Detection,segmentation and classification of 3D urban objects using mathematical morphology and supervised learning     

《ISPRS Journal of Photogrammetry and Remote Sensing》2014

We propose an automatic and robust approach to detect, segment and classify urban objects from 3D point clouds. Processing is carried out using elevation images and the result is reprojected onto the 3D point cloud. First, the ground is segmented and objects are detected as discontinuities on the ground. Then, connected objects are segmented using a watershed approach. Finally, objects are classified using SVM with geometrical and contextual features. Our methodology is evaluated on databases from Ohio (USA) and Paris (France). In the former, our method detects 98% of the objects, 78% of them are correctly segmented and 82% of the well-segmented objects are correctly classified. In the latter, our method leads to an improvement of about 15% on the classification step with respect to previous works. Quantitative results prove that our method not only provides a good performance but is also faster than other works reported in the literature.  相似文献   

应用雷达资料的临近预报方法对比试验     

蒋志  程明虎  周燕 《气象科技》2013,41(3):516-521

选取单部雷达的CAPPI资料,在TREC(Tracking Reflectivity Echo by Correlation)的基础上,引入径向基函数网络、广义回归网络、小波BP网络3种人工神经网络以及支持向量机,对雷达反射率因子进行1h的临近预报研究,并与TREC外推预报的结果进行了比较.使用了命中率、虚警率、漏报率、临界成功指数、相关系数和均方根误差6个指标检验人工神经网络、支持向量机和TREC的预报效果.结果表明:在使用这些指标检验预报效果时设定的阈值对预报结果的评价有影响;网络与TREC以及不同的网络之间的预报结果存在着差异;与TREC相比,支持向量机比TREC总体上能更好地预报未来1h以内强对流性天气的发展变化情况.  相似文献   

重庆市臭氧污染及其气象因子预报方法对比研究   总被引：1，自引：0，他引：1  

韩余  周国兵  陈道劲  杨春  闵凡花 《气象与环境学报》2020,36(4):59-66

利用2014年1月1日至2018年12月31日的重庆市空气质量日均值资料,分析了重庆近5 a臭氧污染的特征。发现重庆市臭氧是除PM_2.5以外的第二大大气污染物,具有较强的季节变化特征,主要污染时段位于夏半年,在7—8月臭氧污染程度明显超过了PM_2.5。臭氧年平均浓度呈现逐年增加的趋势,首要污染物为臭氧的日数在2018年首次超过PM_2.5,臭氧成为2018年重庆市的第一大污染物,表明重庆正在由一个以颗粒物污染为主的城市转变为臭氧污染为主的城市。通过对同期逐日气象资料与臭氧8 h滑动平均日最大值相关性分析发现,大气温度、湿度及气压均为影响臭氧污染的重要气象因子。利用气象影响因子,采用逐步回归、支持向量机、神经网络方法对臭氧8 h滑动平均日最大值进行预报实验表明,三种预报模型均具有较强的预报能力,但总体来看预报均比实况略偏小。支持向量机方法的预报效果要稍好于逐步回归和神经网络方法,可为重庆市臭氧浓度预报提供参考。  相似文献   

改进蝙蝠算法优化极限学习机的大坝变形预测模型分析     

陈优良  陈洋  肖钢  陶剑辉 《测绘通报》2021,(9):68-73

针对大坝变形监测数据中存在的非线性关系强和传统大坝预测模型精度不高等问题,本文利用改进蝙蝠算法选取最优的参数作为极限学习机的连接权值和阈值,并提出了一种基于改进蝙蝠算法（IBA）优化极限学习机（ELM）的大坝变形预测模型（IBA-ELM）。将IBA-ELM模型应用于工程实例,通过对某地水库大坝监测数据预测分析,验证IBA-ELM模型、BA-ELM和GA-ELM模型预测结果并进行精度评价,3种模型的预测值与实测值平均绝对误差分别为1.178 3、0.459 8、0.335 6 mm,IBA-ELM模型的预测精度高于另外2种模型,表明IBA-ELM模型能有效提高大坝变形预测能力。  相似文献   

