基于航空影像的停车线识别

作者： 马涛   李程程   来源： 测绘与空间地理信息 年份： 2023 文献类型 ： 期刊 关键词： 无人机   航空影像   停车线识别  

描述： 为了合理控制停车位数目，解决停车难的问题，本文基于航空影像进行停车线识别，利用高分辨率的无人机航拍影像代替传统复杂的动态视频信息。对提取结果的定量评估表明，通过本文的技术流程能够有效识别停车线，并得到较好的结果，能够为交通管理部门提供可靠的数据支持。

城市航空影像中居民地的自动提取及并行实现

作者： 丁凤霞   来源： 深圳大学 年份： 2016 文献类型 ： 学位论文 关键词： 居民地   自动提取   认知信息论   并行算法   航空影像  

描述： 城市航空影像中居民地的自动提取及并行实现

高分辨城市航空影像阴影检测和消除及其并行算法

作者： 彭蓉   来源： 深圳大学 年份： 2016 文献类型 ： 学位论文 关键词： 阴影检测   阴影消除   认知模型   并行算法   航空影像  

描述： 高分辨城市航空影像阴影检测和消除及其并行算法

航空影像中建筑物信息提取中的匹配算法研究

作者： 唐松华   来源： 深圳大学 年份： 2016 文献类型 ： 学位论文 关键词： 阴影边缘平行线   地面点匹配   平行线匹配   航空影像   屋顶轮廓匹配  

描述： 的影像匹配算法开展了以下工作： 1、概述了航空影像中关键地物提取现状以及影像匹配的发展。介绍了影像匹配的一些基本概念。 2、基于航空影像中存在建筑物阴影边缘平行线这一鲜明特征，提出了一种航空

基于高分辨航空影像在农村宅基地确权中的应用分析

作者： 胡勇   来源： 江西建材 年份： 2017 文献类型 ： 期刊 关键词： 高分辨   宅基地   确权   航空影像   农村  

描述： 农村宅基地确权工作是2013年中央一号文件确定的农村土地方面的重要工作,为了进一步提升确权工作效率,本文从常见的农村宅基地确权手段进行分析,重点探讨了工作效率与经济性较高的高分辨航空影像技术在农村宅基地确权方面的应用,包括设备的选择应用、航线的敷设问题、补偿测量技术以及总体的思路四个方面,希望通过本文对进一步优化农村宅基地测量方法,提升确权工作效率有所帮助。

航空影像辅助的机载LiDAR植被点云分类

作者： 王果   王强   张振鑫   徐棒   赵光兴   来源： 激光与光电子学进展 年份： 2021 文献类型 ： 期刊 关键词： 植被点云分类   图像处理   机载激光雷达   融合   航空影像  

描述： 针对从非地面点云数据中难以自动分类植被和建筑物的问题,提出一种航空影像辅助的机载LiDAR(Light Detection and Ranging)植被点云分类方法。根据植被的光谱特征明显不同于其他地物这一特点,在生成数字正射影像的基础上,首先利用K均值(K-means)聚类算法对影像进行聚类和图像增强,然后将增强后的影像和对应区域的点云数据进行融合,最后通过影像处理结果对机载LiDAR植被点云进行分类。选取某城市的机载LiDAR植被点云数据和航空影像进行实验,定量分析结果显示所提方法的总分类精度为96.47%,Kappa系数为0.9248,该方法能够达到点云中植被自动分类的目的。

基于编解码网络的航空影像像素级建筑物提取

作者： 陈凯强   高鑫   闫梦龙   张跃   孙显   来源： 遥感学报 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   建筑物提取   深度学习   遥感   航空影像  

