图幅编号自动识别研究     

曹启华  陈勇 《测绘学院学报》1999,(4)

从实用角度出发, 讨论了字符识别技术的原理和方法, 分析提取了基本比例尺地形图图幅编号的特征, 提出了图幅编号自动识别的方法。  相似文献   

带晕线的居民地符号的自动识别     

叶建栲  任留成  赵琪 《测绘学院学报》1999,(2)

针对１∶５ 万地形图中带晕线的居民地符号的特点, 提出了一种基于图像退缩和膨胀算法的居民地符号自动识别方法。  相似文献   

辽宁暴雨数值预报产品释用预报方法     

陈力强张立祥  曹汝估韩秀君 刘文明 《辽宁气象》1999,(2):2-3

综合应用天气动力统计方法,对T106 L19数值产品进行解释应用,制作辽宁夏季暴雨预报。首先将影响辽宁夏季降水的环流分为特定、低涡、台风型,再根据天气动力学逐型选取显著预报因子,最后进型建立进步判别预报方程。天气系统自动识别技术的应用使本预报系统完全客观、自动。对1997、1998年汛期的暴雨过程做出了较准确的预报。  相似文献   

基于综合算法的铁路、公路符号自动识别   总被引：2，自引：0，他引：2  

叶建栲  季红专 《测绘通报》2000,(6):14-16

介绍了基于综合算法的铁路、公路符号的自动识别过程,并得出了结论。  相似文献   

信号调制方式自动识别的谱相关方法   总被引：1，自引：0，他引：1  

何楚斌  许林  傅汝霖 《物探化探计算技术》2005,27(1):70-74

信号调制方式的识别对于通信信号分析有着很重要的作用。这里介绍了调制识别的谱相关方法，并讨论了利用该方法进行调制识别的方法和过程，还在硬件上初步实现了该算法。测试结果表明，当信噪比为5dB以上时，该方法对大部分调制类型的识别正确率可达90％以上，有很好的实用前景。  相似文献   

天气现象自动化观测现状调研   总被引：1，自引：0，他引：1  

陈冬冬  施丽娟  李肖霞  李翠娜 《气象科技》2011,39(5):596-602

科技发展使越来越多的新技术和新方法应用于自动气象观测,但目前我国天气现象观测仍然采用人工目测,本文调研分析国内外天气现象自动化观测现状,并根据34种天气现象的特征,分别对5类天气现象的自动化识别方法进行研究,结果表明大部分天气现象的自动识别在技术上是可行的。还探索了一种进行天气现象代码自动识别的方法,通过综合利用各种新型技术,在100个天气现象代码中,未来可预见能实现自动编码的代码有63个。  相似文献   

杆塔拉线坑位的快速测量法     

佘协吉 《测绘技术》1989,(3):32-32,10

  相似文献   

基于单阶段实例分割网络的黄土滑坡多任务自动识别     

师芸  石龙龙  牛敏杰  赵侃 《测绘通报》2022,(4):26-31

滑坡自动识别能够解决人工目视解译方法速度慢的问题,现有基于深度学习的自动识别方法多以目标检测和语义分割等单任务识别方法为主。本文基于深度学习实例分割网络探索可同时完成滑坡目标定位和语义分割的多任务识别方法。首先,基于谷歌地球影像构建了包含3822个样本的黄土滑坡样本数据集;然后,采用单阶段实例分割网络(YOLACT)构建了基于小样本学习的黄土滑坡多任务自动识别模型;最后,通过大、中、小3种比例尺度的滑坡测试样本对识别结果进行评价。试验结果表明:①滑坡目标定位框(Box)平均精确度为61.66%,滑坡语义分割掩码(Mask)平均精确度为62.0%,大比例尺测试结果中Mask交并比为0.88;②基于YOLACT构建的滑坡识别模型可同时完成滑坡目标定位和滑坡高精度掩码分割的双任务识别,为滑坡多任务自动识别及快速制图提供了技术支撑。  相似文献   

地震事件自动识别的标准时频变换方法          下载免费PDF全文

姚彦吉  柳林涛  王国成  沈聪  彭钊  邵永谦 《武汉大学学报(信息科学版)》2022,47(5):780-788

提出将标准时频变换(normal time-frequency transform,NTFT)与卷积神经网络(convolutional neural networks,CNN)结合,尝试实现地震信号的自动准确识别。单纯利用神经网络方法识别地震通常需要人工方式判别收集地震信号样本,对受到噪声污染的信号进行相关预处理操作。采用NTFT+CNN模型无需预处理去噪,更具有实用性。从中国云南省盈江地区3个台站连续两周的地震记录中截取19 884个地震事件和17 ?640 ?个噪声数据作为样本,分别利用CNN模型与NTFT+CNN模型进行3台站与单台站地震信号识别实验。在3台站实验中,CNN模型的地震信号识别准确率为93.10%,NTFT+CNN模型的地震信号识别准确率提升至97.80%,引入NTFT使得识别错误率降低了3倍,表明NTFT+CNN模型可更为有效地识别信噪比低的地震信号。与此同时,CNN模型的训练次数为29,而NTFT+CNN模型训练18次即可达到上述识别准确率,说明NTFT+CNN模型收敛快速且稳定。在单台站实验中,对比考察3种典型噪声情况下的模型表现,进一步验证了NTFT对噪声-地震信号的识别作用与模型结果的正确性。并将NTFT+CNN模型应用于识别美国南加州地震台网公开的地震-脉冲噪声数据,相对于CNN模型,NTFT+CNN模型在识别准确率、收敛速度与所需训练样本数量方面均表现出明显的优势。NTFT为基于神经网络结构的地震信号自动识别提供了新的有效途径。  相似文献   

海洋浮游生物图像观测技术及其应用   总被引：1，自引：0，他引：1  

孙晓霞  孙松 《地球科学进展》2014,29(6):748-755

浮游生物图像自动识别技术是当前海洋浮游生态学的研究热点。该技术结合水体成像系统和自动识别软件,能够对浮游生物的种类组成和丰度进行快速自动识别和定量分析,从而获得关于浮游生物分布和丰度更及时、更准确的信息,为大尺度、实时、连续地研究浮游生物分类学和生态学特征提供了一种有效手段。重点分析了当前国际上浮游生物图像识别技术研究的最新进展、主要应用领域、存在的问题以及未来的发展方向,旨在进一步推进该技术在我国近海及大洋浮游生态学及相关研究领域中的应用。  相似文献