共查询到18条相似文献，搜索用时 250 毫秒
1.
随着遥感数据的不断积累,植被遥感产品逐渐形成了完善的时间序列数据,这些数据对阐明生态系统动态变化及分析有关的驱动因素具有重要价值.然而,云遮挡、仪器误差等因素严重制约着植被遥感产品的观测质量,往往造成连续观测数据的缺失.对存在数据缺失的序列进行时空重建是准确提取序列变化特征的重要前提,时空重建就是充分利用遥感数据的时空... 相似文献
2.
3.
介绍了逆向工程的基本知识,飞机曲面数据采集的一般流程;提出了点云数据预处理算法实现方法,包括点云滤波算法、点云数据精简算法和基于奇异值分解法的多视点云拼接算法,通过对数据的预处理,大部分数据噪声得以消除,数据量进一步简化,多视点云数据实现空间配准;研究了飞机曲面重建的数据处理流程,对飞机机体进行若干分区,按照点、线、面的建模处理流程对每个区进行独立建模;最后以Catia逆向建模模块对某型样机点云数据处理流程为例,详细探讨了飞机曲面重建的流程和精度验证等方法。实践证明,本文介绍的算法和处理方法切实有效,建模数据准确可靠。 相似文献
4.
等值面的提取是三维空间点云数据曲面重建过程中起决定性的关键因素之一。本文针对Marching Cubes点云曲面重建算法在三维重建过程中处理速度慢、插值效果不佳等问题,进行了基于点云数据的中值法改进。该算法的基本理论基础是三位点云具有连通性。根据该原理,选择一定数量的体素作为种子节点,再依据这些种子体素来拓展出地物的整个曲面。算法避免了对无用体素的遍历;利用中值计算法去取代线性插值法对等值点坐标和空间法向量进行求解,进一步缩减迭代次数。实验结果表明:与传统算法相比,基于中值法改进的Marching Cubes算法能在重建效果没有明显差异的情况下有效地提高效率。 相似文献
5.
由于接收机故障、天线更换以及一些未知外界环境因素的影响,导致GPS时间序列中不可避免地存在数据缺失和粗差,数据缺失和粗差会产生各种问题,因此需要鲁棒探测粗差和缺失数据插值来获得连续完整统一的时间序列。传统方法可能需要针对不同类型的数据和不同长度的数据间隙研究不同的插值方法,这使得缺失数据的插值较为困难。针对上述问题,文中采用多通道奇异谱分析(Multichannel Singular Spectrum Analysis,MSSA)对时间序列进行粗差探测和缺失数据插值,重建非均匀采样时间序列的连续可靠模型,且不需要关于时间序列的任何先验信息。在该方法中,粗差探测与数据插值同时进行。模拟数据和实测GNSS时间序列数据测试结果都表明该方法的有效性。 相似文献
6.
针对传统基于空间插值和时间序列上的插值补全形变缺失数据的方法在空间点位分布稀疏、观测值连续缺失以及含有粗差的情况下插补效果不佳的问题,提出了一种基于抗差Kriged Kalman Filter的形变缺失数据插补方法。该方法是一种时空插值的算法,在空间点位分布稀疏时考虑时间上的相关性,在时间上出现连续缺失时考虑其他点位对插补点的影响,以提高插补缺失数据的精度。又将抗差估计融合到Kriged Kalman Filter中以抵抗形变数据中粗差对插补精度的影响。利用模拟数据及天津GPS地面沉降数据进行了实验分析。结果表明:由于该法考虑了监测点的时空相关性以及具有抗差性能,使得插补结果在空间点位稀疏、连续缺失或具有粗差的情况下都具有较高的插补精度。 相似文献
7.
8.