描述： 建筑物提取在城市规划等土地利用分析中发挥着重要作用。用于提取建筑物的传统方法通常基于手工特征和分类器,导致精度较低。本文基于编解码结构的卷积神经网络CNN (Convolutional Neural Networks),自主学习多级的和具有区分度的特征来更好地辨识建筑物和背景,实现航空影像中的像素级建筑物提取。该网络由编码子网络和解码子网络两部分组成,编码子网络对输入图像进行空间分辨率压缩,完成特征提取;解码子网络从特征中提升空间分辨率,完成像素级的建筑物提取。此外,本文使用视野增强FoVE (Field-of-View Enhancement)方法减轻边缘现象(切片边缘附近的建筑物提取精度通常低于中心区域附近的精度)的影响,并分别在两个建筑物提取标准数据集上的实验表明,编解码卷积神经网络能有效实现像素级建筑物提取,FoVE能有效提高建筑物提取准确率;通过改变预测时切片大小和重叠度,分析其对建筑物提取结果的影响,揭示了FoVE的饱和性。

基于编解码网络的航空影像像素级建筑物提取

作者： 陈凯强   高鑫   闫梦龙   张跃   孙显   来源： 遥感学报 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   建筑物提取   深度学习   遥感   航空影像  

描述： 建筑物提取在城市规划等土地利用分析中发挥着重要作用。用于提取建筑物的传统方法通常基于手工特征和分类器,导致精度较低。本文基于编解码结构的卷积神经网络CNN (Convolutional Neural Networks),自主学习多级的和具有区分度的特征来更好地辨识建筑物和背景,实现航空影像中的像素级建筑物提取。该网络由编码子网络和解码子网络两部分组成,编码子网络对输入图像进行空间分辨率压缩,完成特征提取;解码子网络从特征中提升空间分辨率,完成像素级的建筑物提取。此外,本文使用视野增强FoVE (Field-of-View Enhancement)方法减轻边缘现象(切片边缘附近的建筑物提取精度通常低于中心区域附近的精度)的影响,并分别在两个建筑物提取标准数据集上的实验表明,编解码卷积神经网络能有效实现像素级建筑物提取,FoVE能有效提高建筑物提取准确率;通过改变预测时切片大小和重叠度,分析其对建筑物提取结果的影响,揭示了FoVE的饱和性。

基于编解码网络的航空影像像素级建筑物提取

作者： 陈凯强   高鑫   闫梦龙   张跃   孙显   来源： 遥感学报 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   建筑物提取   深度学习   遥感   航空影像  

描述： 建筑物提取在城市规划等土地利用分析中发挥着重要作用。用于提取建筑物的传统方法通常基于手工特征和分类器,导致精度较低。本文基于编解码结构的卷积神经网络CNN (Convolutional Neural Networks),自主学习多级的和具有区分度的特征来更好地辨识建筑物和背景,实现航空影像中的像素级建筑物提取。该网络由编码子网络和解码子网络两部分组成,编码子网络对输入图像进行空间分辨率压缩,完成特征提取;解码子网络从特征中提升空间分辨率,完成像素级的建筑物提取。此外,本文使用视野增强FoVE (Field-of-View Enhancement)方法减轻边缘现象(切片边缘附近的建筑物提取精度通常低于中心区域附近的精度)的影响,并分别在两个建筑物提取标准数据集上的实验表明,编解码卷积神经网络能有效实现像素级建筑物提取,FoVE能有效提高建筑物提取准确率;通过改变预测时切片大小和重叠度,分析其对建筑物提取结果的影响,揭示了FoVE的饱和性。

一种适合航空影像的直线匹配方法

作者： 徐辛超   李旭佳   马钰   刘少创   刘明岳   来源： 测绘科学 年份： 2019 文献类型 ： 期刊 关键词： 基础矩阵   单应矩阵   航空影像   直线段匹配   Hough变换  

描述： 针对航空影像中高程变化对视差影响较大，而传统的单应矩阵与几何约束未考虑视差影响的问题，该文提出了一种适合航空影像的直线匹配方法。首先采用尺度不变特征变换（SIFT）算法进行特征匹配，并计算立体影像间的基础矩阵，通过核线纠正消除其上下视差，然后计算影像间的单应矩阵，并对Hough变换提取的直线段进行变换，最终通过直线段间的端点距离作为约束条件实现了直线匹配。采用多组航空影像开展了实验，结果表明：针对航空影像中高程变化较大的区域，提出的方法可以减少视差的影响，匹配效果优于传统单应矩阵与几何约束的方法，且匹配可靠性高。