期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多特征软概率级联的场景级土地利用分类方法
被引量:
2
1
作者
刘越岩
汪林宇
+1 位作者
张斌
门计林
《农业工程学报》
EI
CAS
CSCD
北大核心
2016年第22期266-272,共7页
为实现高分辨率遥感影像特征的有效组织优化,以及提高特征的可判别性,该文提出了基于中层特征学习的多特征软概率级联模型实现场景级土地利用分类。首先,提取影像的密集尺度不变转换特征(dense scale invariant feature transform,DSIFT...
为实现高分辨率遥感影像特征的有效组织优化,以及提高特征的可判别性,该文提出了基于中层特征学习的多特征软概率级联模型实现场景级土地利用分类。首先,提取影像的密集尺度不变转换特征(dense scale invariant feature transform,DSIFT)、光谱特征(spectral feature,SF)以及局部二值模式特征(local binary pattern,LBP)作为低层特征;然后由局部约束线性编码(locality-constraint linear coding,LLC)分别对DSIFT特征、SF特征以及LBP特征进行稀疏编码得到3种低层特征的稀疏系数,并结合空间金字塔匹配(spatial pyramidal matching,SPM)模型、最大空间平滑方法对稀疏系数进行优化,获得影像的中层特征表达;最后,利用SVM分类器,分别对3种低层特征的中层特征表达进行分类,并分别计算3种低层特征分类的软概率,级联3种特征的软概率将其作为图像最终的特征表达,利用SVM分类器进行第2次分类得到最终分类结果。采用UC-Merced Land Use数据集对该方法进行了验证,试验结果表明:1)该方法总体精度达到88.6%,相较于传统稀疏编码空间金字塔匹配(sparse coding and spatial pyramidal matching,Sc SPM),局部约束线性编码(locality-constraint linear coding,LLC)等分类方法,总体精度分别提高了12.7%,9.9%;2)相较于提取单一低层特征的场景分类方法,该文算法更有利于实现对影像中复杂且不易区分的地物的表达,可有效提高土地利用分类精度。
展开更多
关键词
遥感
分类
土地利用
高分辨率
局部约束线性编码
支持向量机
下载PDF
职称材料
倾斜摄影测量在农村房屋调查中的应用
被引量:
2
2
作者
周繁
孙伊迪
+2 位作者
刘越岩
门计林
张斌
《国土资源信息化》
2020年第5期31-37,共7页
为提升农村房屋调查自动化程度,本文提出了一种基于无人机倾斜摄影测量的农村房屋调查方法。选择武汉市远城区某村133幢房屋作为实验对象,利用无人机倾斜影像进行房屋三维重建。首先,运用平面探测算法和区域生长算法粗略获得房屋的屋顶...
为提升农村房屋调查自动化程度,本文提出了一种基于无人机倾斜摄影测量的农村房屋调查方法。选择武汉市远城区某村133幢房屋作为实验对象,利用无人机倾斜影像进行房屋三维重建。首先,运用平面探测算法和区域生长算法粗略获得房屋的屋顶和立面信息。其次,根据空间一致性原则对所有离散的小平面进行聚类融合,选取3种约束线优化屋顶轮廓自动拟合效果。最后,与数字正射影像图对比,对其手动进行调整和优化,实现房屋精细化重建,并自动提取房屋(包括阳台和隔热层)的边长、高度、面积等数据及分层分户图等图件。实验结果表明,获取的房屋占地面积合格率为77%,房屋建筑面积合格率为70%,该方法较野外实测法可节约47%的时间,很大程度提升了农村房屋调查自动化程度,为农村房屋调查提供了技术参考。
展开更多
关键词
倾斜摄影测量
农村房屋调查
三维重建
信息自动提取
精度评价
下载PDF
职称材料
多结构卷积神经网络特征级联的高分影像土地利用分类
被引量:
10
3
作者
门计林
刘越岩
+1 位作者
张斌
周繁
《武汉大学学报(信息科学版)》
EI
CSCD
北大核心
2019年第12期1841-1848,共8页
高分辨率遥感影像包含丰富的土地利用类型信息,针对单一卷积神经网络提取图像特征信息不足的问题,提出了一种多结构卷积神经网络(convolutional neural network,CNN)特征级联的分类方法。首先,选择CaffeNet(convolutional architecture ...
