共查询到19条相似文献，搜索用时 109 毫秒
1.
采用多层紧支撑径向基函数对离散数据内插生成DEM。首先对采样数据进行预处理,在原始数据上删除最小距离点对上的点,每次删除后将剩下的数据点存储并作为下一次删除操作的数据源,重复删除操作至点数为给定的初值;然后在已存储的数据集中选取均匀度较大的m个子集作为插值的数据源,分别进行紧支撑径向基函数插值,将上一层的误差作为下一层的插值属性值,求解插值矩阵系数。将规则格网点作为插值点通过插值矩阵内插生成DEM,并且与各种径向基函数插值方法进行比较。实验分析表明,基于多层紧支撑径向基函数的DEM具有较高的插值精度,可作为一种DEM插值方法。 相似文献
2.
在地理空间中各种地理现象实际上是一种连续变化的空间场。由于受到观测手段、工具的限制,只能从有限的地点获得有限的观测数据。为了获得连续的空间场,通常采用克吕格插值、反距离权重插值等方法进行重建。但这些方法都是各向同性的,与具有各向异性的真实地理现象分布并不相符。该文以各向同性的紧支撑径向基函数插值模型为基础,对其进行改进,使其能够顾及空间场的各向异性。其方法是利用加权主成分分析对原始数据进行方向性特征分析并进行旋转,再利用半变异函数拟合变换后坐标系下各轴向的变程值,以此为基础构建紧支撑径向基函数插值模型并进行插值,最后将插值结果逆旋转到真实地理空间。以国家气象中心提供的黄淮海平原气温数据与香港天文台提供的香港地区气温数据为例,对该文提出的顾及各向异性紧支撑径向基函数空间插值方法进行验证,并与反距离权重插值、全局径向基函数插值及顾及各向异性的普通克里格插值进行对比,实验表明该方法具有较高的精度且能够对气温场的细节进行准确的重建。 相似文献
3.
提出一种基于支持向量机(SVM)的三维LiDar数据分类方法:利用kd-trees存储无序的点云数据,在局部邻域中利用点云数据间的几何关系估算植被表面特征值;将密度值和高程差值作为SVM输入特征变量,利用基于径向基函数的SVM方法实现植被点云数据的分类.实验结果为:OA分类精度达到94.31%,Kappa系数为89.53%.该方法操作性较强,在分类精度及计算效率方面比传统方法具有优势. 相似文献
4.
基于地学信息的土壤属性高精度曲面建模 总被引：5，自引：1，他引：4
目前土壤属性的曲面建模面临两大问题,一是缺乏足够多的采样点进行模拟,二是采样点的土壤属性与环境变量间存在非线性关系。高精度曲面建模(HASM)方法在如何融合地学信息对土壤属性进行空间插值,尚需深入研究。本文提出高精度曲面建模与地学信息相结合的土壤属性空间插值方法(High accuracy surface modeling for soil properties, HASM-SP),分别基于研究区的土壤类型、土地利用类型和母岩类型,模拟了江西省典型红壤丘陵区土壤的速效磷(AP)、锂(Li)、pH、碱解氮(AN)、全钾(K) 和铬(Cr) 6 种土壤属性的空间分布。将HASM-SP与普通克立格(OK)、OK与地学信息相结合的方法(OK-Geo) 和分层克立格(SK) 相对比,结果表明：结合地学信息可以使插值方法(HASM-SP和OK-Geo) 模拟结果的平均误差更趋近于0;相对于其他3 种方法,HASM-SP具有较小的平均绝对误差和均方根误差。从模拟的空间分布图上来看,HASM-SP获得了由于地学要素类型突变导致的土壤属性空间变异的细节信息。因此,基于地学信息的土壤属性高精度曲面建模方法(HASM-SP) 与传统插值方法相比,不仅提高了土壤属性空间分布的模拟精度,还能更好地刻画突变边界处土壤属性的空间变异,使土壤属性分布图更好地符合地学规律和实际情况。HASM-SP的提出对于丰富土壤属性的高精度曲面建模理论具有重要意义,并为土壤管理、精准农业的实施以及区域环境规划等提供科学依据。 相似文献
5.
