检索结果-南通市图书馆

同方期刊数据库

基于轨迹活动语义挖掘的个体社会经济水平评估

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4期26卷 1075-1092页

作者：桂志鹏丁劲宸刘宇航陈欢吴华意武汉大学遥感信息工程学院武汉430079 武汉大学测绘遥感信息工程国家重点实验室武汉430079

个体社会经济水平评估对于商业决策、城市规划和公共卫生具有重要的应用价值。但现有方法多依赖定位数据和呼叫详单记录构建出行位置和手机业务特征集合,未充分考虑个体出行的语义上下文,难以从动机与需求层面理解出行行为,导致建模过... 详细信息

个体社会经济水平评估对于商业决策、城市规划和公共卫生具有重要的应用价值。但现有方法多依赖定位数据和呼叫详单记录构建出行位置和手机业务特征集合,未充分考虑个体出行的语义上下文,难以从动机与需求层面理解出行行为,导致建模过程可解释性不足。为此,本文提出一种基于轨迹活动语义挖掘的个体社会经济水平评估方法,通过显式提取居住、购物、餐饮、娱乐、消费喜爱度与探索欲6类消费模式,从消费能力与意愿角度刻画个体社会经济水平,提高评估方法的可解释性。(1)通过网格化的语义地图为停留点赋予出行语义上下文,并划分居住、购物、餐饮、娱乐4类活动的停留点集合;(2)计算4类活动的时间熵、旋转半径和活动区域经济水平等时空语义特征,并通过结构方程模型筛选特征计算各类消费模式价值;(3)使用极端随机森林决策个体社会经济水平。本文基于深圳市635名个体2019年4—11月的私家车轨迹数据开展实验,通过核心商圈、劳动密集型工厂、高档住宅与城中村等典型场景筛选高低社会经济水平人群,验证了方法有效性;此外,对高低社会经济水平群体的出行时空分布和工作强度开展可视化分析,探讨了群体间的出行模式差异。本文方法可为人地交互视角下的人口统计属性建模提供参考。

关键词：社会经济水平轨迹数据挖掘出行语义结构方程模型随机森林消费模式活动模式差异

融合色差梯度和颜色相关性的Bayer成像插值方法

在线全文

学校读者我要写书评

暂无评论

武汉大学学报（信息科学版） 2024年第6期49卷 888-898,F0002页

作者：潘俊刘宇晗郭羽萱王密武汉大学测绘遥感信息工程国家重点实验室湖北武汉430079 武汉大学遥感信息工程学院湖北武汉430079

为减轻卫星影像数据星地传输压力,Bayer成像模式被越来越广泛地应用于遥感卫星的成像系统,由于Bayer影像中每个像素只存储一个颜色通道的信息,存在信息缺失,因此必须经过Bayer成像插值重建为全彩色影像才能用于后续应用。现有多数Bayer... 详细信息

为减轻卫星影像数据星地传输压力,Bayer成像模式被越来越广泛地应用于遥感卫星的成像系统,由于Bayer影像中每个像素只存储一个颜色通道的信息,存在信息缺失,因此必须经过Bayer成像插值重建为全彩色影像才能用于后续应用。现有多数Bayer成像插值方法存在地物边缘处细节缺失和色调偏移问题。针对上述问题,提出了一种融合色差梯度和颜色相关性的Bayer成像插值方法。首先提取原始Bayer影像的各通道间色差梯度信息,使用归一化的色差梯度函数赋予各方向色差估计值的相应权重,使插值沿着边缘方向进行,以保护地物边缘处细节信息,然后利用不同颜色通道间的相关性设置色比约束,调整局部滑动窗口内3个通道的相对比例,以改善插值结果中的色调偏移现象,使重建的全彩色影像色调真实、细节完整。通过在模拟影像和珞珈三号01星获取的真实Bayer影像上的实验对比,所提方法与对比方法相比,重建影像在地物边缘处的伪色问题有明显改善,具有最高的峰值信噪比、结构相似性指数和最低的均方误差、自然图像质量评价分数,且与参考影像相比没有空间分辨率损失。所提方法已成功应用于珞珈三号01星数据处理系统中,进行在轨和地面的Bayer成像插值处理,为珞珈三号01星数据的各项应用提供了有效保障。

