共查询到20条相似文献,搜索用时 140 毫秒
1.
《武汉大学学报(信息科学版)》2021,(8)
针对传统规则化知识的栅格数字高程模型(digital elevation model, DEM)微地形分类方法自动化程度低、分类不完全等缺陷,构建了一种适用于栅格DEM微地形自动分类的卷积神经网络(convolutional neural network, CNN)模型。借助该模型具有自动深入学习样本数据和挖掘隐含分类信息的优势,提出了栅格DEM微地形分类的卷积神经网络方法并创建了其自动化实现流程。以山体部位分类为典型样例进行实验验证分析,实验结果统计显示:在山体部位分出的山顶、山肩、背坡、麓坡、趾坡和冲积地6类微地形中,分类精准程度最高的为冲积地,最低的为趾坡,准确率分别达到了99.64%和92.95%;栅格DEM数据的像元大小影响其分类准确率,5 m×5 m的栅格DEM比2.5 m×2.5 m和10 m×10 m更适应山体部位分类的卷积神经网络法。 相似文献
2.
针对复合地形因子现有提取方法过程叠加繁琐、计算量大等问题,利用BP神经网络自适应性好、泛化能力强的优势创建了复合地形因子提取的BP神经网络法。以黄土高原DEM为数据源,选取复合地形复杂度指标为研究对象,采用控制变量法优选网络结构,结合Levenberg-Marquardt算法改进网络收敛速度与精度,优化样本库以克服过拟合问题,获取了综合性能最优泛化模型。实验结果表明,BP神经网络法较传统方法功效显著,拟合优度达到0.99,命中率达到99.98%,均方差为2.91×10-5,残差最大绝对值为0.16,平均绝对百分比误差为2.95%,模型提取10次结果标准差最大值为0.14;BP网络用于复合地形因子提取有效可行,为快速提取复合地形因子提供了新途径。 相似文献
3.
山顶点是一个容易意会却难以量化的地理特征。从山体地貌的认知着眼,对不同类型山体的山顶点控制区域进行分析,研究山顶点的高程、控制区的高差阈值、山体面积及平均坡度等山体地形特征的量化分析方法;在此基础上建立基于闭合等高线树山顶点控制区分析模型;并对山体地形特征进行量化表达,形成以山体控制区为约束条件的规格格网DEM数据的山顶点提取方法。使用1∶25万的祁连山DEM数据对新方法进行实验验证,提取准确率为96.8%。为验证新方法的普适性,选取极高山、高山、中山、低山等山体的DEM数据进行实验,山顶点提取结果理想,准确率较高,说明该方法适用于多种山体类型。 相似文献
4.
5.
栅格尺度对DEM分析中地形因子的影响 总被引:2,自引:0,他引:2
数字高程模型(DEM)是地形分析的基础。DEM的栅格大小直接影响着分析的结果。而栅格大小越小,尽管越能精确的反映和描述地形变化情况,但是计算量也是大量的增加。所消耗的代价也大大增加。因此DEM栅格尺度对地形因子的影响研究具有极其明显的意义。本文通过对浙江省桐庐县的丘陵地区和云南省洱海地区的山地地区为例。在不考虑数据误差的基础上,通过定性定量地比较不同栅格尺度对坡度、坡向的影响,得出对两种地形的异同点。为以后的实际工作起到一定的指导作用。 相似文献
6.
7.
8.
9.
10.
11.
微地形是输电线路工程安全运行、电线积冰风险区划和线路建设期能耗计算等工作的重要基础,实现输电线路微地形的合理提取是复杂地形条件下电网工程建设的前提与保证。针对传统输电线路微地形提取存在决策知识模糊、主观因素影响大和缺少定量提取指标等问题,依据规程中微地形分类体系,提出了以地形位置指数、坡度、相对高程和水体距离为特征因子的组合表达输电线路微地形提取决策方案,利用数字地形分析技术建立了输电线路微地形自动提取方法。以2012—2018年某电网公司9条输电线路域栅格数字高程模型数据进行提取实验,实验结果与分析表明,所提方法能够有效提取垭口地形、高山地形、抬升地形、峡谷地形和水汽地形5类典型输电线路微地形,且揭示了微地形分布与线路灾害发生的相关性,可为电网建设可行性论证、线路精细化设计等提供技术支持。 相似文献
12.
13.
