图卷积网络在道路网选取中的应用     

张康  郑静  沈婕  马劲松 《测绘科学》2021,46(2):165-170,177

针对现有制图综合中的道路网自动选取方法不能有效地利用道路网的空间特征问题,该文把道路网抽象为图结构,提出了使用图卷积网络来进行道路网的自动选取,并比较分析了不同的图卷积网络在道路网选取中的适用性。结果表明,图卷积网络可以通过多层卷积来自动提取不同局部范围的空间特征,从而减少空间特征的人工构建,相比传统的多层感知机(MLP)等人工智能选取方法,具有更高的选取精度。对于不同的图卷积网络模型,使用最大池化聚合的GraphSAGE获得了最优的性能。  相似文献   

基于深度学习的人群活动流量时空预测模型     

李静  刘海砚  郭文月  陈欣 《测绘学报》2021,50(4):522-531

传统的时空预测方法缺乏对复杂时空非线性关系的描述,且难以顾及空间多尺度特征对于预测结果的影响。针对这一问题,本文提出了一种融合空间多尺度特征的时空网络模型(MST-Net),将流量预测的回归问题转换为具有时空特性的判别模型。首先,通过并联卷积提取空间多尺度特征;然后,通过引入注意力机制的门控循环单元提取时间特征;最后,利用全连接层得到预测结果。本文将该模型用于人群活动流量的预测,分别在两组真实的社交媒体签到数据集上进行试验。试验结果表明:本文采用的卷积层连接方式和特征融合方法,相比于单层卷积层提取空间特征、其他连接方式和融合方法以及传统的时空预测模型,在均方根误差(RMSE)和平均绝对百分比误差(MAPE)两个预测结果评价指标上均有不同程度的提高,说明本文方法具有较高的预测精度,能够较好地拟合时空问题的非线性关系,实现人群活动流量的预测。  相似文献   

基于改进型U-Net网络的高分辨率遥感影像建筑物提取     

吕道双  林娜  冯丽蓉  张小青 《地理空间信息》2021,19(1):30-34

针对传统人工提取方法自动化程度低、过分依赖人工设计的特征,以及现有的深度学习方法中存在的提取精度不高等问题,提出了一种基于改进型U-Net网络的高分辨率遥感影像建筑物提取方法。首先将空洞卷积加入到网络中,利用不同尺度的空洞卷积对来自网络编码部分的结果进行多尺度特征提取;再对提取的特征进行特征融合,并输入到网络的下一层;然后将制作的数据集输入到网络中进行训练;最后利用Softmax得到最终分割结果。在建筑物公开的数据集中进行测试,提取结果的像素精度为96.26%;Iou精度为78.59%、Recall为95.65%,表明该方法具有良好的鲁棒性和精度,能从影像中准确地提取建筑物。  相似文献   

基于数据一致性预测与压制自由表面多次波--理论研究与试处理   总被引：26，自引：3，他引：23       下载免费PDF全文

黄新武  孙春岩  牛滨华  王焕弟  曾闽山 《地球物理学报》2005,48(1):173-180

从声波波场理论出发,首先在不考虑自由表面反射的情况下研究了有效波波场传播及反射规律,继而考虑自由表面反射的情况,并详尽推导了压制自由表面多次波的正演和反演数学模型。从物理本质上对自由表面多次波的产生、预测及压制做了深入的剖析,讨论了基于数据一致性时空域褶积的多次波预测方法原理,实现了自由表面相关多次波自适应压制的迭代方法过程。复杂起伏海底的理论模型试算实例表明：在多次波产生系统非常复杂的情况下,本方法仍能非常有效地压制各种与自由表面相关的多次波,同时还能很好地保持有效波的能量,取得了很好的压制多次波效果。  相似文献   

LIC color texture enhancement algorithm for ocean vector field data based on HSV color mapping and cumulative distribution function     

Hongbo Zheng  Qin Shao  Jie Chen  Yangyang Shan  Xujia Qin  Ji Ma  Xiaogang Xu 《海洋学报(英文版)》2022,41(10):171-180

Texture-based visualization method is a common method in the visualization of vector field data. Aiming at adding color mapping to the texture of ocean vector field and solving the ambiguity of vector direction in texture image, a new color texture enhancement algorithm based on the Line Integral Convolution (LIC) for the vector field data is proposed, which combines the HSV color mapping and cumulative distribution function calculation of vector field data. This algorithm can be summarized as follows: firstly, the vector field data is convoluted twice by line integration to get the gray texture image. Secondly, the method of mapping vector data to each component of the HSV color space is established. And then, the vector field data is mapped into HSV color space and converted from HSV to RGB values to get the color image. Thirdly, the cumulative distribution function of the RGB color components of the gray texture image and the color image is constructed to enhance the gray texture and RGB color values. Finally, both the gray texture image and the color image are fused to get the color texture. The experimental results show that the proposed LIC color texture enhancement algorithm is capable of generating a better display of vector field data. Furthermore, the ambiguity of vector direction in the texture images is solved and the direction information of the vector field is expressed more accurately.  相似文献   

改进Mask R-CNN公路病害检测算法     

宋伟东  毕春杨  赵奉书 《测绘通报》2023,(1):58-64

针对公路路面病害与背景像素对比度低导致检测困难的问题,本文提出了改进Mask R-CNN公路病害检测算法(FAC-Mask R-CNN)。首先在ResNet101基础上增加强位置信息浅层特征表达,并融合相邻特征图作为主干网络最终特征输出,同时引入CBAM模块,以减弱目标与背景像素间低对比度的影响;然后采用深度可分离卷积和空洞卷积分别代替主干网络及有效特征层输出过程应用的普通卷积,提升模型计算效率及掩码预测精度。FAC-Mask R-CNN在公路路面病害数据集(RDD)上平均精确率为89.86%,召回率为88.54%,调和均值为90%,相较于Mask R-CNN算法平均精确率提升3.09%。结果表明,FAC-Mask R-CNN能有效完成公路路面病害精细化检测与分割任务。  相似文献   

