排序方式： 共有132条查询结果，搜索用时 78 毫秒
21.
22.
GIS数据辅助下的线状目标自动提取 总被引：2，自引：0，他引：2
首先介绍了遥感影像中线状目标骨架自动提取的意义和研究现状，然后结合老的GIS数据，提出了一种算法来实现遥感影像中线状目标骨架的自动提取，算法主要包括影像预处理、GIS数据与影像的配准、骨架跟踪、编组连接与数据简化等步骤。最后又利用遥感影像和相应的GIS数据进行了实验，实验证明了算法的可行性和有效性。 相似文献
23.
以玉树7.1级地震诱发的玉树机场路堆积层滑坡为对象,该滑坡坡度约为10o,长×宽×厚为317 m×482 m×19.8 m,由以碎石土为主的上覆层、卵石土为主的滑动带及基岩3层组成,开展大型振动台模型试验,探究震后边坡再次承受振动荷载的能力以及地震垂直分量对坡体稳定性的贡献,分析其动力响应特征和失稳破坏机制。结果表明,强震作用下堆积层滑坡的永久变形是造成地震地质灾害的重要因素;随着输入地震荷载增大,坡脚率先破碎沉降,坡体中部产生弧形裂隙并产生沉降,坡顶出现贯穿张裂隙和剪切裂隙并向坡腰推进,表现出典型的牵引性滑坡特征;峰值加速度(PGA)、动土压力以及加速度频谱与输入地震波的强度、滑坡高程呈正相关;PGA放大系数呈现出明显的非线性特征,其变化趋势随地震荷载强度增大而减小,地震波垂直分量对滑坡PGA放大系数影响略大于水平分量。 相似文献
24.
25.
联合卷积神经网络与集成学习的遥感影像场景分类 总被引：1，自引：0，他引：1
针对人工设计的中、低层特征难以实现复杂场景影像的高精度分类以及卷积神经网络依赖大量训练数据等问题，结合迁移学习与集成学习，提出了一种联合卷积神经网络与集成学习的遥感影像场景分类算法。首先基于迁移学习的思想，利用在自然影像数据集上训练好的多个深层卷积神经网络模型作为特征提取器，提取图像多个高度抽象的语义特征；然后构建由Logistic回归和支持向量机组成的Stacking集成模型，对同一图像的多个特征分别训练Logistic模型，将预测概率结果融合构建概率特征；最后利用支持向量机对概率特征训练和预测，得到场景影像的分类结果。利用UCMerced_LandUse和NWPU-RESISC 45两种不同规模的遥感影像数据集进行试验，即使在只有10%的数据作为训练样本情况下，本文方法能够分别达到90.74%和87.21%的分类精度。 相似文献
26.
27.
28.
29.
油罐目标的检测对于海洋战场环境保障具有重要的意义和作用。选择当前较为经典的几种深度学习目标检测算法,包括FRCNN、RFCN、SSD、YOLOv3、RetinaNet,利用已有的公开数据,对各算法进行油罐检测的精度进行深入对比分析和实验验证。实验结果表明,上述方法中鲁棒性和平均精度最好的是RFCN和RetinaNet;影像中目标的尺寸是影响各算法精度的重要因素。最后对基于深度学习的遥感影像油罐目标检测算法提出了改进的建议。相关研究对于利用深度学习算法完成油罐目标的实际检测应用具有重要的指导意义和参考价值。 相似文献
30.
为利用高分辨率遥感影像实现高精度的飞机目标变化检测,提出了一种自适应的多特征融合变化检测与深度学习相结合的方法。首先,通过加权迭代的多元变化检测法获取变化强度图,并结合自适应的直方图统计法自动获取显著的变化与不变化样本;然后,提取多时相影像的光谱、边缘和纹理特征,完成多特征融合的变化检测,并通过形态学处理得到变化图斑;最后,利用训练的NIN(Network in Network)结构的卷积神经网络飞机识别模型,完成变化图斑的类型判别,实现变化飞机的检测。实验结果表明,本文方法在两组数据的正确率分别达到100%和91.89%,均优于对比方法,能实现准确可靠的飞机目标变化检测。 相似文献