双状态机的自适应步态检测算法     

路泽忠  卢小平  马靓婷  陶晓晓 《测绘科学》2021,46(1):56-61,75

针对步态检测算法无法适应于不同的运动状态、不同传感器姿态问题,该文提出基于双状态机的自适应步态检测算法,该方法在原算法基础上利用最大整体加速度阈值对状态机进行状态分割,并利用时间阈值和整体加速度阈值对状态机进行二次判断。通过四类步态检测算法的比较实验,常规峰值检测算法、状态机步态检测算法在行人行走状态下步态检测精度均优于99%,而在行人跑步状态和行走+跑步状态的步态检测精度仅为60%和70%,无法适应行人的不同运动状态;本文算法在不同行人运动状态、不同传感器姿态下均具有较强的适应性和可靠的步态检测正确率。  相似文献   

Crop type mapping using LiDAR,Sentinel-2 and aerial imagery with machine learning algorithms     

Adriaan Jacobus Prins  Adriaan Van Niekerk 《地球空间信息科学学报》2021,24(2):215-227

LiDAR data are becoming increasingly available, which has opened up many new applications. One such application is crop type mapping. Accurate crop type maps are critical for monitoring water use, estimating harvests and in precision agriculture. The traditional approach to obtaining maps of cultivated fields is by manually digitizing the fields from satellite or aerial imagery and then assigning crop type labels to each field - often informed by data collected during ground and aerial surveys. However, manual digitizing and labeling is time-consuming, expensive and subject to human error. Automated remote sensing methods is a cost-effective alternative, with machine learning gaining popularity for classifying crop types. This study evaluated the use of LiDAR data, Sentinel-2 imagery, aerial imagery and machine learning for differentiating five crop types in an intensively cultivated area. Different combinations of the three datasets were evaluated along with ten machine learning. The classification results were interpreted by comparing overall accuracies, kappa, standard deviation and f-score. It was found that LiDAR data successfully differentiated between different crop types, with XGBoost providing the highest overall accuracy of 87.8％. Furthermore, the crop type maps produced using the LiDAR data were in general agreement with those obtained by using Sentinel-2 data, with LiDAR obtaining a mean overall accuracy of 84.3％ and Sentinel-2 a mean overall accuracy of 83.6％. However, the combination of all three datasets proved to be the most effective at differentiating between the crop types, with RF providing the highest overall accuracy of 94.4％. These findings provide a foundation for selecting the appropriate combination of remotely sensed data sources and machine learning algorithms for operational crop type mapping.  相似文献   

基于EM算法优化相关向量机的BDS-3超快速钟差预报     

胡燕  王德盛  杨玉锋 《大地测量与地球动力学》2021,41(12):1230-1234

提出一种基于EM算法优化相关向量机(RVM)的BDS-3超快速钟差预报算法。首先,利用组合MAD法预处理钟差数据,并进行一次差分计算;然后,利用钟差一次差分数据对RVM模型进行训练,通过EM算法迭代求取模型的超参数;最后,利用优化后的RVM模型进行数据预测,将钟差一次差分预测值还原,得到钟差预报值。采用iGMAS中心提供的实测BDS-3超快速钟差数据进行预报实验,并将本文模型与QP模型、SA模型及iGMAS超快速钟差预报产品(ISU-P)结果进行对比分析。结果表明,对于6 h、12 h和24 h预报,本文模型预报BDS-3卫星钟差数据的平均精度均优于0.61 ns;与ISU-P、QP模型和SA模型相比,本文模型预报24 h时精度分别提升64.1%、50.0%和49.2%。  相似文献   

基于机器学习和多光谱遥感的银川平原土壤盐分预测          下载免费PDF全文

魏慧敏  贾科利  张旭  张俊华 《干旱区地理》2023,46(1):103-114

快速获取区域土壤盐渍化程度信息,对于盐渍化治理与生态环境保护具有重要意义。以银川平原为研究区,以盐分影响因子和盐分指数分别作为输入参数,建立支持向量机(SVM),BP神经网络(BPNN)和贝叶斯神经网络(BNN)3种土壤盐分预测模型,选取最佳模型进行研究区不同深度的土壤盐渍化预测。结果表明：(1)0～20 cm土壤盐分预测模型中基于影响因子变量组的BNN模型效果最佳,决定系数(R²)为0.618,均方根误差(RMSE)为2.986;20～40 cm土壤盐分预测模型中基于盐分指数变量组的BNN模型效果最佳,R²为0.651,RMSE为1.947;综合对比下,BNN模型的预测效果最好,可用于研究区土壤盐渍化预测。(2)银川平原主要是以非盐渍化和轻度盐渍化为主,0～20 cm土壤重度盐渍化及盐土共占总面积的11.59%,20～40 cm土壤重度盐渍化及盐土共占总面积的7.04%,20～40 cm土壤盐渍化程度较0～20 cm土壤盐渍化轻。  相似文献   