关键词： Bayer影像颜色相关性色差梯度局部色比珞珈三号01星

地基GNSS-R公路边坡形变监测实验及误差分析

在线全文

学校读者我要写书评

暂无评论

武汉大学学报（信息科学版） 2024年第1期49卷 100-108页

作者：严颂华梅捷陈永谦陈璨武汉大学遥感信息工程学院湖北武汉430072 武汉大学测绘遥感信息工程国家重点实验室湖北武汉430072

目前,使用全球卫星导航系统反射测量技术进行形变监测存在未进行真实坡面实验、未分析卫星运动影响和未探究接收天线位置偏移对形变监测结果的影响等问题。针对实际公路边坡进行形变监测,分析了卫星运动和反射信号接收天线位置偏移两种... 详细信息

目前,使用全球卫星导航系统反射测量技术进行形变监测存在未进行真实坡面实验、未分析卫星运动影响和未探究接收天线位置偏移对形变监测结果的影响等问题。针对实际公路边坡进行形变监测,分析了卫星运动和反射信号接收天线位置偏移两种因素对形变反演精度的影响,提出一种同时适用于中圆地球轨道(medium earth orbit,MEO)卫星运动和倾斜地球同步轨道(inclined geosynchronous orbit,IGSO)卫星微小位置偏差的校正方法。接收天线位置偏移情况下的形变监测实验结果表明,通过运动卫星校正,利用MEO卫星对28.0 cm和11.7 cm位移的形变反演误差分别低至1.97 cm和0.56 cm,相较于校正前误差分别减小3.03 cm和2.70 cm;通过接收天线位置偏移实验,得出当天线位置偏移镜面反射线分别处于垂直方向约±6°和水平方向约±5°范围内时,不会对形变估测与反演结果造成大的影响。

关键词：全球卫星导航系统反射测量技术形变反演相位误差补偿北斗系统

在线全文

学校读者我要写书评

暂无评论

融合注意力与序列单元的文本超分辨率

武汉大学学报（信息科学版） 2024年第7期49卷 1120-1129页

作者：韦豪东易尧华余长慧林立宇武汉大学遥感信息工程学院湖北武汉430079 武汉大学测绘遥感信息工程国家重点实验室湖北武汉430079

街景影像中的文本信息是感知与理解场景的关键线索,低分辨率街景影像文本区域细节缺乏导致文本识别准确率降低。文本超分辨率通过增强文本区域边缘及纹理细节提高文本识别准确率,提出了融合注意力与序列单元的街景影像文本超分辨率方法... 详细信息

街景影像中的文本信息是感知与理解场景的关键线索,低分辨率街景影像文本区域细节缺乏导致文本识别准确率降低。文本超分辨率通过增强文本区域边缘及纹理细节提高文本识别准确率,提出了融合注意力与序列单元的街景影像文本超分辨率方法。首先,采用混合残差注意力结构提取影像文本区域空间信息、通道信息并融合特征,序列单元通过双向门控循环结构提取影像中文本间的序列先验信息;然后利用梯度先验知识作为约束条件,重构街景影像文本区域。采用TextZoom真实场景影像及合成文本影像进行对比分析,实验结果表明,超分辨率重构的街景影像文本区域边缘清晰、纹理细节丰富,可以提高街景影像文本识别准确率。

关键词：街景影像超分辨率注意力机制序列信息梯度先验损失

近十年黄河流域地表水面积时空变化与影响因素分析

在线全文

学校读者我要写书评

暂无评论

水文 2024年

作者：鲍怡胡春春王喆张镇孟令奎武汉大学遥感信息工程学院武汉大学测绘学院

利用遥感技术研究多年来黄河流域地表水体的时空变化情况，对流域生态文明建设和高质量发展具有重要的现实意义。本文基于Google Earth Engine获取Landsat-8卫星影像，采用随机森林分类法批量生产得到2013—2022年各季度地表水数据集。... 详细信息