时空预测是地理时空大数据挖掘的基础研究命题。目前,多种模型用于预测未知系统的时空状态。然而,存在的大多数预测模型仅在没有缺失数据的时空数据集上进行测试,忽略了缺失值对预测结果的影响。在真实场景中,由于传感器或网络传输故障,数据缺失是一个不容忽视的问题。鉴于此,本文提出了一种顾及缺失值的因果图卷积网络(causal graph convolutional network considering missing values, Causal-GCNM)模型用于时空预测。Causal-GCNM模型可以自动捕捉时空数据中的缺失模式,使得Causal-GCNM模型在不需要借助额外插值算法的前提下,可以直接完成时空预测任务。本文提出的模型在3种真实的时空数据集(交通流数据集、PM2.5监测数据集及气温监测数据集)得到了验证。试验结果表明,Causal-GCNM模型在4种缺失条件(20%随机缺失、20%块状缺失、40%随机缺失及40%块状缺失)下仍然具有较好的预测性能,并在预测精度和计算效率两类指标上优于10种存在的基线方法。 相似文献
9.
卷积神经网络在高分遥感影像分类中的应用 总被引：8，自引：0，他引：8
针对目前应用于高分辨率遥感影像分类的常用算法,其精度已无法满足大数据环境下的分类要求的问题,该文提出了卷积神经网络分类算法。卷积神经网络模型降低了因图像平移、比例缩放、倾斜或者共他形式的变形而引起的误差。在大数据环境下,采用卷积神经网络算法对高分辨率遥感影像进行分类,避免了特征提取和分类过程中数据重建的复杂度,提高了分类精度。通过实验比对分析,证明了卷积神经网络在高分辨率遥感影像分类中的可行性及精度优势,对遥感图像处理领域等相关工作提供了参考价值。 相似文献
10.
MODIS影像的几何处理是一项基础性的研究工作,是数据投入使用之前的一个十分重要的环节。该文对MODIS影像边缘区域数据重叠问题的几何精纠正方法进行了研究。由于MODIS的大扫描角和地球曲率的影响导致了数据重叠错位现象,通过比较已有的重叠效应去除算法的优缺点,研究了在几何纠正过程中消除影像边缘重叠的直接法和直接-间接法两种重采样方法。实验表明,这两种方法使重叠现象都得到了有效的去除,并且几何精纠正精度基本符合要求,重建了真实的影像几何特征。 相似文献
11.
AMSR-E地表温度数据重建深度学习方法 总被引：1，自引：0，他引：1
地表温度对于全球气候变化等研究具有重要意义。被动微波遥感传感器AMSR-E（Advanced Microwave Scanning Radiometer for EOS）可以获得全天候地表温度,可作为多云条件下热红外地表温度数据的补充;但轨道扫描间隙限制了该数据在全球或区域尺度上的实际应用。鉴于地表温度的高时空异质性和AMSR-E LST轨道间隙数据的特点,本文提出了一种多时相特征连接卷积神经网络地表温度双向重建模型（MTFC-CNN）,利用深度学习在处理复杂非线性问题上的优势,重建轨道间隙区域的地表温度值。将2010年中国大陆四季的AMSR-E LST数据（数据未含港澳台区域）,分为白天和夜晚,形成共8个数据子集进行实验。在模拟实验中,重建结果与原始反演地表温度值平均均方根误差在1.0 K左右,决定系数R2在0.88以上,优于传统的样条空间插值和时间线性回归方法;真实实验结果具有较好的目视效果,且与对应MODIS LST产品对比发现,重建区LST值和未重建区LST值与MODIS LST产品间具有相近的平均均方根误差和决定系数。因此,本文提出的MTFC-CNN方法能有效重建AMSR-E LST轨道间隙数据,且优于传统方法。 相似文献
12.
基于RNN的空气污染时空预报模型研究 总被引：2，自引：0，他引：2
针对空气污染物时间序列中包含缺失值以及现有时间序列预报模型缺乏对时序特征状态建模的问题,该文构建了基于缺失值处理算法和RNN(循环神经网络)的时空预报框架。对空气污染物时序数据设计了3种缺失值处理算法(前向递补、均值替代和权重衰减),用缺失标签和缺失时长对缺失值建模,并在此基础上搭建含有全连接层与LSTM层的深度循环神经网络(DRNN)用于时空预报。使用深度全连接神经网络(DFNN)作为DRNN的对照,用京津冀区域的空气质量和气象数据训练模型,并比较不同模型的预测精度。通过实验,比较了3种缺失值处理方法的效果,结果表明,LSTM在空气污染时空序列预测上的表现优于传统的全连接神经网络层,证实了提出的基于深度学习的时空预报框架的有效性。 相似文献
13.
