排序方式: 共有21条查询结果,搜索用时 750 毫秒
11.
自然资源要素解译是自然资源调查监测工作中最基础、投入工作量最大、技术难度最高的工作,存在可解译类别少、要素边界不准不全、类别属性可靠性不高等诸多挑战。本文从自然资源调查监测应用场景出发,首先从要素解译到场景要素耦合的解译范式、数据驱动到知识驱动的解译方法、人工目视到人机协同的解译手段3个方面阐述了自然资源要素自动解译的研究进展;然后探讨了6个重点研究方向及其研究内容,包括场景要素耦合解译、知识驱动语义理解、人机协同智能解译、内外一体与三维环境解译、关键参数精准计算与定量反演,以及高可信质量控制与真实性验证;最后进行了总结与展望,以期为自然资源要素智能解译研究提供思路,推动解决困扰遥感影像自动解译方法在自然资源调查监测业务应用中的瓶颈问题。 相似文献
12.
13.
目的:评估与pGGN患者在3年随访期内增长相关的临床和放射学因素,为临床个体化管理提供依据。资料与方法:回顾性分析HRCT随访3年及以上pGGN患者93位,共138例pGGN病灶,并分为增长组及稳定组,分析患者临床资料和HRCT征象与pGGN 3年随访期内出现增长间的关系。结果:138例pGGN病灶中,25例在3年随访期间出现增长,113例pGGN在3年随访期间保持稳定。对以人为基础的分析,随访3年内出现增长的pGGN的比例为23.6%(22/93);而基于对结节的分析中,增长的比例为18.1%(25/138)。在多变量分析中,初始直径大于8.5mm(OR=53.774,95%,CI:9.658~299.389,P=0.000),pGGN形状为不规则形(OR=12.828,95%,CI:1.559~105.547,P=0.018)是pGGN 3年内发生增长的独立危险因素。结论:当pGGN患者病灶最大径大于8.5mm,形状呈不规则形时,相比于继续随访观察,积极的外科干预可能是更合适的临床管理方式。 相似文献
14.
基于距离变换和区域邻接图,提出了一种D-TIN(包括约束的D-TIN)的生成方法。利用D-TIN是Voronoi图的几何对偶这一特性,使用距离变换获取点的Voronoi图,使用区域邻接图获取点在该Voronoi图上的空间邻接关系,以生成D-TIN或者约束的D-TIN。实验表明,与经典的基于数学形态学生成的D-TIN和约束D-TIN的方法相比,本文算法可以分别提高约57.70%和56.64%的效率。 相似文献
15.
16.
用形态学重建方法进行机载LiDAR数据滤波 总被引:4,自引:2,他引:2
在利用KD-树进行粗差剔除的基础上,结合机载LiDAR数据的多回波特性剔除不必要的冗余数据,利用形态学重建的方法对机载LiDAR数据进行滤波,且运行时只需要输入一个参数。使用国际摄影测量与遥感学会(ISPRS)提供的测试数据对算法进行实验,并与国际上8种滤波算法进行对比,结果表明,该算法对各种场景的适应性较强,既能有效地去除非地面点,又能很好地保留地面点,使Ⅰ类误差、Ⅱ类误差和总体误差分别保持在9.93%、7.27%和9.76%以下,整体性能优于经典的滤波方法。 相似文献
18.
目的:旨在分析COVID-19患者胸部CT表现特点及其演变规律。方法:回顾性分析总结52例经核酸检测确诊COVID-19患者的首次与治疗后胸部CT表现特点,包括病变部位、分布、密度及伴随征象等;以及经治疗后COVID-19肺部病变CT征象的动态变化。结果:52例患者中,2例为轻型,胸部CT为阴性,其余50例患者(43例普通型及7例重型)首次胸部CT检查为阳性。45例(45/50,90.00%)患者首次CT均发现双肺多发磨玻璃密度影(GGO),其中30例(30/50,60.00%)为GGO伴部分实变,15例(15/50,30.00%)为纯磨玻璃密度影(pGGO),多见于肺野外周胸膜下区;仅5例(5/50,10.00%)首次CT表现为肺内实变,病变大多呈斑片状、多发性、多叶性。病变内增粗血管征占74.00%(37/50),空气支气管征占52.00%(26/50),病变周围“晕征”占54%(27/50),小叶间隔增厚形成的“铺路石征”占36.00%(18/50)。25例患者经2~10 d治疗后,胸部CT结果显示14例(56.00%)GGO不同程度吸收、密度变淡;11例(44.00%)密度增高转归为实变等。结论:COVID-19胸部CT具有一定特点,首次多表现为双肺外周多发斑片状GGO伴或不伴肺实变,多伴“铺路石征”、空气支气管征及增粗血管征等。治疗后肺部病变变化较快,可吸收缩小、密度变淡或出现变实、纤维化等,上述特点有助于临床早期诊断和实时评估疗效。 相似文献
20.
人机协同的自然资源要素智能提取方法 总被引:1,自引:0,他引:1
开展自然资源统一调查监测评价,准确掌握我国各类自然资源家底和变化情况,是科学编制国土空间规划,逐步实现山水林田湖草的整体保护、系统修复和综合治理,保障国家生态安全的基础支撑.目前,基于遥感影像的自然资源要素提取,主要依赖人机交互的目视解译与外业逐图斑核查的方法,劳动强度大、生产效率低、人为因素多,已不能适应自然资源全要素、全流程、全覆盖一体化调查监测的新要求.本文顺应人工智能协作方法智能化发展新方向,总结分析了深度学习智能提取研究进展及存在问题,以及人机协同发展新方向研究现状,从分析自然资源要素的特点出发,提出了"智能计算后台+智能引擎+人机交互前台"人机协同智能提取技术框架,阐述了需要攻克的关键技术及解决途径,探讨了人机协同智能提取云平台构建思路,以期为自然要素智能提取提供新一代人工智能方法及思路,提升自然资源要素提取的自动化与智能化水平. 相似文献