基于深度学习的无人机影像建筑物自动提取

在无人机影像建筑物自动提取过程中,传统地物分类算法其精度已无法满足生产过程中的分类要求.为此,文章提出以深度学习技术结合条件随机场应用于无人机影像建筑物的自动提取方法.首先利用基于残差模块的卷积神经网络对图像进行特征提取,然后利用全卷积对图像进行反卷积,恢复图像特征.基于初步分类结果,利用条件随机场模型进行边缘细化.通...     

基于多光谱影像的潮滩区域边界提取方法

当前潮滩区域边界提取方法多采用特征选择算法,此方法易受非边界点的影响,无法有效区分区域边界与岸边地物,导致提取准确度不高。为此,该文提出基于多光谱影像的潮滩区域边界提取方法,该方法利用多光谱成像仪采集潮滩影像,根据影像的波段分布获取潮滩区域的点云数据;再对点云数据进行网格化处理,识别其中的边界点;利用滤波原理去除非边界点,通过计算区域格网的高程范围,实现潮滩区域边界提取。实验结果显示,该方法对不同潮滩区域边界的提取准确率均在95%以上,且提取时间均在5s内,有效实现了潮滩区域的边界提取,提高了准确度。     

基于深度学习和遥感影像的露天矿自动提取方法研究

非法开采不仅危害国家资源,威胁国家财产安全,也存在重大安全隐患,寻找快速发现非法开采行迹的解决办法迫在眉睫。利用光学遥感影像进行人工解译,费时费力、效率极低;而传统的露天矿遥感自动解译方法,或基于像素,或基于面向对象,利用的图像特征简单且数量较少。将深度学习的全卷积神经网络算法引入露天矿自动提取中,充分从底层特征中挖掘大量高层抽象特征,实现露天矿智能高效解译。实验结果表明,该方法在一定程度上有效提高了露天矿识别的准确率,能够为及时发现非法露天矿开采提供基础的数据技术支持。     

基于机载LiDAR点云的滑坡体体积计算方法研究

针对滑坡区域地形复杂、滑坡体形状随机和体积难以快速精确获取等问题,该文提出一种基于机载Li-DAR点云数据预处理、渐进三角网加密滤波算法,及DEM的滑坡点云提取、点云切片和边缘点排序的滑坡体体积计算方法,并结合多块实测数据进行了计算分析.计算结果表明,该方法能快速准确地得到滑坡体体积大小,进而为滑坡的灾后评估提供了依据.     

基于机载LiDAR点云C2C算法的矿山沉陷监测研究

针对地表移动观测站和InSAR技术手段在矿山开采沉陷监测的局限性,利用机载激光雷达(Light Detection and Ranging, LiDAR)采集沉陷区三维点云数据,通过多时相点云构建地表数字沉陷模型(沉陷DEM),获取地表的移动变形特征。然而构建的沉陷DEM包含多种来源复杂且难以去除的噪声,限制了该技术在矿山开采沉陷监测的应用。提出将机载LiDAR点云直接比较的算法(Cloud to Cloud, C2C)进行矿山开采沉陷监测,以榆神矿区某工作面为研究区,将同期水准观测数据作为参考数据,并与三种主流点云插值算法构建的沉陷DEM进行对比,验证该算法的可行性和精度。结果表明,C2C算法能够快速获取高精度的沉陷值,其沉陷精度明显优于通过点云插值算法获取的计算结果,下沉曲线符合矿山开采沉陷的一般规律。该算法可以达到厘米级的精度,为矿山地表移动变形监测和生态环境修复提供了新的参考方案。     

基于深度学习和持续同调的LiDAR林下滑坡提取

为了从森林覆盖区获取林下滑坡信息,采用LiDAR点云技术构建高分辨率数字地形模型,结合Res-Unet网络和持续同调理论提取林下滑坡信息。选取美国华盛顿州风河实验林作为研究区,选择其中3个区域进行定量分析,经计算,区域内提取滑坡信息的准确度均值为79.7%,召回率均值为70.2%,F₁均值为65.5%,表明基于Res-Unet和持续同调的提取方法能够准确识别研究区内大部分滑坡;基于深度学习和持续同调的林下滑坡提取方法引入持续同调方法到滑坡提取领域,并与深度学习相结合,弥补了传统遥感方法在植被覆盖区滑坡提取效果方面的不足,可为滑坡分析提供有力的技术支持。     

基于机载LiDAR数字化测图的高精度工程勘测设计一体化技术研究

针对传统工程勘测技术勘测精度较低、耗时长的问题,该文提出了基于机载LiDAR数字化测图的高精度工程勘测设计一体化技术.首先分析了基于机载LiDAR数字化测图技术在等高线勘察、纵断面勘察、横断面勘察中的优点;然后设计了仿真试验,根据机载LiDAR数字化测图的原理,总结了该方法在高精度工程勘测设计一体化中的应用流程.结果表...     

基于主成分分析及连通性分析的建筑物LiDAR点云提取技术

为更有效分离LiDAR点云中的建筑物和高大植被,该文提出了主成分分析和连通性分析相结合的算法.利用滤波后的点云数据,基于主成分分析法初步提取建筑物点云,然后构建并优化Delaunay三角网进行连通性分析,可提取完整的建筑物信息.实验表明:该方法不仅能正确、有效地分离建筑物点和高大植被点,还可以去除建筑物噪声点(天线、烟囱、空调主机等).     

