简介:摘要:深度学习技术作为直接从数据中学习特征表示的有效方法,近年来启发信息提取领域取得了显著的突破。本文基于2014年、2017年、2018年三期高分一号遥感影像,选取北京市石景山区西部道路为试验区域,针对其变化特征,开展基于深度学习算法的道路自动提取与变化图斑自动发现。论文首先基于地理要素智能训练平台对道路进行样本采集及训练,形成深度学习道路提取模型,之后采用“自动化的线索检测+交互式异常问题判读+野外现场环境取证”的遥感监测技术路线,该流程转变从被动式道路变化发现到主动式道路问题发现与预警,可实现对典型道路的实时、动态及持续的遥感监测。本文选取典型道路样本进行分析、训练,不断优化深度学习卷积神经网络道路提取模型。通过对影像预处理、自动道路监测、交互式异常问题判读、变化图斑自动发现、野外现场环境取证与信息汇交各环节的分析验证发现,基于深度学习道路提取模型自动提取的道路准确率高于80%,可用于城市道路的自动提取和变化发现。
简介:摘要:数字地面模型广泛应用于诸如测绘与建筑工程、自然灾害管理系统、变形监测等诸多领域。一般来说,数字地面模型提取的精度及详尽的信息要求在大多数应用方面是至关重要的。摄影测量及相关技术的提升使得其便于提取高精度的数字地面模型。最近,数字地面模型可以从安装在诸如无人机一类的轻型平台上的小型相机拍摄的数字航片上提取出来。本次研究将对由无人机平台提取的数字地面模型的精度进行分析相机被用作非量测相机进行地面信息采集。
简介:摘 要:高速化经济发展的最大支持者是充足的能源。但是,由于社会高度依赖于工业化发展,致使煤,石油等不可再生能源被快速消耗,并且一次能源燃烧过程常产生有害气体。为了解决能源短缺和环境污染的难题,研究者们不断地探索新型清洁可再生能源。能源微藻易于培养,快速繁殖等优点使其在能源应用领域具有强大的发展潜力。而藻水分离效率受制于多种操作条件,导致其较难进入全面商业化阶段。通过分析不同藻水分离技术方法的特征,探究不同方法间的关联性及差异性。将不同技术分类化研究,结合藻水分离的发展历程,直观地总结出各类技术的优缺点,并对其在实际生产生活中的应用进行了简要概述,为未来藻水分离的研究发展提供理论依据。
简介:摘 要本文采用区域增长法获取河塘的初始轮廓,再将初始轮廓代入GVF snake模型获取河塘轮廓,避免了snake模型因初始轮廓位置不合理而导致局部收敛的问题以及snake模型拓扑结构不易改变的问题。