【摘 要】
：
城中村的精细空间分布是城市规划与城市更新的重要参考。由于城中村具有语义高级和遥感影像特征辨识度不足的特点，使用传统的场景识别方法难以从高密度城市中获得精度良好的城中村精细空间分布。针对城中村的精细识别问题，本文提出了一种新颖的融合遥感影像和社会感知的层次化识别方法。该方法在特征上融合了遥感图像和社会感知数据的优点，其层次化结构同时考虑了大范围的上下文信息和小范围的局部信息，为在精细尺度全面理解城中
论文部分内容阅读
城中村的精细空间分布是城市规划与城市更新的重要参考。由于城中村具有语义高级和遥感影像特征辨识度不足的特点，使用传统的场景识别方法难以从高密度城市中获得精度良好的城中村精细空间分布。针对城中村的精细识别问题，本文提出了一种新颖的融合遥感影像和社会感知的层次化识别方法。该方法在特征上融合了遥感图像和社会感知数据的优点，其层次化结构同时考虑了大范围的上下文信息和小范围的局部信息，为在精细尺度全面理解城中村提供了一个新思路。基于该方法，本文对深圳市的城中村进行了空间识别，获得了2.5米空间分辨率的精细城中村
其他文献
本文使用风云三号D卫星（FengYun-3D，FY-3D）在轨数据分析了GPS信号的特点，重点利用FY-3D运行轨迹全球覆盖的特点，介绍了GPS信号功率调整时信号强度在全球不同区域的变化，并创新性的结合星载GNSS掩星探测仪（GNOSSOccultationSounder，GNOS）前后掩星天线测量的噪底数据研究了GPS干扰信号的地理分布。研究GPS信号功率和干扰的特点对GPS空间应用和地面应用有
基于机器学习分类器的极化合成孔径雷达（Synthetic Aperture Radar， SAR）影像水体提取方法具有较高的可靠性但通常依赖于大量的训练样本，利用该方法进行多时相极化SAR影像的水体提取时，在每一景影像上都人工标注足够数量的训练样本是十分困难且耗时的。同时，SAR影像上固有的相干斑点噪声会进一步加剧样本标注的难度。对此，本文引入迁移学习方法，利用其知识迁移能力将已有的训练样本的类别
北斗三号全球系统（BDS-3）正联合北斗二号区域系统（BDS-2）在三个或三个以上频率信号上为用户提供高精度的定位、导航和授时服务。为深度融合BDS-2和BDS-3三频数据，本文建立了BDS-2/BDS-3三频无电离层组合（IF1213和IF123）和三频非组合（UC123）精密单点定位（precise point positioning，PPP）模型，推导了接收机频间偏差（inter-frequ
本文利用武汉站（34.54°N，114.37°E）2021年2月20日到3月20日的测高仪TEC（Total Electron Content）数据和基于GNSS（Global Navigation Satellite System）的TEC数据进行比较研究，以期得到更为准确的顶部电离层模型来计算测高仪的TEC参数。首先利用频高图度量的电离层参数通过两种不同的方法（一种是构建电离层电子密度剖面；另
针对传统随机采样一致性（RANdom SAmple Consensus，RANSAC）算法对复杂屋顶的分割缺陷，提出一种复杂屋顶平面的RANSAC优化分割方法。首先，在点云法向量估计的基础上，利用点法式方程优化种子点选取过程，提高初始平面选择的有效性；然后，采用距离与法向加权法抑制虚假平面生成，并利用加权函数进行平面内点的迭代修正，提高面片分割的准确性；最后，利用面片竞争方法进行分割结果优化，实现
为解决可观测基站受遮挡情况下仅采用到达时间（Time of Arrived， TOA）无法定位或精度较差的问题，本文将5G中多天线阵列提供的信号离开角（Angle of Departure， AOD）应用在定位解算中，通过卡尔曼滤波将5G定位与捷联惯性导航（Strapdown Inertial Navigation System，SINS）融合，构成融合TOA/AOD的5G/SINS组合导航方案。
以城市路网为基础，从出租车GPS数据中提取居民活动和交通状况特征，建立刻画城市热点区域的时间序列数据集，通过双曲正切函数为隐藏层单元激活，通过权重矩阵参数化循环连接，构建循环神经网络模型。使用长短时间记忆单元避免长时间依赖，采用参数服务器与工作架构解决大规模参数分布式存储和更新一致性问题。经实验验证，本文所提出的模型准确预测出南京市主城区热点区域空间分布情况，可为交通信息挖掘与分析提供一种有效预测
为提高卫星影像反演油罐高度的精度，本文研制了一种使用同名弧距（Same Name Arc Distance， SNAD）的圆柱型油罐高度反演模型。首先，定义单幅油罐卫星影像上SNAD概念，明确油罐影像的主要成像几何要素及其物理意义；其次，结合圆柱型油罐空间结构各向同性特征，进行成像条件多策略组合成像模拟，构建高度反演模型；然后，明确模型中各输入参数，推导SNAD核心参数解算方法；最后，选取四型亚米
干涉图滤波是合成孔径雷达（Interferometric Synthetic Aperture Radar，InSAR）后续相位解缠、地理编码等处理步骤的关键，然而现有的滤波方法无法在密集条纹中保留特征，在低相干区域中精确进行相位估计，于是在本文中，引入卷积神经网络（Convolutional Neural Networks，CNN）学习噪声特征来解决这一问题。该方法采用自编码器结构进行非监督学习
论文针对DEM数据的多尺度表达问题，根据DEM格网数据在能量谱密度中“低频-高能-大尺度”的对应关系，在化简中关联地形语义特征，构建了DEM数据的多尺度表达模型。实验表明该模型可以实时动态派生不同尺度下的DEM数据，通过等高线放样观察发现，该模型派生的DEM数据满足地形表达、空间认知和制图综合中的“保留主要地形特征、舍弃次要地形特征”的基本原则。与常用的DEM化简方法进行高程值统计以及坡形变化的定