基于街景图像的古镇旅游地商业同质化空间测度——以大理古城为例     

李显正  赵振斌  刘阳  张大钊  张戬  张予倩 《地理科学进展》2023,42(1):104-115

古镇类旅游地的商业同质化是该类旅游目的地同质化的主要表现,这种现象在一定程度上促进了旅游地的经济发展,但也影响到了游客的旅游体验,导致了目的地商业经营的无序局面。论文以大理古城为例,通过编程获取大理古城内部的街景图像数据,并利用计算机视觉、机器学习等技术识别出街景图像中的店铺标牌文字信息。在此基础上构建指标模型,对案例地商业同质化进行测度,探讨了古镇旅游地商业同质化的空间特征及其形成机制。结论如下：(1)大理古城总体商业同质化的空间分布呈现核心—外围特征。商品经营型店铺在旅游核心区的商业同质化程度高,表现出街道分布的特点;而服务经营型店铺在旅游外围区的商业同质化程度高,表现出街区分布的特点。(2)旅游资源分布、规划调控、区位条件和资本介入是导致商业同质化的主要因素,竞争和聚集是形成商业同质化的2种主导机制。(3)利用计算机视觉与机器学习等技术提取街景图像中的店铺标牌文字信息,将同类型店铺的重复数量和集聚水平作为指标构建模型并结合GIS空间分析方法,能够实现对古镇旅游地商业同质化的空间测度。该研究的数据处理方法与模型构建方法可丰富利用街景图像进行的社会景观研究,相关结论可为古镇旅游地的管...  相似文献   

多种机器学习模型对不同洪水类型特征指标模拟效果评估     

张帆  张永勇  陈俊旭  翟晓燕  胡庆芳 《地理科学进展》2022,41(7):1239-1250

洪水过程的特征指标不仅包括洪水量级,还包括时间、形态、动力学等指标。现有模型和方法重点关注洪水量级指标的模拟,对其他指标的模拟仍有待深入。如何实现对洪水过程所有特征指标的模拟已成为目前洪水预报的技术瓶颈。论文采用4种机器学习模型(多元线性回归、多层感知器、随机森林和支持向量机)对淮河上游长台关流域59场降雨—洪水场次7个特征指标(洪水总量、洪峰流量、洪水历时、洪峰时间偏度、高流量历时占比、涨洪和落洪速率)进行模拟,评估不同模型对不同洪水类型和特征指标的模拟效果。结果显示：① 长台关流域洪水过程可分为3类,第1类洪量中等、历时长且洪峰出现时间偏前(16场);第2类洪量低、形态矮胖且洪峰出现时间靠后(34场);第3类洪量大、涨落水迅速、形态尖瘦(9场)。② 时间指标模拟效果最优,动力学指标模拟效果最差。多元线性回归和随机森林模拟效果随所有特征指标数值的增加而增强;支持向量机的模拟效果随着洪水历时指标数值的增加而降低,随着其余特征指标数值的增加而增强;多层感知器模拟效果随着洪水总量、洪峰流量、高流量历时占比和涨洪速率等指标值的增加而增强。③ 从各类型洪水特征模拟精度来看,4种模型对第3类洪水特征模拟均为最佳,第2类最差;随机森林在第1类和第3类洪水特征模拟中效果最优,支持向量机对第2类洪水特征模拟效果最优。④ 从综合模拟精度来看,支持向量机效果最优,然后依次为随机森林、多层感知器和多元线性回归。上述4种模型率定和验证期相对误差分别为23%和98%、21%和109%、37%和75%、41%和102%。研究可为流域洪水过程深度挖掘和防洪措施制定提供参考和借鉴。  相似文献