【摘 要】
：
做好"四好农村路"工作,必须基于对农村公路现状充分的分析和掌握。交通运输行业借助高分遥感技术,补足了现有信息技术的不足,解决了目前时效性以及周期性难题。该技术已经在甘肃、新疆、厦门等地区公路管理中得到初步应用,取得了良好的效果。高分遥感结合机器学习等信息技术后,对农村公路管理的人员投入、经费投入、时间成本、覆盖情况等方面都产生巨大的社会经济效益。
论文部分内容阅读
做好"四好农村路"工作,必须基于对农村公路现状充分的分析和掌握。交通运输行业借助高分遥感技术,补足了现有信息技术的不足,解决了目前时效性以及周期性难题。该技术已经在甘肃、新疆、厦门等地区公路管理中得到初步应用,取得了良好的效果。高分遥感结合机器学习等信息技术后,对农村公路管理的人员投入、经费投入、时间成本、覆盖情况等方面都产生巨大的社会经济效益。
其他文献
机载双天线毫米波InSAR系统具有机动灵活、轨道可变、相干性高、分辨率高、实时获取等特点,可以快速、高效、精确地获取地势陡峭、地形复杂的困难山区地带的DSM,已成为获取DSM的重要手段之一。但由于机载InSAR数据量很大,当前的数据处理能力和效率相对较低,针对这些问题,本文采用图形处理器(GPU)并行处理技术,快速、精确地进行干涉处理,提高了干涉批处理效率;采用最小平衡树的解缠算法,快速地进行相位
针对现有的海岸线提取方法精度低,无法满足处理各种传感器卫星图像及对线性多样复杂的海岸线提取的需求,本文提出了一种将Otsu法、区域生长法及形态学相结合的遥感图像海岸线提取方法。并且通过试验证明,该海岸线提取方法可以充分发挥Otsu、区域生长法及形态学方法在提取海岸线方面的各自优势,大大提高了海岸线的提取精度。并利用该方法对两种不同的卫星图像数据进行海岸线提取,验证了该方法在不同条件下均有良好的适用
本文以广州为例,阐述了高斯投影变形的传统方法。结合广州市利用高精度机载LiDAR和广州2000坐标系的建设项目,介绍了高精度LiDAR数据获取及DEM制作流程,以及设计了高斯投影变形数据处理的两种关键技术方法,并且开发了自动化处理软件,提出了城市坐标系精度评估新方法。
地表覆盖的高效变化检测在地理国情监测中具有重要意义。本文针对当前地表覆盖检测人工目视解译方法效率低,以及软件自动解译错检率、漏检率较高的特点和现状,提出了一种基于联合特征的地表覆盖类型自动变化检测方法。该方法通过对比7种不同的特征联合方案,确立了联合灰度共生矩阵、灰度直方图、光谱统计特征、对象特征的最优组合形式,并设计支持向量机高维度分类器进行分类。试验结果表明,在浙江省复杂地表覆盖分布情况下,基
InSAR及其相关技术在城市地面沉降监测中具有独特优势。本文采用2015年12月4日至2018年1月10日间的37景Sentinel-1卫星SAR影像数据,基于InSAR时间序列分析技术,对地处高原的格尔木市市区及其周边进行了地表形变监测。结果表明,基于相干性等指标共提取了252 889个相干点,每平方千米平均有501个相干点,后续经相干点分析计算后掩模去误差较大的点后,实际使用相干点252 03
近年来,地面沉降监测与治理在防灾减灾方面受到政府重视,但是对地面抬升现象及机理少有研究。本文采用PS-InSAR和NSBAS两种技术,利用Sentinel-1影像升、降轨数据对淄博市4个市辖区进行形变监测,并通过资料分析该区域的地面抬升与煤矿开采情况的一致性。
为了将激光雷达技术应用到铁路全生命周期中,充分发挥激光雷达技术的优势,本文以徕卡公司相关激光雷达产品为例,系统分析了不同类型的激光雷达的特点和铁路工程不同阶段的测量要求,总结了激光技术在铁路全生命周期中的应用方法。通过典型工程应用分析表明,激光雷达技术可显著提高铁路工程测量的效率和质量,具有良好的应用前景。
对遥感地貌进行识别,近年来一直是遥感图像应用领域的研究热点。使用深度学习算法识别遥感影像具有比传统方法更高的准确率和稳健性。针对遥感影像中目标复杂度高、特征信息多等问题,本文提出了一种基于改进注意力机制的遥感图像识别算法,即将并联注意力机制(CS)和神经网络模型相结合,借助弱监督学习来辅助训练。同时采用双损失函数来缓解数据过拟合问题。试验结果表明,本文模型总精度为98.35%,Kappa系数达0.
针对随机森林算法、支持向量机以及线性判别分析3种分类方法分类准确率较低、性能不佳的问题,基于机载激光雷达和高光谱技术提出一种新的遥感监测数据分类方法。分析机载激光雷达和高光谱遥感的工作原理,依据二者的工作原理提取遥感监测数据。为了提升数据分类的准确性,需要进行数据预处理,具体包括噪声点剔除和平滑校正处理,并进行数据配准。在此基础上,采用K最近邻搜索算法提取遥感监测数据特征,最终运用决策树算法中的C
随着社会经济的快速发展,道路的交通量也呈现日益增长的趋势,基于遥感影像的路面健康检测和识别工作尤为重要。试验基于GF-2遥感影像数据,构建光谱指数和灰度共生矩阵,增加路面材质类型识别的波段因子,结合BP神经网络筛选最佳波段组合,利用SVM分类方法实现道路路面材质类型的识别。结果表明,基于最佳波段组合的道路路面材质识别结果均优于基于原始影像和主成分分析影像的识别结果,识别精度满足要求。该方法可快速、