检索结果-内蒙古大学图书馆

测绘科学 2025年第3期 91-101页

作者：朱旺煌王增优曾圣刘荣符娇东华理工大学自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室江西省地质局工程地质大队江西应用技术职业学院江西应用科技学院建筑工程学院

针对建筑物单体提取中过绿指数法处理植被点，再提取建筑物单体，存在大量建筑物点被错分为植被点问题。通过布料模拟滤波分离场景点云地面点，提出结合密度特征和颜色特征处理植被点方法：利用密度差异分离点云中的非立面点，接着采用... 详细信息

针对建筑物单体提取中过绿指数法处理植被点，再提取建筑物单体，存在大量建筑物点被错分为植被点问题。通过布料模拟滤波分离场景点云地面点，提出结合密度特征和颜色特征处理植被点方法：利用密度差异分离点云中的非立面点，接着采用过绿指数筛选出非立面点中的疑似植被点，通过空间密度检测提取疑似植被点中的非植被点，并采用欧式聚类分割建筑物单体点云。采用两组点云数据进行实验，将改进算法与过绿指数法进行对比分析，改进算法分离的植被点中建筑物点明显减少。研究结果表明，改进方法处理植被后提取的建筑物单体正确性最大差距仅1.68%,而完整性和质量最大提升分别达到27.54%和27.46%。

关键词：密度特征颜色特征过绿指数空间密度检测

来源：评论

学校读者我要写书评

暂无评论

油菜地块边界提取研究

引用

中国农机化学报 2023年第4期44卷 137-144页

作者：付健薛新宇孙竹徐阳农业农村部南京农业机械化研究所南京市210014

油菜地块精准提取可实现道路、田埂和地块三部分的分离,为植保无人机提供准确作业区域和非作业区域,推动植保无人机实现自主作业。基于甘肃省张掖市民乐县油菜地无人机低空RGB影像,构建基于简单线性迭代聚类(SLIC)分割和VGG16分类网络... 详细信息

油菜地块精准提取可实现道路、田埂和地块三部分的分离,为植保无人机提供准确作业区域和非作业区域,推动植保无人机实现自主作业。基于甘肃省张掖市民乐县油菜地无人机低空RGB影像,构建基于简单线性迭代聚类(SLIC)分割和VGG16分类网络相结合的方法实现油菜田地块边界提取。首先,以过绿指数方式灰度化图像,区分裸露地表与植被覆盖区域,其次,通过直方图分析、轮廓检测提取地块主体部分;最后,通过简单线性迭代聚类(SLIC)和VGG16模型相结合,划分网格,识别过分割区域中的作物种植区域,提取完整地块。对比所提算法与传统边界检测算法地块边界提取效果,结果表明:所提模型的平均交并比和平均准确率分别为95.9%、96.0%,边界提取精度和完整性明显优于传统算法。所提模型能够消除低空拍摄下杂草的影像,可为农田边界提取提供参考,可为植保无人机完全自主作业做好铺垫。

关键词：地块提取无人机过绿指数超像素分割 VGG16 图像识别

来源：评论

学校读者我要写书评

暂无评论

基于倾斜影像颜色信息的建筑物点云提取

引用

东华理工大学学报（自然科学版） 2021年第2期44卷 168-173页

作者：余和顺刘荣东华理工大学测绘工程学院江西南昌330013

针对建筑物点云提取不完整问题,笔者采用一种组合方法从影像密集匹配获得的多视图像(MVS)点云中提取建筑物点云。首先运用布料模拟滤波(CSF)算法进行地面点滤波,去除MVS点云中的地面点;然后根据MVS点云的颜色信息,利用过绿指数(EXG)和... 详细信息

针对建筑物点云提取不完整问题,笔者采用一种组合方法从影像密集匹配获得的多视图像(MVS)点云中提取建筑物点云。首先运用布料模拟滤波(CSF)算法进行地面点滤波,去除MVS点云中的地面点;然后根据MVS点云的颜色信息,利用过绿指数(EXG)和植被密集成块特性将植被点云剔除;最后使用密度聚类从剩余的点云中分割出建筑物点云。结果表明采用该方法提取建筑物点云的正确性为98.06%,完整性为98.20%,质量为96.34%。相较于使用单波段阈值分割剔除植被点的组合方法,该方法在建筑物完整性和质量上提升超过26%。

关键词：倾斜摄影密集匹配滤波过绿指数建筑物点云

来源：评论

学校读者我要写书评

暂无评论

基于倾斜摄影测量点云的建筑物单体提取

引用

科学技术与工程 2024年第30期24卷 12843-12852页

作者：朱旺煌刘荣龚循强段炬奎东华理工大学自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室南昌330013 江西省地质局工程地质大队南昌330001 云南省核工业二〇九地质大队昆明650000

建筑物单体提取是三维重建关键环节。通过传统过绿指数法分类植被点,再提取单体,存在大量建筑物点被错分为植被点问题,难以保证获取的建筑物单体有较好的完整性。针对该问题,提出了一种改进的建筑物单体提取算法。首先结合点云过绿指数... 详细信息

建筑物单体提取是三维重建关键环节。通过传统过绿指数法分类植被点,再提取单体,存在大量建筑物点被错分为植被点问题,难以保证获取的建筑物单体有较好的完整性。针对该问题,提出了一种改进的建筑物单体提取算法。首先结合点云过绿指数、法向量信息分类出植被点;然后考虑被错分的建筑物点和植被点在空间密度分布上的差异性,采用空间密度检测将错分点识别并重新分类为非植被点;最后通过密度聚类将建筑物单体分割,得到较为完整的建筑物单体。用植被分布差异较大的两组数据进行实验,结果表明本文改进的方法能更为完整地提取建筑物单体,有效避免了过绿指数过度错分现象,在正确性波动较小的情况下,完整性和质量精度明显优于过绿指数法。

关键词：过绿指数法向量信息空间密度分布密度聚类

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：