点及光滑因子的问题,该文提出了蚁群-遗传算法改进高程异常拟合模型的方法。为拟合模型构建提供可靠的参数,使选择的中心节点更加合理,加入蚁群算法能够快速获取地形复杂区域的特征点。光滑因子是多面函数拟合法的重要参数,参数值影响了拟合模型精度的高低。采用了遗传算法优化光滑因子,将光滑因子作为种群的染色体进行遗传运算,求得了拟合模型的光滑因子最优值为0.452。利用蚁群-遗传算法改进后的多面函数构建的拟合模型精度为8.6mm,比传统多面函数法拟合结果精度提高了48%。实验研究表明,蚁群-遗传算法改进的多面函数在很大程度上提高了拟合模型的精度,充分验证了改进方法有效可行,为特殊地形的高程拟合提供了重要的参考依据。 相似文献
10.
已有的倾斜刃边法受边缘亚像素定位精度、边缘扩散函数(ESF)样本质量及ESF曲线拟合方法的限制,点扩散函数(PSF)重建的稳定性和精度不高。为此,提出了一种优化的基于倾斜刃边的PSF估计方法,将梯度算子引入刃边直线拟合,对刃边边缘进行了高精度的亚像素位置修正;并采用基于移动窗口的ESF去噪及重采样方法精化ESF样本质量;最后通过高斯函数拟合得到稳健的PSF估计值。实验结果表明,改进算法的边缘直线拟合精度优化效果明显,且PSF重建精度较高,稳定性强。 相似文献