检索结果-南通市图书馆

一种基于MBFF-Net的遥感影像建筑物提取方法

在线全文

学校读者我要写书评

暂无评论

测绘科学 2024年第2期49卷 115-123页

作者：徐辛超乔浩磊刘明岳付晓天赵晗光辽宁工程技术大学测绘与地理科学学院辽宁阜新123000

针对当前基于卷积神经网络的建筑物提取存在漏检、错检和边缘不准确的问题,提出一种多分支特征融合的建筑物提取网络MBFF-Net。首先,在VGG16-UNet网络的跳跃连接部分引入CBAM注意力机制,强化网络对建筑物特征信息的学习;然后,设计多分... 详细信息

针对当前基于卷积神经网络的建筑物提取存在漏检、错检和边缘不准确的问题,提出一种多分支特征融合的建筑物提取网络MBFF-Net。首先,在VGG16-UNet网络的跳跃连接部分引入CBAM注意力机制,强化网络对建筑物特征信息的学习;然后,设计多分支特征融合模块替换解码器中的卷积块,融合不同感受野的特征信息,捕捉局部和跨通道的特征关系,丰富特征表达能力;最后,结合CBAM注意力机制和多分支特征融合模块构建MBFF-Net模型,并在WHU数据集和Inria数据集上进行验证。结果表明,与U-Net、PSPNet、SegNet、VGG16-UNet相比,MBFF-Net在IoU、Precision、Recall以及mPA 4个指标上均为最优,提取的建筑物更加完整,减少了错检和漏检现象,在建筑物提取任务中表现出良好的性能,验证了其在建筑物提取方面的可行性。

关键词：建筑物提取注意力机制多分支特征融合 MBFF-Net

GPS/BDS-3/Galileo/QZSS重叠频率长距离RTK松紧组合定位性能分析

在线全文

学校读者我要写书评

暂无评论

测绘科学 2024年第2期49卷 1-16页

作者：祝会忠刘智强辽宁工程技术大学测绘与地理科学学院辽宁阜新123000

针对GPS/BDS-3/Galileo/QZSS具有重叠频率的特性,该文分别对GPS/BDS-3/Galileo/QZSS双频重叠频率的松组合和紧组合在长基线的定位性能进行了分析。首先,建立了松组合和紧组合的RTK数学模型,通过误差改正模型对电离层、对流层延迟误差进... 详细信息

针对GPS/BDS-3/Galileo/QZSS具有重叠频率的特性,该文分别对GPS/BDS-3/Galileo/QZSS双频重叠频率的松组合和紧组合在长基线的定位性能进行了分析。首先,建立了松组合和紧组合的RTK数学模型,通过误差改正模型对电离层、对流层延迟误差进行模型改正;对大气延迟残差采用历元间随机游走约束模型,增加了历元间的约束,然后,通过最小二乘模糊度降相关平差法(LAMBDA)进行模糊度固定;最后,选用相同接收机类型长距离连续运行参考站(CORS)网的实测数据进行方法验证。结果表明,GPS/BDS-3/Galileo/QZSS紧组合相较于松组合能够有效提高定位性能和首次固定时间(TTFF),特别是在恶劣环境下,采用紧组合长距离载波相位差分(RTK)定位算法能够实现流动站厘米级定位且适用性更强。

关键词： GPS/BDS-3/Galileo/QZSS 重叠频率松组合紧组合长距离

顾及分层动态区域增长的车载LiDAR点云行道树提取方法

在线全文

学校读者我要写书评

暂无评论

地球信息科学学报 2024年第8期26卷 1975-1990页

作者：关宇忻王竞雪许峥辉辽宁工程技术大学测绘与地理科学学院阜新123000 辽宁工程技术大学地理空间信息服务协同创新研究院阜新123000

行道树的准确提取对生态园林城市建设及城市智慧化发展具有重要意义。但车载LiDAR点云数据中经常出现行道树与近邻地物相互遮掩、连接的情况,从而导致无法准确进行行道树提取。针对这一问题,本文提出一种分层动态区域增长行道树提取方... 详细信息