基于BP神经网络高光谱图像分类研究 总被引:1,自引:0,他引:1
遥感影像常常存在"异物同谱"现象,影响了遥感影像的分类精度。为了提高分类精度,本文提出了基于BP神经网络的分类算法。采用环境一号卫星HJ-1A星上搭载的超光谱成像仪(HSI)获取的高光谱数据,利用BP神经网络对黄岛区进行遥感图像分类,根据得到的分类结果对原图像进行"异物同谱"现象纠正后重新选取训练样本,然后利用BP神经网络再分类,从而有效解决了"异物同谱"现象。实验结果表明,经处理后的高光谱影像的分类精度得到显著提高,分类总体精度为92.386 5%,比异物同谱纠正前提高了7.83%,Kappa系数也从0.768 2提升到了0.885 8。 相似文献
14.
海底底质分类对于海洋资源开发与利用、海洋科学研究等多方面具有重要意义。目前,多波束探测是实现大范围海底底质分类的有效手段之一,通常基于多波束反向散射强度提取角度响应(AR)特征及反向散射图像特征进行底质分类。由于特征来源较单一,分类器结构简单,往往分类精度不高。为此,本文提出了一种基于深层卷积神经网络(CNN)的多波束海底底质分类方法。除反向散射强度特征外,还利用地形特征,将特征向量转换为波形图,再输入卷积神经网络进行训练和分类。试验对比不同特征组合以及BP网络、支持向量机(SVM)、K近邻(KNN)、随机森林(RF)4种常规分类器,本文模型算法总体分类精度达到94.86%,Kappa系数为0.93,精度具有明显优势,效率也比较高。表明该方法有效利用两种数据类型所蕴含的海底底质信息,充分发挥卷积神经网络权值共享、高效率等特点,实现高分辨率海底底质分类,可对海底底质分类研究提供参考。 相似文献
15.
16.
为确保水下自主航行器(autonomous underwater vehicle, AUV)地磁导航的可靠性及其航迹规划的合理性,提出了一种基于主成分分析(principal component analysis, PCA)和改进反向传播(back-propagation, BP)神经网络结合的候选地磁匹配区自组织优化分类方法。将候选地磁匹配区的分类问题统一在模式识别的框架下,首先,采用PCA对若干地磁图特征参数进行线性变换,获取独立的主成分特征参量;然后,利用遗传算法(genetic algorithm, GA)优化BP神经网络的初始权阈值来提高候选地磁匹配区适配性分类的准确性;最后,借助GA-BP神经网络来构建地磁图特征参数和匹配性能的映射关系,完成地磁适配区的自动识别。仿真实验结果表明,该自组织优化分类方法在地磁导航适配区选取方面具有较高的分类精度和可靠性,为AUV的高精度长航时自主导航提供重要保障。 相似文献
17.
黄土丘陵沟壑区地形分类方法的研究 总被引:1,自引:0,他引:1
根据黄土丘陵沟壑区的地形特征,将其地形分为梁峁地、沟坡地、沟底地三大类。本文提出了一种利用规则格网DEM,依据正负地形指数、剖面曲率、坡度等因子对黄土丘陵沟壑区进行地形分类的算法。该算法易于实现,自动化程度高。通过实验分析可知得到的结果能较准确表示实际地形,分类结果能满足大中尺度研究的需要。 相似文献
18.
基于PCA-BPNN的多光谱遥感影像分类 总被引:7,自引:0,他引:7
基于BP算法的神经网络方法目前已广泛运用于遥感影像分类,提出一种主成分分析(PCA)与BP神经网络相结合的遥感影像分类方法——PCA-BPNN,实验证明该方法是可行并且有效的,在减少计算量和加快收敛的同时,提高了分类的精度。 相似文献
19.
本文以宁夏盐池Landsat 8影像、高分二号影像、LiDAR数据插值生成的DEM数据、地理国情普查数据等为数据源,首先利用一年多期的Landsat 8影像确定提取内陆盐沼湿地的最佳时相;然后对最佳时相的高分二号(GF-2)融合影像等数据进行多尺度叠置分割,获取NDVI、DEM、穗帽变换等特征,采用最邻近分类器提取内陆盐沼湿地信息,构建内陆盐沼湿地样本库;最后在此基础上探讨卷积神经网络用于高分卫星影像提取内陆盐沼湿地方法。试验结果表明,设计的卷积神经方法适用于内陆盐沼湿地提取,与最近邻分类法提取的结果相比,内陆盐沼湿地边界的提取效果有明显提高。 相似文献
20.
本文介绍了基于BP神经网络的遥感模式识别方法的特点,同时引入分形维数的概念及其在图像中的计算和应用,并将分维作为反映各类别数据纹理特征的附加波段分量,加到网络的输入层,明显地提高了分类精度。 相似文献