对于大规模地形而言,地形网格的实时动态绘制速度和质量一直是人们关注的重点。地形漫游在仿真、模拟、虚拟现实、游戏等领域都有广泛的应用。该文在研究多种层次算法的基础上,采用一种地形瓦片重组数据结构的方法实现实时高帧率的绘制大规模地形。分析了地形场景数据管理与实时调度,视相关多层次细节模型与可见性判断以及分层数据组织和瓦片数据绘制等关键问题,并给出了相应的解决方法,改进了视景体裁切重组地形数据的方法。实验结果表明该方法在保持地形逼真的前提下,有很好的绘制网格帧率和实时动态交互效果。 相似文献
14.
DUJie CHENXiaoyong FumioYamazaki 《地球空间信息科学学报》2003,6(3):37-42
This paper demonstrates an experiment on the generation of 3D virtual geographic environment on the basis of experimental flight laser scan-ning data by a set of algorithms and methods that were developed to auto-matically interpret range images for extracting geo-spatial features and then to reconstruct geo-objects. The algorithms and methods for the inter-pretation and modeling of laser scanner data include triangulated-irregular-net- work (TIN)-based range image inter- polation; mathematical-morphology (MM)-based range image filtering,feature extraction and range image segmentation, feature generalization and optimization, 3D objects recon-struction and modeling; computer-graphics (CG)-based visualization and animation of geographic virtual reality environment. 相似文献
15.
This paper demonstrates an experiment on the generation of 3D virtual geographic environment on the basis of experimental flight laser scanning data by a set of algorithms and methods that were developed to automatically interpret range images for extracting geo-spatial features and then to reconstruct geo-objects. The algorithms and methods for the interpretation and modeling of laser scanner data include triangulated-irregular-net-work (TIN)-based range image interpolation; mathematical-morphology (MM)-based range image filtering, feature extraction and range image segmentation, feature generalization and optimization, 3D objects reconstruction and modeling; computergraphics (CG)-based visualization and animation of geographic virtual reality environment. 相似文献
16.
加速迭代硬阈值(AIHT)作为一种压缩感知(CS)算法,具有计算复杂度低、内存占用小的特点,在较小数目的观测下,经过有限次迭代便能获得较好的重建效果。因此,本文将该算法应用到逆合成孔径雷达(ISAR)稀疏成像,对该方法的具体特征和适用性进行了详细分析。仿真结果表明,在相同信噪比和回波脉冲数条件下,基于AIHT的ISAR成像方法,相比于稀疏贝叶斯算法(SBL),在重建时间上缩短了至少2个量级;相比于迭代加权最小二乘法(IRLS)和平滑l0范数算法,在重建质量上提高了约3倍。经实测数据处理结果验证,在1/4原始脉冲数条件下,该方法仍具有良好的聚焦性能和压低旁瓣效果。 相似文献
17.
空间数据表示方法和空间数据插值方法是3D-GIS研究的基本问题。3维空间数据的曲面重建有着广泛的应用前景,也是当前国际上的研究热点之一。Crust算法是一种基于计算几何中的Voronoi周期图的曲面重建算法,它算法简单,重建结果精细,但是由于计算量太大,其应用受到了限制,文中采用基于VTK(Visualization Tool Kit)表现3D空间数据的表示方法,提出了一个新的三角网格内插的曲面重建算法,并给出了实例以说明该方法的有效性。 相似文献
18.
时空插值方法被广泛应用于缺失时空数据集的插值与估计。时空插值是时空建模与分析的一个重要内容,当前该研究关注的热点之一是异质条件下的时空插值与估计问题。因此,本文从时空数据的异质性出发,提出了一种顾及时空异质性的缺失数据时空插值方法。该方法首先对数据集进行时空分区,然后分别在时间和空间按照异质协方差模型计算缺失数据的估计值,进而利用相关系数确定时空权重、融合时间和空间估计值得到缺失数据的最终估计结果。最后通过两组气象数据集进行交叉验证对比分析试验。试验结果表明本文方法对比其他插值方法具有更高的精度和适用性。 相似文献