利用遥感技术研究多年来黄河流域地表水体的时空变化情况，对流域生态文明建设和高质量发展具有重要的现实意义。本文基于Google Earth Engine获取Landsat-8卫星影像，采用随机森林分类法批量生产得到2013—2022年各季度地表水数据集。从时间尺度、空间尺度动态监测黄河流域地表水面积季节性变化趋势与特征，同时探讨了黄河流域地表水面积变化的影响因素。研究表明：近十年黄河流域地表水面积在时间尺度上呈现出缓慢增加的趋势，且存在明显的季节性差异。在空间尺度上呈现出“中部少，四周多”的分布特征。上游区域受气候与人类活动等多重因素影响，地表水面积变化与气候因素相关性相对较小；中下游区域地表水面积与降水量、地表温度均呈正相关。

关键词：黄河流域地表水 Google Earth Engine 随机森林时空变化影响因素

知识图谱约束深度网络的高分辨率遥感影像场景分类

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

测绘学报 2024年第4期53卷 677-688页

作者：李彦胜吴敏郎张永军武汉大学遥感信息工程学院湖北武汉430079

得益于深度网络理论与方法的快速发展,深度网络逐渐成为遥感影像场景分类任务的主流技术。然而,现有基于深度网络的遥感影像场景分类方法高度依赖大量人工标记的训练样本,且无法有效融合利用遥感领域丰富的先验知识。为了提升领域知识... 详细信息

得益于深度网络理论与方法的快速发展,深度网络逐渐成为遥感影像场景分类任务的主流技术。然而,现有基于深度网络的遥感影像场景分类方法高度依赖大量人工标记的训练样本,且无法有效融合利用遥感领域丰富的先验知识。为了提升领域知识利用率同时降低标记样本依赖,本文提出了一种知识图谱引导深度网络学习的高分辨率遥感影像场景分类方法。首先,构建了一个包括领域内多种来源知识的土地覆盖概念知识图谱来更灵活便捷地应用领域先验知识。然后,通过知识图谱表示学习方法将土地覆盖概念知识图谱中的遥感场景语义类别表达为语义向量,形成遥感场景类别语义基准。在知识引导学习阶段,通过施加场景类别语义向量与深度网络浅层视觉特征向量的跨模态对齐约束引导深度网络的浅层部分更有效地学习不同类别遥感影像场景的共享特征,在深度网络深层部分则仍然通过场景类别标签引导学习不同遥感场景的判别特征。在测试阶段,完成优化的深度网络模型可以在不依赖任何先验知识的情况下完成高精度遥感影像场景分类。在目前公开的最大的遥感影像场景分类数据集上的试验结果表明,本文提出的知识引导学习方法相比现有方法在10%、30%、50%等不同训练样本比率下均可以获得最佳分类性能。在10%这一比率条件下,本文提出的知识引导学习方法相比基线深度网络在总体精度指标(OA)上能够得到5.11%的提升。

关键词：遥感影像场景分类土地覆盖概念知识图谱知识图谱表示学习知识图谱约束深度网络

多视影像三维线云重建技术及其智能化发展展望

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

测绘学报 2024年第6期53卷 1025-1036页

作者：魏东刘欣怡张永军武汉大学遥感信息工程学院湖北武汉430079

三维线云是具有几何结构与语义信息的三维线段集合,可以作为实景三维构建中高效的引导,控制与抽象表达元素,弥补点云的边缘描述缺陷与初始结构的缺失,是改变传统三维模型“一张皮”(不同对象相互粘连,难以指导空间分析与决策)的重要结... 详细信息

三维线云是具有几何结构与语义信息的三维线段集合,可以作为实景三维构建中高效的引导,控制与抽象表达元素,弥补点云的边缘描述缺陷与初始结构的缺失,是改变传统三维模型“一张皮”(不同对象相互粘连,难以指导空间分析与决策)的重要结构化特征。然而,如何从多视影像中重建好用的线云,将线云在实景三维中用好,一直是本领域的难点问题。本文回顾三维线云的发展,介绍相关的重建方法,分析存在的难点与不足;结合从数字化走向智能化的测绘科技转型背景,论述线云在实景三维中建什么,如何建与怎么用,对线云重建和应用的智能化发展予以介绍和展望,希望为实景三维重建与线云研究的相关人员提供参考。

