用于复杂场景裂缝分割的多层次特征提取算法

针对目前裂缝识别算法大多基于单一自有数据集进行识别,在更换数据集之后效果较差、难以适应复杂场景检测的问题,提出了一种适用于复杂场景的裂缝分割算法,该算法基于卷积神经网络(Convolutional Neural Network,CNN),在HED网络的基础上增加了卷积层,并在各卷积层中增加了批标准化层,应用引导滤波对分割结果细化,取得了更完善精准的分割。验证结果表明,与Ground Truth平均交并比(mean Intersection over Union,mIoU)达到86.9%,且处理速度与其他算法相比具有一定优势。综合对比验证了算法的优越性及可行性,为解决裂缝识别提供了新的方法。

内外业一体化数字化测图的误差来源及精度分析

结合实际就内外业一体化测图中误差来源及其对测图精度的影响进行了分析,目的在于提高数字地形图的质量,并提出减少误差的一些有效的方法。