行道树的准确提取对生态园林城市建设及城市智慧化发展具有重要意义。但车载LiDAR点云数据中经常出现行道树与近邻地物相互遮掩、连接的情况,从而导致无法准确进行行道树提取。针对这一问题,本文提出一种分层动态区域增长行道树提取方法。首先,通过点云栅格化滤除地面点并根据地物投影特征进行行道树初步提取。然后,根据地物分布特征对点云数据进行等高度分层处理,构建层次化点云空间,进一步获取行道树与干扰地物信息。接着,在层次化点云空间内部进行动态区域增长,获取同一层和相邻层之间的点云属性信息,生成点云聚类簇以区分行道树与干扰地物。最后,根据干扰地物的几何特征和行道树杆状特征,滤除干扰地物实现准确的行道树提取。本文选用激光雷达大会提供的竞赛数据及Open DataLab官网提供的里尔、巴黎两地区街道点云数据进行实验。实验结果表明,本文方法行道树提取的正确率与完整率分别在98.69与97.73之上。本文方法能够在行道树与近邻地物相互遮掩、连接的情况下实现准确完整的行道树提取。同时,本文分层动态区域增长行道树提取方法的数据适用性更强,并且可以在行道树独立性不强的情况下有效提取行道树。

关键词：车载LiDAR 行道树提取点云栅格化层次化点云空间动态区域增长点云属性信息点云聚类簇

基于径向梯度的车载LiDAR点云路面点提取

在线全文

学校读者我要写书评

暂无评论

测绘通报 2024年第7期 48-54页

作者：毛镜懿王竞雪董啸辽宁工程技术大学测绘与地理科学学院辽宁阜新123000

针对大规模车载LiDAR点云数据量庞大,以及因障碍物遮挡或道路起伏导致提取结果准确度欠佳且存在噪声等问题,本文采用一种基于径向梯度的车载LiDAR点云路面点提取方法。首先对点云数据进行预处理,包括直通滤波和体素滤波降采样;然后根据... 详细信息

针对大规模车载LiDAR点云数据量庞大,以及因障碍物遮挡或道路起伏导致提取结果准确度欠佳且存在噪声等问题,本文采用一种基于径向梯度的车载LiDAR点云路面点提取方法。首先对点云数据进行预处理,包括直通滤波和体素滤波降采样;然后根据车载激光雷达的设备参数,将极坐标系下的点云投影至扇形格网内;最后以扇形格网为基础,提取基于移动窗口的径向梯度路面点,并利用最小二乘法对提取的路面进行平面拟合,优化提取结果。试验选取KITTI数据集用于提取路面点,结果表明,相较于其他路面点提取方法,本文方法稳健性强、准确度高,其中,路面点提取的平均准确度可达91.85%,平均完整度可达80.63%,平均精度可达75.25%。

关键词：车载LiDAR点云点云滤波扇形格网径向梯度路面点

在线全文

学校读者我要写书评

暂无评论

深度学习支持下的城市破损路沿石检测方法

遥感信息 2024年第3期39卷 15-21页

作者：戴激光李岩辽宁工程技术大学测绘与地理科学学院辽宁阜新123000

针对破损路沿石在街景影像中受到目标多尺度、相似地物干扰以及遮挡等问题,提出了一种面向城市街道两侧破损路沿石检测的CDD-YOLO(convolutional swin transformer deformable decouple-YOLO,CDD-YOLO)模型。依据破损路沿石呈现形状尺... 详细信息