本煤层增效抽采聚能被筒深孔爆破技术研究

由深孔内部爆破原理分析可知,普通爆破产生的爆炸能量没有方向性,因此会破碎煤层顶底板,并且爆炸产生的压碎圈能降低能量的有效利用率。利用聚能爆破先进原理,对切槽开缝、切缝药包和聚能被筒对比分析,确定PVC聚能管结构和技术参数,通过现场应用,效果明显。     

基于特征点的煤矿图像拼接技术的研究

将图像拼接技术引入到煤矿领域。结合煤矿井下环境的特点,提出了一种稳健的基于曲率尺度空间的拼接(CSSM)算法。该算法使用改进后的自适应阈值CSS角点检测算法提取特征点,利用相似测度NCC提取初始特征点对,并通过RANSAC删除伪匹配对,达到精确匹配,通过渐入渐出融合法实现无缝拼接。     

基于蚂蚁算法的Deep Web页面信息抽取方法研究

针对煤炭监测数据的复杂多变性及Deep Web数据查询结果网页描述信息的特点,提出了一种基于蚂蚁算法和本体指导网页信息抽取的方法。首先构建基于简单本体的数据抽取系统,通过对结果页面中包含本体语义信息的数据的映像定位,结合蚂蚁算法分析信息素浓度在DOM树上的分布比较,实现数据块路径抽取规则算法及数据分割特征码的生成。以煤炭行业获取的数据进行抽取性能测试,数据实验表明,抽取算法结果具有较高的准确率。     

基于图像识别技术的无极绳脱轨监测系统研究

通过对图像识别技术的研究,设计了基于计算机图像识别的矿车脱轨监测系统对矿车进行实时监测。采用大角度光源的激光发生器照射轨道中线,高速摄像仪对准轨道中线上成形的光线进行快速拍摄,通过判断光线变化来判断是否发生脱轨现象,判断发生脱轨现象后发出报警信号。系统视觉算法简单可靠,报警及时,可有力保障生产安全。     

基于SVM的高分辨率SAR图像建筑物自动提取

通过遥感影像直接提取出建筑物是进行城市土地利用调查和土地执法检察的有效手段。文章利用高分辨率的SAR数据,提出了基于SVM和高分辨率SAR图像的建筑物自动提取方法。该方法利用SAR图像对建筑物信息反映强烈的特点,选择一系列建筑物和非建筑物像元作为训练样本,利用SVM方法构建每个像元的属于建筑物可信度,设定95%的可信度界定为建筑物像元,据此识别出建筑物的位置。以温江地区的COSMO-SkyMed数据进行试验表明,该方法建筑物识别的抽样精度达到93%以上,显示出高分辨率SAR图像在城市土地利用研究中的巨大潜力。     

基于LBP和GLCM的煤岩图像特征提取与识别方法

针对煤矿开采工作面无人化要求,提出一种基于LBP和GLCM的煤岩图像特征提取与识别方法。采用LBP算法判断煤块与岩石纹理存在差异性,然后通过GLCM实现煤块与岩石图像在水平、直角、45°、135°方向上的灰度共生矩阵,并完成对能量、熵值、对比度、逆差分矩等4个煤岩图像纹理特征参数提取。试验表明:LBP算法在检测煤块与岩石局部纹理特征差异的过程中,具有一定的高效性,但存在不足,后续通过GLCM提取的煤岩图像特征参数,可以找到适用于煤岩分类的特征参数,增加煤岩识别的鲁棒性。     

一种基于点云数据的建筑物BIM模型重建方法

建筑物的三维模型重建一直是数字城市研究的重要组成内容,本文以三维激光扫描技术获取的地面点云数据为基础,以无人机航拍获取的建筑物顶部影像为辅助,提出了一种地面点云和无人机影像融合方法,并在Revit中对建筑物的BIM模型进行重建,实验结果表明重建模型的精度能够满足小范围场景建设的需要,并且依托BIM平台的建筑物模型承载着丰富的属性信息,可进一步挖掘模型的应用价值。     

航空影像上圆图斑定位方法研究

介绍了航空影像上圆图斑边缘提取和中心定位的方法,即以航空影像上圆图斑的灰度、梯度为基础,对剖面线上跃阶特征点进行提取,得到圆图斑的边界点对,然后利用最小二乘法计算3个剖面点对的圆心坐标和半径,定位精度在0.44~2像素之间,说明利用该方法对航空影像上圆图斑中心进行定位,精度较高。     

基于深度学习的永磁直驱带式输送机煤量检测方法研究

永磁直驱带式输送机煤量的精确检测是节能调速的重要依据,针对不同环境下煤量的快速检测问题,结合迁移学习方法和密集连接思想提出一种基于VGG16改进的FF-CNN网络。将该网络作为煤量图像的特征提取器,实现煤量的检测分类,将煤量图像分为“无煤量”、“少煤量”、“中煤量”、“多煤量”和“满载量”。实验结果表明,训练后的FF-CNN网络检测准确率达98.2%,平均检测1张图像的时间为0.058 s,满足检测精度和时效性要求。