高分辨率遥感影像包含丰富的土地利用类型信息,针对单一卷积神经网络提取图像特征信息不足的问题,提出了一种多结构卷积神经网络(convolutional neural network,CNN)特征级联的分类方法。首先,选择CaffeNet(convolutional architecture for fast feature embedding)、VGG-S(visual geometry group-slow)、VGG-F(visual geometry group-fast)为实验初始模型,对网络全连接层进行参数微调,采用随机梯度下降法(stochastic gradient descent,SGD)更新网络的权重;然后以微调后的网络分别作为特征提取器对图像提取特征,级联上述3种网络的第二个全连接层输出特征作为图像表达;最后,以多类最优边界分配机(multi-class optimal margin distribution machine,mcODM)获得最终分类结果。实验采用UC Merced land-use数据集进行分类效果检验,结果表明,多结构卷积神经网络级联的方法能够达到97.55%的总体分类精度,相较于CaffeNet、VGG-S和VGG-F等,分类精度分别提升了5.71%、2.72%和5.1%。因此多结构卷积神经网络特征级联的方法能够有效提取目标特征信息,提升土地利用分类精度。
展开更多
关键词
遥感
高分辨率影像
土地利用
分类
卷积神经网络
原文传递
题名
基于多特征软概率级联的场景级土地利用分类方法
被引量:
2
1
作者
刘越岩
汪林宇
张斌
门计林
机构
中国地质大学土地资源管理系
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2016年第22期266-272,共7页
基金
国家自然科学基金资助项目(41601480
41201429)
+1 种基金
湖北省自然科学基金资助(2014175083)
对地观测技术国家测绘地理信息局重点实验室开放基金(NO.K201407)
文摘
为实现高分辨率遥感影像特征的有效组织优化,以及提高特征的可判别性,该文提出了基于中层特征学习的多特征软概率级联模型实现场景级土地利用分类。首先,提取影像的密集尺度不变转换特征(dense scale invariant feature transform,DSIFT)、光谱特征(spectral feature,SF)以及局部二值模式特征(local binary pattern,LBP)作为低层特征;然后由局部约束线性编码(locality-constraint linear coding,LLC)分别对DSIFT特征、SF特征以及LBP特征进行稀疏编码得到3种低层特征的稀疏系数,并结合空间金字塔匹配(spatial pyramidal matching,SPM)模型、最大空间平滑方法对稀疏系数进行优化,获得影像的中层特征表达;最后,利用SVM分类器,分别对3种低层特征的中层特征表达进行分类,并分别计算3种低层特征分类的软概率,级联3种特征的软概率将其作为图像最终的特征表达,利用SVM分类器进行第2次分类得到最终分类结果。采用UC-Merced Land Use数据集对该方法进行了验证,试验结果表明:1)该方法总体精度达到88.6%,相较于传统稀疏编码空间金字塔匹配(sparse coding and spatial pyramidal matching,Sc SPM),局部约束线性编码(locality-constraint linear coding,LLC)等分类方法,总体精度分别提高了12.7%,9.9%;2)相较于提取单一低层特征的场景分类方法,该文算法更有利于实现对影像中复杂且不易区分的地物的表达,可有效提高土地利用分类精度。
关键词
遥感
分类
土地利用
高分辨率
局部约束线性编码
支持向量机
Keywords
remote sensing
classification
land use
high resolution
locality-constraint linear coding
support vector machine
分类号
P237 [天文地球—摄影测量与遥感]
下载PDF
职称材料
题名
倾斜摄影测量在农村房屋调查中的应用
被引量:
2
2
作者
周繁
孙伊迪
刘越岩
门计林
张斌
机构
武汉市不动产登记中心
中国地质大学(武汉)公共管理学院
出处
《国土资源信息化》