多图卷积网络的遥感图像小样本分类     

陈杰虎  汪西莉 《遥感学报》2022,26(10):2029-2042

小样本学习旨在利用非常少的监督信息识别出新的类别,由于忽视了样本之间的关联信息,现有的小样本分类方法用于遥感图像小样本分类时往往不能获得令人满意的精度。为此,本文利用图来建模图像在特征空间的相似关系,使用图卷积运算平滑同类别图像的特征,增强不同类别图像特征的区分度,提升分类精度。所提方法在现有图卷积运算的基础上,使用多阶次的邻接矩阵线性加权的方法代替传统的一阶邻接矩阵,通过图谱分析得出这种改进方法能够让不同阶次邻接矩阵的频率响应函数在高频部分正负相抵,有效抑制图信号的高频分量,更显著的提升同类别节点特征的聚集程度;同时,在训练过程引入了微调的方法,使用新类别中的标记数据对最后一层图卷积网络进行少量次数的训练,能够进一步提高精度,增强模型的迁移能力。实验使用AID、OPTIMAL31以及RSI-CB256这3个常用的遥感数据集对方法的有效性进行了测试,结果表明提出的方法在同数据集小样本分类任务和跨数据集小样本分类任务中,在分类精度方面均优于原型网络等比较方法。  相似文献   

空间信息感知语义分割模型的高分辨率遥感影像道路提取     

吴强强  王帅  王彪  吴艳兰 《遥感学报》2022,26(9):1872-1885

道路信息自动化提取已经成为遥感领域热门的研究方向,而基于深度学习的遥感影像道路信息提取方法已经取得了许多成果。但由于受到网络中卷积和池化等操作的影响,基于深度学习的道路提取方法存在着空间特征和地物细节信息丢失等问题,造成许多误提现象。针对此问题,本文设计了一种改进的道路提取语义分割网络模型,该网络以改进的ResNet网络为主体,并引入坐标卷积和全局信息增强模块,用于增强空间信息和全局上下文信息的感知能力,突出道路边缘特征进而确保道路分类的精确性。本文方法在公开道路数据集和高分数据集上获得了显著的提取效果,与其它方法相比取得了明显提高;并且,在一定程度上减少了树木、建筑阴影等自然场景因素遮挡的影响,可以完整准确地提取出道路;此外,模型对多尺度道路也可以实现有效地提取。  相似文献   

基于“深度学习”识别模型的玉米农田监测应用系统设计与实现     

阎妍  行鸿彦  刘刚  吴红军  吴慧  戴学飞  余培 《气象科技》2019,47(4):571-580

为了精准判断玉米所处生长阶段,远程实时监测玉米长势,分析生长阶段与田间环境要素间的关系,本文提出深度局部关联神经网络,克服了玉米生长阶段识别中存在的多模态和模糊性问题,在Oxford VGGNet(Visual Geometry Group Net)模型中添加一个新的监督层,即局部关联损失层,提高深层特征的判别能力。基于所提的玉米生长阶段图片识别新算法,拓展环境要素监测功能,设计一套基于深度学习的玉米农田监测系统。系统由玉米农田监测装置和云端服务器组成,监测装置采集玉米图像、气象要素和田间位置数据,通过4G无线发送给云端服务器,云端服务器利用深度局部关联神经网络识别生长阶段,显示结果并存入数据库中。仿真试验表明,深度局部关联神经网络平均识别准确率达到92.53%,较VGGNet的87.21%和LSTM的88.50%,准确率分别提高了5.32%和4.03%。实地测试结果表明,野外环境下系统准确率可达到91.43%,能够稳定地对农田玉米生长情况进行监测,具有重要的应用价值。  相似文献   

基于全卷积网络的高分辨遥感影像目标检测   总被引：2，自引：0，他引：2  

徐逸之  姚晓婧  李祥  周楠  胡媛 《测绘通报》2018,(1):77-82

目标检测是遥感图像分析处理中的研究热点之一,具有十分重要的科研和应用价值。传统遥感影像目标检测方法多使用人工构造的浅层次特征,结合支持向量机、随机森林、Adaboost等分类器进行目标识别,难以充分挖掘和利用影像中的深层特征。近年来,深度学习,特别是卷积神经网络在图像认知方面取得了巨大成功。在目标检测领域,以Faster R-CNN算法为代表的方法取得了突破性进展,检测精度大幅提高,检测速度达到了近实时的性能。但是,Faster R-CNN算法由于使用了感兴趣区域（RoI）池化层,各个RoI计算不共享,因此检测速度依然有待提高。R-FCN基于全卷积网络结构,同时采用位置敏感池化来引入平移变化,抵消全卷积网络造成的平移不变形问题,检测精度和效率都有了很大的提高。本文阐述了R-FCN算法原理,并运用于高分辨遥感影像目标检测分析了不同参数和网络结构对R-FCN检测效果的影响,比较了利用Fast R-CNN、Faster R-CNN和R-FCN 3种算法进行飞机识别的性能。试验结果表明,利用R-FCN进行飞机识别定位可以达到99.3%的准确率和每张图180 ms的检测速度。  相似文献