排序方式： 共有21条查询结果，搜索用时 13 毫秒
1.
2.
信息化的高速发展和毕业后去向等问题在某些程度上影响了测绘工程本科毕业设计质量,如毕业后去向对毕业设计时间的影响,学生对毕业设计态度的转变,论文抄袭和论文撰写不严谨等问题。本文在总结上述问题基础上提出对策,以期提高测绘工程本科毕业设计的教学质量。 相似文献
3.
结合笔者在中南大学为期9年的遥感原理与方法课程教学实践,分析了中南大学测绘工程专业学生在该课程教学方面的学习态度和课程认识方面的现状,提出在教学过程初期加强学生对遥感历史文化及名人传记的学习,在课程教学期间自己查询专业应用前景及专业最新动态新闻,在上课期间主动向老师提问3种方法,以考核方式计入学生平时成绩,以期增强学生对该课程的学习兴趣和主动学习能力及独立思考能力,为后续遥感专业相关课程的学习奠定一定的基础。在近几年的教学实践过程中,发现该方法有效地提高了学生对该专业课的学习兴趣,学习效果超越往届学生,实践结果充分证明了该方法的有效性。 相似文献
4.
为充分利用高分辨率遥感影像提供的细节信息,提高震害损毁建筑物检测精度,提出了一种图割框架下融合形状、边缘、角点等多种类型特征的损毁建筑物检测方法。该方法首先利用震前建筑物线划图提取包含单个建筑物的局部影像,用于图割能量函数建模,并分别根据建筑物的位置、形状、边缘以及角点构造能量函数的各约束项。在此基础上,通过最大流/最小割算法求解能量函数最小值,依据最小割能量进行地震前后局部影像中建筑物的相似性度量。最后利用最大期望算法(expectation maximization,EM)求得最小割能量的分类阈值,并根据错分率估值执行后处理以获得最终变化检测结果。采用2011年3月11日东日本大地震前后石卷港的高分辨率遥感影像进行试验,结果表明本文提出的方法能有效检测出损毁建筑物。 相似文献
5.
6.
7.
主动学习与图的半监督相结合的高光谱影像分类 总被引：2，自引：2，他引：0
针对当前高光谱影像分类时,人工标注样本费时费力以及大量未标记样本未有效利用等问题,提出了一种主动学习与图的半监督相结合的高光谱影像分类方法。首先,将像素的光谱信息与其邻域内的空间信息相结合,利用重排序机制得到一种旋转不变的空谱特征表达。在此基础上,利用主动学习算法选择最不确定性样本(即分类模糊度最大的样本),提交操作者标注得到标记样本集。最后将该标记样本与未标记样本组合,用于图的半监督分类。该算法可保证类别边界样本的选择,利于分类器的边界构造,同时,在较少标记样本情况下,通过引入大量的未标记样本,可以达到较好的分类效果。在3幅真实高光谱影像上的试验表明,该方法可以取得精度较高的分类结果。 相似文献
8.
夜间灯光数据DMSP-OLS经常被用作区域范围监测城市区域,但是其低空间分辨率和"溢出"效应容易导致产生较差的结果。经过分辨率更高的Landsat数据能够得到更精确的结果,但所需的大量人力限制了其在大尺度下应用。本文利用非监督机器学习,提出了一种结合Landsat和DMSP-OLS的30 m分辨率城市提取方法。基于城市像元常常同时拥有两种特性(如更高的夜间灯光强度和位于不透水面区域),分类学习的训练样本被自动提取。然后,两种数据提供的4种互补的特征(光谱、纹理、不透水面指数和夜间灯光强度)被用作城市/非城市分类。实验结果表明:相对于仅仅使用单一数据源,结合两种数据能够得到更好的城市提取结果,因此,本文提出的方法能可靠且高效地提取大范围城市区域。 相似文献
9.
高分辨率遥感影像语义分割的半监督全卷积网络法 总被引：1，自引：0，他引：1
在遥感领域,利用大量的标签影像数据来监督训练全卷积网络,实现影像语义分割的方法会导致标签绘制成本昂贵,而少量标签数据的使用会导致网络性能下降。针对这一问题,本文提出了一种基于半监督全卷积网络的高分辨率遥感影像语义分割方法。通过采用一种集成预测技术,同时优化有标签样本上的标准监督分类损失及无标签数据上的非监督一致性损失,来训练端到端的语义分割网络。为验证方法的有效性,分别使用ISPRS提供的德国Vaihingen地区无人机影像数据集及国产高分一号卫星影像数据进行试验。试验结果表明,与传统方法相比,无标签数据的引入可有效提升语义分割网络的分类精度并可有效降低有标签数据过少对网络学习性能的影响。 相似文献
10.
面向对象的高分辨率遥感影像城区建筑物分级提取方法 总被引：14，自引：0，他引：14
提出一种高空间分辨率遥感影像城区建筑物自动提取方法。该方法将面向对象的思想融入到基于邻域总变分的建筑物分割方法中,并通过分析分割后不同类型建筑物提取的难易程度,提出一种多特征融合的建筑物对象分级提取策略:首先通过形状分析检测一部分分割完整的矩形建筑物目标,然后采用新提出的多方向形态学道路滤波算法将建筑物与邻近光谱相似的道路目标分离,确保每一个候选建筑物目标都是独立的对象,最后利用初提取的建筑物对象和已剔除的非建筑物对象作为样本建立概率模型,根据贝叶斯准则进行建筑物后提取。实验表明:该方法可以检测同一幅影像中具有不同形状结构和光谱特性的建筑物目标,准确率高、鲁棒性好。 相似文献