针对破损路沿石在街景影像中受到目标多尺度、相似地物干扰以及遮挡等问题,提出了一种面向城市街道两侧破损路沿石检测的CDD-YOLO(convolutional swin transformer deformable decouple-YOLO,CDD-YOLO)模型。依据破损路沿石呈现形状尺度多样性特点,嵌入C3_STR(convolutional swin transformer,C3_STR)模块进行特征融合,增强模型对多尺度特征的感知性能;对于相似地物干扰导致的误检现象,加入可变形卷积模块,利用目标区域自适应特性,提升模型对相似地物的判别能力;为避免因遮挡引起的定位不准确问题,引入解耦检测头结构,增强模型对模糊边界特征的提取能力。在自制的街景破损路沿石数据集上进行验证,分析表明,该方法的precision、recall、F1、IoU 4项评价指标分别达到了82.45%、81.22%、81.01%和80.23%,显著优于其他主流目标检测方法,验证了该方法的有效性和可行性。

关键词：破损路沿石检测街景影像目标多尺度特征融合解耦检测头

在线全文

学校读者我要写书评

暂无评论

复杂场景下对违规共享单车的细粒度检测方法

测绘科学 2024年第1期49卷 90-96页

作者：戴激光徐飘玲吴玉洁辽宁工程技术大学测绘与地理科学学院辽宁阜新123000

针对检测违规共享单车,受阴影遮挡、姿态差异和目标重叠因素影响,已有算法存在误提取、漏检和定位不准确问题,提出一种对违规共享单车细粒度检测的Bicycle-YOLO算法。针对目标受阴影遮挡的情形:(1)构建具有自适应感受野的C3_DCN模块,增... 详细信息

针对检测违规共享单车,受阴影遮挡、姿态差异和目标重叠因素影响,已有算法存在误提取、漏检和定位不准确问题,提出一种对违规共享单车细粒度检测的Bicycle-YOLO算法。针对目标受阴影遮挡的情形:(1)构建具有自适应感受野的C3_DCN模块,增强模型对共享单车识别和描述能力,缓解模型对违规共享单车细粒度检测的误提取情况;(2)依据违规共享单车存在停放姿态差异,引入上下文聚合块,提升模型对多粒度目标检测精度,减少漏检;(3)根据违规共享单车出现重叠堆放现象,使用WIOUv3损失函数,解决重叠目标细粒度特征混杂问题,精准定位目标位置。在自制违规共享单车数据集上,选取其他方法进行对比实验,结果表明Bicycle-YOLO算法的精确率、召回率、map@0.5与F1分别达到了93.4%、87.3%、91.2%、90.25%,明显优于其他方法,验证了本文方法的可行性。

关键词：共享单车检测 YOLOv5 可变形卷积上下文聚合块损失函数

资源枯竭型城市生态质量时空格局与驱动力研究--以阜新市中心城区为例

在线全文

学校读者我要写书评

暂无评论

测绘通报 2024年第6期 24-29页

作者：范强孙爽孙虎虎辽宁工程技术大学测绘与地理科学学院辽宁阜新123000

为评价资源枯竭型城市转型期的生态质量时空演变特征,本文以阜新市中心城区为研究区域,基于Landsat遥感影像构建遥感生态指数(RSEI),以OSM数据和POI数据为基础识别城市功能区,借助参数最优地理探测器模型探究城市生态质量与城市功能区... 详细信息

为评价资源枯竭型城市转型期的生态质量时空演变特征,本文以阜新市中心城区为研究区域,基于Landsat遥感影像构建遥感生态指数(RSEI),以OSM数据和POI数据为基础识别城市功能区,借助参数最优地理探测器模型探究城市生态质量与城市功能区之间的复杂性关系。结果表明:①2004—2022年阜新市中心城区生态质量整体呈略微下降趋势、波动相对稳定,形成四周好、中间差的盆地状格局;②Hurst指数均值为0.67,强持续性最近邻指数值为146.53,生态质量未来变化趋势呈现均匀持续性,大部分区域变化趋势与过去相同,但局部地区有反持续性趋势;③识别出“31+1”类城市功能区,功能区生态质量由高到低依次为绿地、公共服务、工业、交通、居住、商业、矿区,且不同因子交互作用均会增强对生态质量的解释力。研究结果可为资源枯竭型城市转型期针对不同功能区的生态保护和恢复工作提供科学参考。

