基于深度残差网络的机载LiDAR点云分类     

赵传  郭海涛  卢俊  余东行  张保明 《测绘学报》2020,49(2):202-213

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。  相似文献   

顾及兴趣点潜在上下文关系的城市功能区识别     

陈占龙  周路林  禹文豪  吴亮  谢忠 《测绘学报》2020,49(7):907-920

城市功能结构的探索对人们理解城市及城市规划有着重要的作用。兴趣点(point of interest,POI)数据作为城市设施的代表,被广泛应用于城市功能区提取。以往对城市功能区研究大多只考虑了POI统计信息,忽略了POI中丰富的空间分布信息,而POI空间分布特征与区域功能密切相关。本文利用空间共位模式挖掘方法挖掘POI潜在上下文关系,提取POI空间分布信息,构建区域特征向量,并进行区域聚类;再利用POI类别比例、居民的出行特征等对聚类结果进行识别。以北京市核心城市功能区为例,将研究结果与北京市百度地图、居民出行特征进行对比验证分析。试验表明,本文方法能识别出具有明显特征的城市功能区,如成熟的娱乐商业区、科教文化区、居住区等。同时,与基于POI语义信息的LDA方法及顾及POI线性空间关系的Word2Vec方法进行对比分析,证明了本文方法的优越性。  相似文献   

基于精细数据处理的叠前深度偏移在琼东南盆地陵水凹陷坡折区的应用     

刘杰明  李三福  孙博  曾维辉  孙雷鸣  王新领  夏冬明 《海洋地质前沿》2019,35(8):58-66

琼东南盆地陵水凹陷,受坡折区崎岖海底和复杂地质构造的影响,导致该地区速度模型构建精度不高,从而严重影响到成像品质。针对坡折区的精确速度模型构建难题,首先采用组合多次波衰减、宽频处理、叠前信噪比增强等针对性处理技术,得到宽频带高信噪比的叠前数据,在此基础上统计分析不同水深速度规律,应用断控和地质约束速度建模技术,建立初始速度模型,然后利用基于宽频数据的高分辨断控约束网格层析反演技术,经过多次迭代完成深度域各向异性速度建模,并实现了陵水凹陷坡折区的高精度叠前深度偏移成像。叠前深度偏移成像显示,基于精细速度模型的叠前深度偏移技术科明显提高坡折区信噪比,改善成像质量,同时可有效消除地层同相轴扭曲的现象,恢复了地下地层的真实构造形态,从而可为目标评价与钻探决策提供更可靠地震资料。  相似文献   

基于深度学习的目标检测定位系统设计与实现     

王俊强  李建胜  程相博  杨戬峰 《测绘与空间地理信息》2020,(1):133-136,144

针对传统遥感影像目标检测方法效率不高,并且无有效手段对检测信息进行管理利用的问题,提出了在B/S构架下基于深度学习的目标检测及定位方法。通过集成深度学习框架、WebGIS以及数据库,实现了集遥感影像目标检测、展示及管理于一体的目标检测定位系统,满足多用户基于前端浏览器的并发目标检测需求。利用网格划分策略,实现了基于前端的大区域范围的目标快速检测。基于某机场飞机目标及某城市区域运动场目标检测结果表明:本文设计的目标检测定位系统能够在前端实现目标快速检测定位,具有较高检测精度,并可有效管理检测信息,为深度学习循环再利用提供数据支撑。  相似文献   

结合深度学习和图割法的遥感影像建筑物检测     

刘舸  邓兴升 《测绘通报》2019,(11):69-73

提出一种基于卷积神经网络和图割法的自动提取高分影像建筑物的方法。首先，通过卷积神经网络定位与检测建筑物的位置，逐一提取单个建筑物轮廓，利用检测结果分别建立建筑物和非建筑物的高斯混合模型（GMM），然后结合最大流最小割的图像分割方式实现全局优化，完成建筑物初步提取，最后用形态学进行优化。通过试验证明了该方法的可行性。  相似文献   

