首页>
根据【关键词:遥感】搜索到相关结果 26 条
-
基于多源遥感数据的违法建筑识别
-
作者:
黄磊
来源:
测绘通报
年份:
2019
文献类型 :
期刊
关键词:
违法建筑
遥感
多源
-
描述:
通过研究卫星遥感数据、航空遥感数据、倾斜摄影数据的各种特点,提出了利用多源遥感数据融合开展违法建筑快速识别的技术方法,并将其应用于到实际工作当中。提高了对存量违法建筑整治情况和新增违法建筑的识别效率,为违法建筑后期整治工作提供了技术保障。
-
航空摄影及遥感技术在移民监督评估中的应用
-
作者:
王国强
于晋轲
来源:
人民黄河
年份:
2020
文献类型 :
期刊
关键词:
移民
监督评估
遥感
航空摄影
-
描述:
航空摄影及遥感技术在移民监督评估中的应用
-
遥感及航空摄影测量中的新技术探讨
-
作者:
王丽
来源:
信息系统工程
年份:
2020
文献类型 :
期刊
关键词:
数字测绘
遥感
航空摄影
-
描述:
遥感及航空摄影测量中的新技术探讨
-
基于航空影像的广州市海珠区绿地演变分析
-
作者:
王雪娜
来源:
国土与自然资源研究
年份:
2018
文献类型 :
期刊
关键词:
海珠区
遥感
绿地
-
描述:
本文以广州市海珠区绿地为研究对象,利用e Cognition软件对2002和2012年2期高空间分辨率航空影像提取绿地信息,对分类结果进行动态变化分析,并结合人口数据分析人均绿地变化。结果表明:在2002年至2012年期间,海珠区绿地总面积减少了127.46hm~2,其中耕地、其他绿地以及生产绿地减少最为明显,面积分别减少了321.72、81.68和288.06,其他类型绿地面积均有增加,海珠区人均绿地增加3.77m~2。
-
基于航空高光谱遥感的黑土养分含量反演研究
-
作者:
陶培峰
来源:
中国地质大学(北京)
年份:
2020
文献类型 :
学位论文
关键词:
土壤养分
预测模型
遥感
高光谱
-
描述:
基于航空高光谱遥感的黑土养分含量反演研究
-
无人机航空摄影质量评价
-
作者:
勾志阳
赵红颖
晏磊
来源:
2006中国科协年会
年份:
2016
文献类型 :
会议论文
关键词:
正射校正
无人机
摄影测量
遥感
航空摄影质量评定
-
描述:
无人机航空遥感系统获取遥感影像具有多种特性。通过多次试验,得到大量的图像和信息数据。本文利用无人机飞行实验所获得的控制数据,分别从像片重叠度、航带弯曲、像片旋转角及航高差等方面对无人机航空摄影
-
基于航空高光谱的囫囵淖尔水体浊度反演建模
-
作者:
姜倩
曹引
赵红莉
蒋云钟
毛文山
朱彦儒
来源:
南水北调与水利科技(中英文)
年份:
2021
文献类型 :
期刊
关键词:
浊度
遥感
航空高光谱
偏最小二乘
囫囵淖尔
-
描述:
1.74%,最适用于囫囵淖尔水体浊度的反演;2018年9月17日囫囵淖尔东部水域浊度范围为21.2~54.4NTU,呈现出北低南高的趋势,湖中心区域水体浊度较低,南部水域受水中藻类的影响,水体浊度较高。利用航空高光谱遥感影像实现了浊度的定量反演,为航空高光谱遥感数据用于水质参数反演提供借鉴。
-
基于航空高光谱的囫囵淖尔水体浊度反演建模
-
作者:
姜倩
曹引
赵红莉
蒋云钟
毛文山
朱彦儒
来源:
南水北调与水利科技(中英文)
年份:
2021
文献类型 :
期刊
关键词:
浊度
遥感
航空高光谱
偏最小二乘
囫囵淖尔
-
描述:
1.74%,最适用于囫囵淖尔水体浊度的反演;2018年9月17日囫囵淖尔东部水域浊度范围为21.2~54.4NTU,呈现出北低南高的趋势,湖中心区域水体浊度较低,南部水域受水中藻类的影响,水体浊度较高。利用航空高光谱遥感影像实现了浊度的定量反演,为航空高光谱遥感数据用于水质参数反演提供借鉴。
-
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。