基于深度学习方法在城市激光点云语义分割任务中的应用效果缺乏客观的对比与评价,该文选取当前4种代表性点云语义分割深度网络(PointNet、PointNet++、PointCNN、SPG)以及一种基于特征描述子的层次化点云语义分割方法,采用3组开放点云数据集(Semantic 3D、Oakland及TerraMobilita/iQmulus3Durban)对不同方法的语义分割质量进行对比分析,结果发现:1)层次化点云语义分割方法的语义分割质量优于另外4种深度学习方法;2)考虑局部信息的深度网络(PointNet++、PointCNN、SPG)的表现优于仅考虑点云全局特征的方法(Point-Net);3)在基于深度学习的方法中,基于超点图的SPG网络在测试数据中的效果优于其他几种网络。研究结果对于实际应用选择点云语义分割方法以及点云语义分割深度网络的设计优化具有借鉴意义。 相似文献
6.
《地理与地理信息科学》2016,(3)
径向基函数(Radial Basis Function,RBF)是一种确定性的多维空间插值模型,可以有效逼近任意维度的空间数据。RBF插值模型中,基函数形态参数直接影响插值精度。为了快速求解最佳形态参数,获取准确的插值结果,该文采用改进的逐点交叉验证(Improved Leave One Out Cross Validation,ILOOCV)方法求取最优形态参数,首先从形态参数取值区间内选定初始形态参数α,然后从n个已知点中顺序选出一个点,使用剩下的n-1个已知点构建RBF插值模型,计算被取出点处真实值与插值结果的误差,循环n次,累计交叉验证误差,再依次从形态参数取值区间选取下一个值,重复操作,建立形态参数α与累计交叉验证误差之间的函数映射关系,最后通过最小化交叉验证误差来获取最佳形态参数。以我国东北地区气象观测数据进行实验,对ILOOCV方法进行验证,结果表明ILOOCV方法选取最佳形态参数使其插值结果比较精确,是一种可行的RBF形态参数优化方法。 相似文献
7.
用地形三维激光扫描仪监测陡坡表面的细微变化,关键技术之一是对原始点云的精确滤波,即从密集点云中准确滤除非地形点,保留真实地形点。针对地势陡峭、表面复杂、植被多、密度分布极不均匀的陡坡点云,笔者发展了一种双重滤波方法:在对原始点云进行投影面变换的基础上,采用变窗口均值限差法滤除明显的非地形点,完成粗滤波;通过局部区域增长法找出绝大多数地形点,以占优势的地形点为参考,用局部最小二乘曲面拟合法对剩余未分类数据点进行检核,分离出非地形点,完成精滤波。文中选用3个不同类型的陡坡点云实例验证了该方法对于陡坡密集点云具有良好的滤波效果。该算法对野外大场景三维激光扫描点云滤波也有一定的参考价值。 相似文献
8.
以阿坝藏族羌族自治州地质灾害频发的理县为研究区,从地形地貌、地质环境、水文条件和人类工程活动等方面选取11个影响因子,通过皮尔森相关系数研究各因子之间的相关性,从而构建滑坡易发性评价指标体系。利用信息量模型计算各影响因子的信息量值,从信息量模型得出的极低和低易发性分区中选取非滑坡样本,在此基础上将样本数据代入随机森林和径向基函数神经网络2种机器学习模型开展滑坡易发性评价,并通过接收灵敏度（Receiver Operating Characteristic,ROC）曲线进行精度验证。结果显示：随机森林模型预测出的高易发区单位面积内分布的滑坡点数量更为集中,在仅占6.666%的区域分布了74.026%的灾害点,评价结果优于径向基函数神经网络模型。ROC曲线中两模型AUC（Area Under Curve）值分别为0.893、0.874,说明随机森林模型具有更高的可靠性,比径向基函数神经网络在该区域地质灾害易发性评价中更具优势。 相似文献
9.
智慧城市的蓬勃发展和快速推广,使得三维建模成为当前热点研究方向。平面点云分割是三维点云建模中数据处理的关键环节。该文提出一种三角面片法向量方向调整方法,通过后续对邻近法向量进行加权平均估算实现平面点云的分割。首先采用八叉树的空间划分方法将无序的点云建立索引,利用K紧邻搜索获取参考点的K个邻近点,然后将该局部点构建不规则三角网并且得到包含参考点的所有三角面片以及三角面片的法向量,并通过将三维点投影到二维平面,利用平面三角形两边向量叉乘的方法,判断并调整各三角面片的顶点排列顺序,使三角面片的法向量一致化,最后对包含参考点的所有三角面片的法向量加权平均,估算参考点的法向量,根据点云法矢一致、共面的原则将平面点云分割出来。以徕卡Scanstation 2型扫描仪获取点云数据,对该方法进行检验,结果显示其能较好地实现对点云法矢量方向的调整与估算,并对平面点云数据进行分割提取。 相似文献
10.
