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
1
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
融合无人机高分辨率DOM和DSM数据语义的崩岗识别
被引量:
4
1
作者
沈盛彧
张彤
+4 位作者
程冬兵
王志刚
赵元凌
邓羽松
钱峰
《农业工程学报》
EI
CAS
CSCD
北大核心
2020年第12期69-79,共11页
崩岗识别是大规模的崩岗调查、治理和侵蚀机理等研究的首要任务,但以现场调查和人工解译高分辨率卫星遥感影像为主的传统方法,自动化程度低,人力、物力成本高而且效率低,不能满足大范围工作的需要。该研究借鉴遥感影像场景分类识别思路...
崩岗识别是大规模的崩岗调查、治理和侵蚀机理等研究的首要任务,但以现场调查和人工解译高分辨率卫星遥感影像为主的传统方法,自动化程度低,人力、物力成本高而且效率低,不能满足大范围工作的需要。该研究借鉴遥感影像场景分类识别思路,利用视觉-地形词袋模型(Bag of Visual-Topographic Words,BoV-TW)进行崩岗区域高分辨率数字正射影像图Digital Orthophoto Map(DOM)与数字表面模型Digital Surface Model(DSM)局部特征的混合表达,并通过潜在狄利克雷分配Latent Dirichlet Allocation(LDA)的潜在语义分析融合形成低维度的高层语义表征,最后以支持向量机(Support-Vector Machine,SVM)作为监督学习训练分类器,实现崩岗的高精度快速自动识别。试验结果表明:1)LDA主题个数变化时,该方法总精度可保持在95%左右,崩岗查全率和查准率保持在80%以上,最高分别为97.22%和94.44%;2)视觉-地形词袋词汇表大小变化时,该方法总精度一直在90%以上,最高为96.10%,崩岗查全率也基本在90%以上,最高为100%,崩岗查准率随词汇表大小的增加逐渐提升,最高为85.00%;3)仅使用DOM无法较好地识别崩岗地貌特征,没有合适的特征提取和融合策略,DOM和DSM结合也无法提高崩岗识别效果。同时,该方法时间花费少,效率高,可行性强。该研究可为崩岗调查、监测、治理及侵蚀机理的定量化研究提供参考。
展开更多
关键词
无人机
识别
崩岗
DOM
DSM
视觉-地形词袋模型
下载PDF
职称材料
题名
融合无人机高分辨率DOM和DSM数据语义的崩岗识别
被引量:
4
1
作者
沈盛彧
张彤
程冬兵
王志刚
赵元凌
邓羽松
钱峰
机构
长江水利委员会长江科学院
水利部山洪地质灾害防治工程技术研究中心
武汉大学测绘遥感信息工程国家重点实验室
广西大学林学院
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2020年第12期69-79,共11页
基金
国家自然科学基金项目(41601298,51909011)
国家重点研发计划专项(2016YFC050230305)
中央级公益性科研院所基本科研业务费资助项目(CKSF2019196/TB)。
文摘
崩岗识别是大规模的崩岗调查、治理和侵蚀机理等研究的首要任务,但以现场调查和人工解译高分辨率卫星遥感影像为主的传统方法,自动化程度低,人力、物力成本高而且效率低,不能满足大范围工作的需要。该研究借鉴遥感影像场景分类识别思路,利用视觉-地形词袋模型(Bag of Visual-Topographic Words,BoV-TW)进行崩岗区域高分辨率数字正射影像图Digital Orthophoto Map(DOM)与数字表面模型Digital Surface Model(DSM)局部特征的混合表达,并通过潜在狄利克雷分配Latent Dirichlet Allocation(LDA)的潜在语义分析融合形成低维度的高层语义表征,最后以支持向量机(Support-Vector Machine,SVM)作为监督学习训练分类器,实现崩岗的高精度快速自动识别。试验结果表明:1)LDA主题个数变化时,该方法总精度可保持在95%左右,崩岗查全率和查准率保持在80%以上,最高分别为97.22%和94.44%;2)视觉-地形词袋词汇表大小变化时,该方法总精度一直在90%以上,最高为96.10%,崩岗查全率也基本在90%以上,最高为100%,崩岗查准率随词汇表大小的增加逐渐提升,最高为85.00%;3)仅使用DOM无法较好地识别崩岗地貌特征,没有合适的特征提取和融合策略,DOM和DSM结合也无法提高崩岗识别效果。同时,该方法时间花费少,效率高,可行性强。该研究可为崩岗调查、监测、治理及侵蚀机理的定量化研究提供参考。
关键词
无人机
识别
崩岗
DOM
DSM
视觉-地形词袋模型
Keywords
UVA
recognition
Benggang
Digital Orthophoto Map
Digital Surface Model
bag of visual
-
topographic words
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合无人机高分辨率DOM和DSM数据语义的崩岗识别
沈盛彧
张彤
程冬兵
王志刚
赵元凌
邓羽松
钱峰
《农业工程学报》
EI
CAS
CSCD
北大核心
2020
4
下载PDF
职称材料
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