环境污染区域测绘数据点云分类精简方法研究

针对环境污染区域的测绘点云数据由于具备随机性、模糊性特点,导致点云数据分类不准确的问题,提出一种基于点云分类器的环境污染区域测绘数据点云分类精简方法。在KNN点云采样算法中,设置k值划分数据,使用曼哈顿距离作为划分的判别标准,均衡采样密度,通过KNN算子提取独立点特征,利用支持向量机作为点云数据的分类器,实现环境污染区域测绘点云数据的精简分类。测试结果表明,在5种不同程度的污染等级下,设计的分类方法的各个指标均优于两种传统的分类方法,验证了设计方法在实际应用中的有效性。

基于无人机高光谱的荒漠草原地物精简学习分类模型

荒漠草原植被稀疏、裸土细碎化分布对遥感数据空间分辨率和光谱分辨率的指标精度提出更高要求,目前应用于遥感场景的深度学习模型隐藏层较多、模型结构复杂,且采用经典深度学习模型未考虑遥感数据内在特点,导致模型训练普遍存在计算过度、耗时增加等问题。本文利用低空无人机(Unmanned aerial vehicle, UAV)遥感平台搭载高光谱成像光谱仪采集荒漠草原地物高光谱数据,发挥高空间分辨率与高光谱分辨率相结合的优势,并基于三维卷积神经网络(Three-dimensional convolutional network, 3D-CNN)方法提出一种适合荒漠草原地物植被、裸土、标记物识别的精简学习分类模型,进行参数组合调优,在调整学习率、批量规模、卷积核尺寸及数量后,最高总体分类精度(Overall accuracy, OA)可达到99.746%。研究结果表明,精简学习分类模型的优化建立在超参数选择基础上,为获得精度高、耗时短、性能稳定的最优模型,需不断调整超参数并对比不同组合分类效果。基于无人机高光谱技术的精简学习分类模型在荒漠草原地物的分类识别应用中具有较大优势。

咫尺千里 山水再续——关于《富春山居图》的教学之旅

中国山水画的发展历经千余年,随朝代的不同而风格各异。教师在教学中应引导学生避免出现用欣赏西画的透视、明暗等方式欣赏传统山水作品的情况。教师可以选择不同时代的经典作品,对背景知识进行精简分类,对画面内容进行层次赏析,对作品构图、笔墨、意境进行深入探究,引导学生运用合适的准则与观念欣赏传统山水画,看清其面貌,了解其精髓。