福海叶绿素含量的人工神经网络反演模型 总被引：3，自引：0，他引：3
在圆明园福海同时进行光谱测量与叶绿素测定。使用传统经验统计算法、BP人工神经网络和径向基函数(Radial Basis Function,RBF)网络,分别建立光谱值反演叶绿素浓度模型。结果表明,径向基函数网络具有结构自适应确定、输出不依赖初始权值、速度快、结果可靠、能充分利用光谱信息等优良特性,得到了相当好的拟合结果,是一种值得推广的预测叶绿素浓度的神经网络模型。 相似文献
11.
Zhou Guo 《International journal of geographical information science》2020,34(4):661-680
ABSTRACTPoint cloud classification, which provides meaningful semantic labels to the points in a point cloud, is essential for generating three-dimensional (3D) models. Its automation, however, remains challenging due to varying point densities and irregular point distributions. Adapting existing deep-learning approaches for two-dimensional (2D) image classification to point cloud classification is inefficient and results in the loss of information valuable for point cloud classification. In this article, a new approach that classifies point cloud directly in 3D is proposed. The approach uses multi-scale features generated by deep learning. It comprises three steps: (1) extract single-scale deep features using 3D convolutional neural network (CNN); (2) subsample the input point cloud at multiple scales, with the point cloud at each scale being an input to the 3D CNN, and combine deep features at multiple scales to form multi-scale and hierarchical features; and (3) retrieve the probabilities that each point belongs to the intended semantic category using a softmax regression classifier. The proposed approach was tested against two publicly available point cloud datasets to demonstrate its performance and compared to the results produced by other existing approaches. The experiment results achieved 96.89% overall accuracy on the Oakland dataset and 91.89% overall accuracy on the Europe dataset, which are the highest among the considered methods. 相似文献
12.
Guiming Zhang Qunying Huang John H. Keel 《International journal of geographical information science》2016,30(11):2230-2252
Performing point pattern analysis using Ripley’s K function on point events of large size is computationally intensive as it involves massive point-wise comparisons, time-consuming edge effect correction weights calculation, and a large number of simulations. This article presented two strategies to optimize the algorithm for point pattern analysis using Ripley’s K function and utilized cloud computing to further accelerate the optimized algorithm. The first optimization sorted the points on their x and y coordinates and thus narrowed the scope of searching for neighboring points down to a rectangular area around each point in estimating K function. Using the actual study area in computing edge effect correction weights is essential to estimate an unbiased K function, but is very computationally intensive if the study area is of complex shape. The second optimization reused the previously computed weights to avoid repeating expensive weights calculation. The optimized algorithm was then parallelized using Open Multi-Processing (OpenMP) and hybrid Message Passing Interface (MPI)/OpenMP on the cloud computing platform. Performance testing showed that the optimizations effectively accelerated point pattern analysis using K function by a factor of 8 using both the sequential version and the OpenMP-parallel version of the optimized algorithm. While the OpenMP-based parallelization achieved good scalability with respect to the number of CPU cores utilized and the problem size, the hybrid MPI/OpenMP-based parallelization significantly shortened the time for estimating K function and performing simulations by utilizing computing resources on multiple computing nodes. Computational challenge imposed by point pattern analysis tasks on point events of large size involving a large number of simulations can be addressed by utilizing elastic, distributed cloud resources. 相似文献
13.
棉花叶面积指数（LAI）是描述其长势的重要指标,准确获取冠层结构参数是叶面积指数反演的必要条件。以ScoutB-100油动单旋翼无人机为飞行平台,搭载RIEGL VUX-1激光雷达,精确获取棉花高密度点云数据,得到研究区棉田数字表面模型（DSM）和数字高程模型（DEM）,通过差值运算获得其冠层高度模型（CHM）,进而提取有效的冠层结构参数。利用相关性分析法选取相关系数大于0.2的激光穿透力指数（LPI）、回波点云密度（D）、孔隙率（fgap）、归一化高程值（VnDSM）构建棉花LAI反演模型,并与实测叶面积指数进行精度验证与评价。实验结果表明：模型估算的LAI与实测LAI之间的决定系数为0.824,均方根误差为0.072,验证了模型的可靠性。 相似文献
14.