关键词：遥感生态指数时空格局城市功能区参数最优地理探测器资源枯竭型城市

在线全文

学校读者我要写书评

暂无评论

结合贝叶斯特征选择的近海水深反演方法研究

海洋通报 2024年第4期43卷 463-470页

作者：蓝歆玫李佳叶杨朱洪波薛国坤辽宁工程技术大学测绘与地理科学学院辽宁阜新123000 大连黄渤海海洋测绘数据信息有限公司辽宁大连116000 辽宁工程技术大学地理空间信息服务协同创新研究院辽宁阜新123000

针对现有近海水深数据获取周期长、危险性大,难以满足大范围近海水深数据高时间分辨率测量的问题。本文以辽东湾地区为研究区域,提出了一种结合贝叶斯特征选择的改进LightGBM近海水深反演方法。该方法首先依据贝叶斯特征选择方法对13个... 详细信息

针对现有近海水深数据获取周期长、危险性大,难以满足大范围近海水深数据高时间分辨率测量的问题。本文以辽东湾地区为研究区域,提出了一种结合贝叶斯特征选择的改进LightGBM近海水深反演方法。该方法首先依据贝叶斯特征选择方法对13个波段及波段比值特征进行优选;其次基于地理空间加权模块计算输入变量的权重;最后基于LightGBM反演模块对水深数据进行反演研究。本文选用辽东湾200个不同空间位置的数据样本作为测试集,验证本文方法和LightGBM模型在近海水深反演任务中的精度。结果表明,本文方法的皮尔森相关系数(r)为0.946,均方根误差(RMSE)为0.265 m,偏差(bias^(2))为0.017,平均绝对百分比误差(MAPE)为0.031。反演精度及稳定性均优于经典LightGBM模型,能够适应于近海水深反演。

关键词：水深反演贝叶斯特征选择辽东湾 LightGBM

顾及局部-全局特征多尺度卷积注意力网络的点云地物分类方法

在线全文

学校读者我要写书评

暂无评论

地球信息科学学报 2024年

作者：隋心郝玉婷陈志键王长强史政旭徐爱功辽宁工程技术大学测绘与地理科学学院大连舰艇学院军事海洋与测绘系

由于点云的非结构化和无序性，现有的深度学习点云分类网络存在局部特征和全局特征挖掘不充分并且缺乏有效的上下文特征融合的问题，难以实现地物精细分类。因此，本文提出了一种顾及局部-全局特征多尺度卷积注意力网络的点云地物分类... 详细信息

由于点云的非结构化和无序性，现有的深度学习点云分类网络存在局部特征和全局特征挖掘不充分并且缺乏有效的上下文特征融合的问题，难以实现地物精细分类。因此，本文提出了一种顾及局部-全局特征多尺度卷积注意力网络的点云地物分类方法。首先，针对点云的非结构性，构建局部加权图学习中心点和邻域点的位置关系，动态调整核权重，以获得更具代表性的局部特征。同时提出全局图注意力模块，考虑各点之间的全局空间分布，应对点云无序性的同时，可以有效捕获全局上下文特征，从而有效整合不同尺度信息。此外，设计自适应加权池化模块进一步实现局部和全局特征的自适应融合，最大程度提高网络的分类性能。应用开源Toronto-3D点云数据集和实测校园点云数据集验证本文方法有效性，实验结果表明，在Toronto-3D数据集本文方法的OA和MIoU分别为97.21%和85.46%，相较于Pointnet++、DGCNN、RandLA-Net、BAAF-Net和BAF-LAC等网络模型，OA提升了1.99%～8.21%,MIoU提升了3.23%～35.86%，在校园数据集本文方法的OA和MIoU分别为97.38%和85.70%,OA提升了0.58%～10.53%,MIoU提升了2.01%～32.01%，实现了复杂场景下高精度、高效率的自动化地物精细分类。

关键词：深度学习点云地物分类特征增强多尺度融合动态图卷积注意力机制自适应池化