排序方式: 共有49条查询结果,搜索用时 15 毫秒
1.
从冗余数据中选择一个或者多个最为显著的立体像对,在最少“伪信息”的影响下,获取最佳影像匹配效果,降低其它质量较差影像的负面平均效应,是提高多视影像匹配性能的关键。基于准确匹配的特征点,通过匹配测度的鲁棒性分析,提出一种多视影像的匹配质量分析方法;在此基础上,提出了一种基于特征点引导的多视影像择优匹配方法及基本思想、计算基础和择优匹配步骤。利用ADS40多度重叠影像数据进行了择优匹配实验。结果表明,该方法能够有效选取匹配质量较优的影像,获取更加准确的多视匹配结果,在一定程度上,比传统的多视匹配方法更加有效。 相似文献
2.
成熟的倾斜摄影测量及密集匹配技术可获取密集的城市点云,对点云进行三角网构建是真三维建模的关键技术之一。提出了基于区域生长的三角网构建方法,使用双约束条件提高点云的搜索效率,基于点边表数据结构进行网格生长,利用夹角约束和三角形孔洞修补优化网格。实验证明,该方法获取的三角网能够准确地表达楼体、桥状建筑等在内的城市实体,网格优化后的孔洞比例约为1‰并且该方法具有一定的抗噪能力。 相似文献
3.
4.
5.
6.
7.
随着地理空间科学、人工智能、高性能计算技术的迅速发展,地理空间智能已成为处理和分析地理空间大数据的主要手段,并将在地球科学、空间认知、智慧城市、智慧社会等科学研究、工程建设和社会发展中发挥越来越重要的作用.地理空间智能作为地理空间科学和人工智能深度融合的交叉领域,其发展受到多学科的驱动,目前已在算力增强软硬件研制、系统开发、数据与模型共享、服务与应用方面不断取得进展,显示出巨大的活力和潜能,同时难题和挑战也相生相伴.本文首先阐述地理空间智能的概念演进、若干技术系统构建思路和国内外科学研究现状,然后梳理地理空间智能的典型应用,分析地理空间智能面临的问题和挑战,最后对其重要的发展方向及趋势予以展望. 相似文献
8.
针对遥感影像建筑物变化检测过程中存在构造的差异影像凸显建筑物效果不理想 、提取训练样本质量差及分类精度低等问题,本文从差异影像构造、高质量训练样本提取及分类方法等3方面进行研究,提出一种基于多特征融合及随机多图的遥感影像建筑物变化检测方法.首先,把通过CVA获取不同时相遥感影像光谱特征差异图、纹理特征(灰度共生矩阵法)差异图及通过求差获取不同时相遥感影像形态学建筑物指数特征差异图、最佳尺度分割后的形状特征差异图按照一定比例相加来构造差异影像,从而有效凸显建筑物变化信息;然后采用构造的变分去噪模型对差异影像进行去噪处理,利用频域显著性方法获取去噪差异影像的显著性图,通过模糊c-均值算法对显著性图选取阈值得到的粗变化检测图进行预分类,从而获取高质量建筑物及非建筑物训练样本;最后,把从遥感影像及特征影像上提取建筑物和非建筑物训练样本的邻域特征引入随机多图分类模型中进行标签训练,并利用训练好的随机多图分类器对粗变化检测图进行建筑物变化检测,从而得到高精度的建筑物变化检测结果.为了验证本文方法的有效性,选择同源及多源遥感影像进行试验分析.试验结果表明,本文方法可以检测出更多建筑物变化信息及较少的非建筑物变化信息,同时Com值、Cor值及FM值也明显高于其他比较方法. 相似文献
9.
10.