作物高度是农田、生态等研究领域重要的一项指标,准确地获取作物高度和类别是精确估产和长势监测的必要条件。激光雷达技术能够提供精确的植被冠层结构信息,并进而获得作物冠层高度。以绿洲农田区的棉田为研究对象,通过激光雷达提取的植被垂直结构信息,估算研究区各植被类型的高度,并依据高度进行了分类。结果表明：林地、食葵、棉花和西葫芦的平均高度约为12.5 m、2.125 m、1.125 m和0.35 m,利用植被类型间的高度差异进行地物类型识别的总体精度为93%;食葵、棉花和西葫芦实测植被高度值与计算植被高度值的平均相对误差分别为-0.038%、1.35%和-4.348%,说明激光雷达提取的植被冠层结构参数可用于农田区作物的高度估算。 相似文献
15.
提出在多维特征空间中以互信息为评价指标进行特征选择,在特征子集中应用支持向量机(SVM)分类器实现图像监督分类的方法.首先提取图像的光谱、纹理和颜色特征,得到多特征的高维特征空间,然后用最大相关和最小冗余的互信息作为评价标准,用10-fold交叉验证误差率选择特征子集,最后用基于径向基函数的SVM实现图像的分类.实验表明,该方法能明显提高图像分类的精度. 相似文献
16.
从机载LiDAR点云数据中分离地面点与非地面点生成城区DEM,是构建数字城市的首要工作。该文对机载LiDAR数据处理中的滤波关键算法进行了研究。首先,利用常用的区域增长方法对机载LiDAR点云数据进行了滤波处理,然后基于正交多项式分带滤波方法进行了点云滤波,比较了两种算法的运行效率,分析了二者的特点,并通过试验对比进行了阈值参数优选,试验表明该算法具有较好的滤波效果,在平原城区的数字城市三维建模中具有很好的应用价值。 相似文献
17.
基于三维激光点云的复杂道路场景杆状交通设施语义分类 总被引：1，自引：0，他引：1
文章提出一种完整的全自动化处理框架，基于三维激光点云数据对高速公路和城市道路场景的杆状目标进行了检测和分类，主要包括3个步骤：数据预处理、杆状目标检测和分类。其中，在数据预处理阶段，采用基于布料模拟滤波算法自动分离地面点和非地面点，然后基于欧氏距离聚类方法对非地面点进行快速聚类，以及采用迭代图割算法进一步分割目标对象；在目标检测阶段，集成先验信息、形状信息和位置导向搭建滤波器，对杆状目标进行检测；在对象分类过程中基于多属性特征，利用随机森林分类器对目标的特征进行计算和分类。并使用3个道路场景数据集进行测试，结果显示，3个数据集的整体MCC系数为95.6%，分类准确率为96.1%。这说明文章所构建方法具有较高性能。另外，该方法还可以鲁棒地检测杆状目标的重叠区域，较为适应复杂程度不同的道路场景。 相似文献
18.
利用空间插值法估算云覆盖像元地表温度的可行性研究 总被引：1，自引：0，他引：1
云覆盖是热红外遥感应用和地表温度遥感定量反演的重要障碍。实验选取河北衡水地区Landsat TM影像,借助GIS的空间分析功能,探索运用反距离加权(IDW)和普通克里金插值(OK)方法近似估算3种典型地表类型(水面、城镇、农田)下的云覆盖像元地表温度的可行性。实验结果显示:当云覆盖区域达15 000个像元(约等于13.5km2)时,两种空间插值方法对城镇的云覆盖像元地表温度估算误差都为1.6°C左右,而农田和水面的估算误差在1°C左右(且水面估算误差小于农田),这与3种典型地表类型的地表温度空间异质性密切相关。因此,当Landsat TM图像中有少块云覆盖而发生地表温度值缺失时,利用空间插值法估算云覆盖像元的地表温度是切实可行的。 相似文献
19.
遥感、地图和地理信息系统（ＯＩＳ）三者呈“你中有我，我中有你”的相辅相成关系．三者一体化应用使地球科学得以进展，又能在资源开发、环境保护、自然灾害监测评价等方面发挥重要作用．一体化应用的基础是掌握三者的学科一技术特性与相通关系． 相似文献