关键词：三维线云实景三维三维重建智能化测绘多视影像

采用Line-CNN深度学习网络的机载点云建筑轮廓线提取

维普期刊数据库博看期刊评论

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9期26卷 2161-2176页

作者：黄奕舒臧玉府蒋其含米文瀚南京信息工程大学遥感与测绘工程学院南京210044

城市三维模型是数字孪生、智慧城市建设的重要载体,实现建筑轮廓线的有效提取是城市高精度建模和三维测图的关键步骤。针对现有建筑物轮廓线提取效率与准确度较低的问题,本文提出了一种基于彩色机载点云的建筑轮廓线深度学习提取方法。... 详细信息

城市三维模型是数字孪生、智慧城市建设的重要载体,实现建筑轮廓线的有效提取是城市高精度建模和三维测图的关键步骤。针对现有建筑物轮廓线提取效率与准确度较低的问题,本文提出了一种基于彩色机载点云的建筑轮廓线深度学习提取方法。首先,通过垂直投影,由经过渐进形态学滤波后的建筑物彩色机载点云,分别生成描述建筑物空间信息的高程栅格图像与反映其纹理差异的可见光栅格图像;然后,利用Line-CNN深度学习网络,经过特征提取、结点预测、路线生成等过程,从栅格图像中初步提取出线段特征;最后,为有效提取轮廓线特征,提出了一套综合修剪与补全操作的优化策略,并结合高程和可见光栅格图像中的优化线段信息,获得规则且完整的建筑物轮廓线特征。经过对南京信息工程大学的机载点云数据以及ISPRS H3D 2019数据集的实验证明,该方法对机载点云建筑物轮廓线提取有效,避免了因三维点云深度学习中标定样本不足而无法直接提取的问题;能准确、完整地提取出场景中建筑物的轮廓线特征,平均准确度与完整度均高达90%,且算法较为高效,有利于大范围城市三维建模与地籍测量等相关应用。

关键词：城市高精度建模深度学习彩色机载点云高程栅格图像可见光栅格图像修剪与补全优化轮廓线特征

MtSCCD:面向深度学习的土地利用场景分类与变化检测数据集

在线全文

学校读者我要写书评

暂无评论

遥感学报 2024年第2期28卷 321-333页

作者：周维勋刘京雷彭代锋管海燕邵振峰南京信息工程大学遥感与测绘工程学院南京210044 北京师范大学遥感科学国家重点实验室北京100875 武汉大学测绘遥感信息工程国家重点实验室武汉430079

利用遥感影像识别土地利用类型及监测其变化情况在城市规划和土地利用优化等领域发挥着重要作用。当前,相关数据集存在样本量少、类别划分不合理、数据不开源等局限,难以满足样本驱动的深度学习遥感信息提取范式的需求。本文构建了一个... 详细信息

利用遥感影像识别土地利用类型及监测其变化情况在城市规划和土地利用优化等领域发挥着重要作用。当前,相关数据集存在样本量少、类别划分不合理、数据不开源等局限,难以满足样本驱动的深度学习遥感信息提取范式的需求。本文构建了一个面向深度学习的大规模场景分类与变化检测数据集MtSCCD (Multi-temporal Scene Classification and Change Detection)。该数据集包括MtSCCD_LUSC (MtSCCD Land Use Scene Classification)和MtSCCD_LUCD (MtSCCD Land Use Change Detection)两个子数据集,分别用于土地利用场景分类与变化检测任务。该数据集具有以下特点:(1) MtSCCD是目前规模最大的公开的土地利用类型识别与检测数据集,包含10种土地利用类型共65548幅图像,并且样本覆盖中国5个城市的中心区域;(2)由于MtSCCD数据集根据城市划分训练集、验证集以及测试集,对于新增的城市土地利用数据,可以根据需求划分为训练集与验证集或测试集,因此可扩展性较高;(3) MtSCCD数据集中测试集与训练集的样本来自不同的城市,因此符合实际业务需求,且能够验证模型的泛化性能。基于MtSCCD_LUSC和MtSCCD_LUCD两个子数据集,本文评估了多个深度学习网络的分类与变化检测效果,为后续的相关研究提供了参考。

关键词：土地利用场景分类变化检测数据集信息提取特征提取深度学习卷积神经网络