共查询到19条相似文献，搜索用时 640 毫秒
1.
基于神经网络的影响匹配概率松驰算法 总被引：1，自引：0，他引：1
提出了一种映射方法，使得Ｈｏｐｆｉｅｌｄ神经网络能够用于实现松驰算法。其优点在于Ｈｏｐｆｉｅｌｄ模型可由集成电路实现，因而使得基于松驰算法的影像匹配可以实时地完成，极大地提高了处理程度。 相似文献
2.
多点最小二乘匹配的可变权阵阵列松弛算法 总被引：2，自引：0，他引：2
本文详细介绍了多点最小二乘匹配的常规算法和由阵列代数表示的阵列松弛算法，并把Ｒａｕｈａｌａ限于等权的情形推广到不等权（变权）的情形，给出了实现阵列松弛的步骤，最后从计算效率，匹配精度对常规算法，等权阵列松弛和不等权阵列松弛进行了比较，分析，揭示了变权阵列松弛法巨大的实用潜力。 相似文献
3.
点状地图符号的自动识别是地图要素自动识别中的重要研究内容。本文着重讨论基于Ｈｏｐｆｉｅｌｄ网络的点状地图符号识别问题，针对Ｈｏｐｆｉｅｌｄ网络所存在的局限性，提出了一种改进方法，增强了Ｈｏｐｆｉｅｌｄ网络的联想记忆功能，可有效地提高点状地图符号的自动识别效果。 相似文献
4.
提出了一种点状注记自动配置的实用方法。其核心算法采用基于Ｈｏｐｆｉｅｌｄ神经网络模型求取点要素注记配置的最优解,克服了传统的冲突－回溯方法的不足。实验证明,该方法具有较好的性能和效率。 相似文献
5.
陈云 《测绘与空间地理信息》2014,(5):103-106
网格化划分算法是一种道路数据预处理方法,但网格剖分均衡度和耗时之间存在矛盾。为了解决此矛盾,本文借鉴了平衡二叉树的思想,基于松弛迭代方法,动态自适应确定松弛因子,建立了一个数学模型,提出了一种将道路路网快速平衡网格化划分的算法。文章实现了算法并在实际数据中进行测试,验证了算法的可行性和模型的正确性,同时也验证了该方法的有效性。 相似文献
6.
基于神经网络模型求取注记配置最优解 总被引：7，自引：1，他引：6
樊红 《武汉测绘科技大学学报》1998,23(1):32-35
提出了一种点状注记自动配置的实用方法。其核心算法采用基于Ｈｏｐｆｉｅｌｄ神经网络模型求取点要素注记配置的最优解,克服 诉冲突－回溯方法的不足。,实验证明,方法具有较好的性能和效率。 相似文献
7.
广义马尔可夫随机场及其在多光谱纹理影像分类中的应用 总被引：1，自引：0，他引：1
在二维马尔可夫随机场模型的基础上，提出顾及波段间的空间相关性，发展了一种适用于多光谱纹理影像分类的广义马尔可夫随机场模型。鉴于广义马尔可夫随机场模型的复杂性，利用最大伪似然法建立了求解模型参数的简化方程式，实现了纹理特征的快速提取。结合提取的纹理特征影像和光谱特征影像，采用概率松弛算法实现影像的分类。实验证明，提出的基于广义马尔可夫随机场的多光谱纹理影像分类算法克服了传统的基于光谱特征的分类算法的局限性，提高了纹理影像的分类精度。 相似文献
8.
9.
10.
水汽层析代数重构算法 总被引：1，自引：0，他引：1
讨论了代数重构算法在水汽层析应用中的各种问题,包括约束条件的构造、层析初值的选择、松弛因子的计算、终止条件的确定等,给出了计算最优松弛因子的黄金分割搜索法和确定终止条件的NCP规则,对比分析了Kaczmarz、Randkaczmarz、Symkaczmarz、SART、Landweber、Cimmino、CAV、DROP等8种常见的代数重构算法,并以香港SatRef的观测数据进行了试验。试验结果表明,以上8种代数重构技术都能够满足水汽层析的要求;迭代终止条件比松弛因子更为重要;采用文中计算最优松弛因子的黄金分割搜索法和NCP迭代终止条件,CAV算法结果最优,其次为Cimmino算法。 相似文献
11.
基于空间约束的神经网络影像匹配 总被引：1，自引：0，他引：1
提出了一种可充分利用影像灰度信息和特征信息的基于视差变权空间连续性约束的整体影像匹配方法,并将其映射到 Ｈｏｐｆｉｅｌｄ网络,利用神经网络所固有的大规模并行处理能力,可以高速、可靠、高精度地完成影像匹配,并大大提高了复杂地形条件下影像匹配的可靠性。实验证明该算法具有一定的实用性。 相似文献
12.