深度卷积神经网络支持下的遥感影像飞机检测     

谢梦  刘伟  杨梦圆  柴琪  吉莉 《测绘通报》2019,(6):19-23

针对YOLOv3算法对小目标检测较差及出现较多漏检的问题，本文提出了一种优化的YOLOv3算法。首先使用K-means算法计算出与数据集相适用的锚框；其次将扩张卷积引入到YOLOv3网络，用来增强网络高层的感受野，改善小目标的检测效果；然后使用深度可分离卷积取代YOLOv3网络残差模块中的普通卷积，可减少计算量，从而得到一种新型卷积神经网络结构；最后在数据集上进行对比试验。结果表明，优化的YOLOv3算法能够检测出更多目标，降低漏检率，相比于YOLOv3算法，其召回率提高11.86%，F1-score提高2.99%。  相似文献   

深度学习GoogleNet模型支持下的中分辨率遥感影像自动分类     

陈斌  王宏志  徐新良  王首泰  张亚庆 《测绘通报》2019,(6):29-33,40

提出了一种基于深度学习技术的遥感分类方法，它能有效解决中分辨率影像在分类过程中出现的像元混分问题。研究选用2016年5月12日武汉市Landsat 7 ETM+遥感影像，基于GoogleNet模型中的Inception V3网络结构，借助迁移学习方法，构建出遥感分类模型，实现了对武汉市主城区4类典型地物（不透水层、植被、水体和其他用地）的自动分类提取，并将分类结果与传统最大似然分类（ML）结果进行了对比分析。研究表明：基于深度学习方法的遥感影像总体分类精度高达88.33%，Kappa系数为0.834 2，明显优于传统ML方法总体分类精度83%和Kappa系数0.755 0，而且有效抑制了地物在分类过程中出现的像元混分现象。  相似文献   

高分辨率光学遥感场景分类的深度度量学习方法   总被引：1，自引：1，他引：0  

叶利华  王磊  张文文  李永刚  王赠凯 《测绘学报》2019,48(6):698-707

针对高分辨率光学遥感影像场景具有同类型内部差异大、不同类型间相似度高导致部分场景识别困难的问题，本文提出了一种深度度量学习方法。首先在深度学习模型的特征输出层上为每类预设聚类中心，其次基于欧氏距离方法设计均值中心度量损失项，最后联合交叉熵损失项以及权重与偏置正则项构成模型的损失函数。该方法的目标是在特征空间上使同类型特征聚集并扩大类型间的距离以提高分类准确率。试验结果表明，本文方法有效地提升了分类准确率。在RSSCN7、UC Merced和NWPU-RESISC45数据集上，与现有方法相比，分类准确率分别提高了1.46%、1.09%和2.51%。  相似文献   

联合像元-深度-对象特征的遥感图像城市变化检测     

赵生银  安如  朱美如 《测绘学报》2019,48(11):1452-1463

特征空间的构建和优化对遥感图像识别能力的提高具有重要作用。针对面向对象方法对波段光谱信息利用不足,以及像元识别法无法充分利用图像空间几何等信息的问题,本文建立了新颖的联合像素级和对象级特征的航摄遥感图像城市变化检测方法。首先,充分利用像素级和对象级特征的优势,建立考虑光谱、指数、纹理、几何、表面高度及神经网络深度特征的特征空间;然后,引入LightGBM(light gradient boosting machine)算法对大量特征进行选择研究;最后,采用随机森林识别器对宜兴市2012年和2015年两期遥感图像进行识别,利用变化矩阵进行城市的变化检测。结果表明:联合像元、深度、对象特征和LightGBM特征选择算法的识别效果最好,平均的总体识别精度达到了88.50%,Kappa系数达到0.86,比基于像元、深度或对象特征的识别方法分别提高了10.50%、15.00%和4.00%;城市变化检测精度达到了87.50%。因此,本文方法是利用甚高分辨率航摄遥感图像进行城市变化的检测的有效方法。  相似文献   

基于2D地图的城市户外ARGIS视觉辅助地理配准技术     

邓晨  游雄  张威巍  智梅霞 《测绘学报》2019,48(10):1305-1319

针对当前便携式位姿传感器获取的户外6DOF绝对位姿精度通常不足，致使基于位姿传感器的户外AR地理配准精度不高，提出了一种以2D地图作为参考数据进行户外视觉辅助定位进而提高ARGIS系统地理配准精度的方法和技术框架。在位姿传感器获取初始位姿的基础上，详细阐述了基于2D地图进行图像位姿优化和辅助校正的基本原理；并通过试验验证了该方法可以对位姿传感器获取的初始位姿进行优化，进而提高户外AR地理配准精度的有效性。  相似文献