2020年第5期31-37,共7页
基金
武汉市新洲区施庙村农村房屋三维信息自动化调查项目。
文摘
为提升农村房屋调查自动化程度,本文提出了一种基于无人机倾斜摄影测量的农村房屋调查方法。选择武汉市远城区某村133幢房屋作为实验对象,利用无人机倾斜影像进行房屋三维重建。首先,运用平面探测算法和区域生长算法粗略获得房屋的屋顶和立面信息。其次,根据空间一致性原则对所有离散的小平面进行聚类融合,选取3种约束线优化屋顶轮廓自动拟合效果。最后,与数字正射影像图对比,对其手动进行调整和优化,实现房屋精细化重建,并自动提取房屋(包括阳台和隔热层)的边长、高度、面积等数据及分层分户图等图件。实验结果表明,获取的房屋占地面积合格率为77%,房屋建筑面积合格率为70%,该方法较野外实测法可节约47%的时间,很大程度提升了农村房屋调查自动化程度,为农村房屋调查提供了技术参考。
关键词
倾斜摄影测量
农村房屋调查
三维重建
信息自动提取
精度评价
Keywords
oblique photogrammetry
rural housing survey
three-dimensional modeling
automatic information extraction
accuracy evaluation
分类号
P231 [天文地球—摄影测量与遥感]
下载PDF
职称材料
题名
多结构卷积神经网络特征级联的高分影像土地利用分类
被引量:
10
3
作者
门计林
刘越岩
张斌
周繁
机构
中国地质大学公共管理学院
武汉市不动产登记中心
出处
《武汉大学学报(信息科学版)》
EI
CSCD
北大核心
2019年第12期1841-1848,共8页
基金
国家自然科学基金(41601480)
湖北省自然科学基金(2014175083)
中国地质大学(武汉)中央高校基本科研业务费专项资金~~
文摘
高分辨率遥感影像包含丰富的土地利用类型信息,针对单一卷积神经网络提取图像特征信息不足的问题,提出了一种多结构卷积神经网络(convolutional neural network,CNN)特征级联的分类方法。首先,选择CaffeNet(convolutional architecture for fast feature embedding)、VGG-S(visual geometry group-slow)、VGG-F(visual geometry group-fast)为实验初始模型,对网络全连接层进行参数微调,采用随机梯度下降法(stochastic gradient descent,SGD)更新网络的权重;然后以微调后的网络分别作为特征提取器对图像提取特征,级联上述3种网络的第二个全连接层输出特征作为图像表达;最后,以多类最优边界分配机(multi-class optimal margin distribution machine,mcODM)获得最终分类结果。实验采用UC Merced land-use数据集进行分类效果检验,结果表明,多结构卷积神经网络级联的方法能够达到97.55%的总体分类精度,相较于CaffeNet、VGG-S和VGG-F等,分类精度分别提升了5.71%、2.72%和5.1%。因此多结构卷积神经网络特征级联的方法能够有效提取目标特征信息,提升土地利用分类精度。
关键词
遥感
高分辨率影像
土地利用
分类
卷积神经网络
Keywords
remote sensing
high resolution image
land use
classification
convolutional neural network
分类号
P237 [天文地球—摄影测量与遥感]
TP79 [自动化与计算机技术—检测技术与自动化装置]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于多特征软概率级联的场景级土地利用分类方法
刘越岩
汪林宇
张斌
门计林
《农业工程学报》
EI
CAS
CSCD
北大核心
2016
2
下载PDF
职称材料
2
倾斜摄影测量在农村房屋调查中的应用
周繁
孙伊迪
刘越岩
门计林
张斌
《国土资源信息化》
2020
2
下载PDF
职称材料
3
多结构卷积神经网络特征级联的高分影像土地利用分类
门计林
刘越岩
张斌
周繁
《武汉大学学报(信息科学版)》
EI
CSCD
北大核心
2019
10
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部