本文将测量平差中的若干计算问题映射为Ｈｏｐｆｉｅｌｄ网络中的求能量函数极小点的问题，为实时求解提供了一种新方法。 相似文献
13.
基于Hopfield神经网络模型的遥感影像分类算法 总被引：1，自引：0，他引：1
针对遥感影像的分类特点，提出了一种基于Hopfield神经网络模型的遥感影像分娄算法。首先阐述了Hopfield神经网络的结构及其工怍原理，分析了Hopfield神经网络优化规则；然后在Hopfield神经网络通用模型基础上，实现了Hopfield神经网络的算法。实验结果表明，这种分类器具有较高的精度与效率，分类结果优于最大似然分类法。 相似文献
14.
The mixed pixel problem affects the extraction of land cover information from remotely sensed images. Super-resolution mapping (SRM) can produce land cover maps with a finer spatial resolution than the remotely sensed images, and reduce the mixed pixel problem to some extent. Traditional SRMs solely adopt a single coarse-resolution image as input. Uncertainty always exists in resultant fine-resolution land cover maps, due to the lack of information about detailed land cover spatial patterns. The development of remote sensing technology has enabled the storage of a great amount of fine spatial resolution remotely sensed images. These data can provide fine-resolution land cover spatial information and are promising in reducing the SRM uncertainty. This paper presents a spatial–temporal Hopfield neural network (STHNN) based SRM, by employing both a current coarse-resolution image and a previous fine-resolution land cover map as input. STHNN considers the spatial information, as well as the temporal information of sub-pixel pairs by distinguishing the unchanged, decreased and increased land cover fractions in each coarse-resolution pixel, and uses different rules in labeling these sub-pixels. The proposed STHNN method was tested using synthetic images with different class fraction errors and real Landsat images, by comparing with pixel-based classification method and several popular SRM methods including pixel-swapping algorithm, Hopfield neural network based method and sub-pixel land cover change mapping method. Results show that STHNN outperforms pixel-based classification method, pixel-swapping algorithm and Hopfield neural network based model in most cases. The weight parameters of different STHNN spatial constraints, temporal constraints and fraction constraint have important functions in the STHNN performance. The heterogeneity degree of the previous map and the fraction images errors affect the STHNN accuracy, and can be served as guidances of selecting the optimal STHNN weight parameters. 相似文献
15.
在高海拔地区Saastamoinen与Hopfield模型推算水汽含量差异的研究 总被引：1，自引：0，他引：1
详细分析了在高海拔地区利用Saastamoinen和Hopfield两种模型推算水汽含量时产生差异的原因，并通过对高程不同的测站上实测数据的分析和研究，给出了Hopfield模型的修正项。 相似文献
16.
17.
对流层天顶干延迟(ZHD)建模是对流层延迟建模的一个重要组成部分,由于ZHD变化较为规律,因此,通常用模型来表达。而对流层天顶湿延迟(ZWD)变化不规则且随机性大,所以在GNSS处理中将它作为一个未知的待估参数。不精确的ZHD模型,会影响到ZWD估算的准确性,因此,选择精确合理的ZHD模型具有重要的意义。传统无线电探空仪数据获取的ZHD由于不能覆盖全球所有位置,尤其是海洋地区,而且在特殊天气使用也受限。为了更能全面反映ZHD模型的精度,本文尝试使用GGOS Atmosphere数据比较分析3种经典ZHD模型、即Saastamoinen模型、Hopfield模型和Black模型。通过对全球范围内的657个站点且时间覆盖长达5年的GGOS Atmosphere数据进行比较分析,我们得到以下结论:Saastamoinen模型优于Hopfield模型和Black模型,Saastamoinen模型的ZHD的精度可以优于1.5 mm。因此,在GNSS用户使用ZHD模型时,Saastamoinen模型可以作为使用模型。具体可以应用到GNSS大地测量学、GNSS车辆导航定位以及GNSS气象学。 相似文献
18.
19.
ZHENGShunyi ZHANGZuxun ZHANGJianqing 《地球空间信息科学学报》2004,7(4):243-248
In photogrammetry and remote sensing, image matching is a basic and crucial process for automatic DEM generation. In this paper we presented a image relaxation matching method based on feature points. This method can be considered as an extention of regular grid point based matching. It avoids the shortcome of grid point based matching. For example, with this method, we can avoid low or even no texture area where errors frequently appear in cross correlaton matching. In the mean while, it makes full use of some mature techniques such as probability relaxation, image pyramid and the like which have already been successfully used in grid point matching process. Application of the technique to DEM generaton in different regions proved that it is more reasonable and reliable. 相似文献