-
题名无人机倾斜影像三维建模中的模型精细化
被引量：32
- 1
-
-
作者
邱春霞
董乾坤
刘荣华
雷蕾
-
机构
西安科技大学测绘科学与技术学院
陕西国土测绘工程院
西安华舆信息科技有限公司
-
出处
《测绘通报》
CSCD
北大核心
2017年第11期133-138,143,共7页
-
基金
国家重点研发计划(2016YFC0501707)
-
文摘
无人机倾斜影像制作三维模型,速度快、成本低,成为城市三维建模的首选。而无人机倾斜影像三维建模中,数据冗余、模型变形、影像缺失等多种问题常常会影响建模效果。本文针对无人机倾斜影像三维建模中的问题,提出了一系列相应的模型精细化处理技术,使三维模型更加形象、逼真。
-
关键词
无人机倾斜影像
三维建模
模型变形
影像缺失
模型精细化
-
Keywords
oblique image of unmanned aircraft
three-dimensional modeling
model deformation
image missing
model refinement
-
分类号
P237
[天文地球—摄影测量与遥感]
-
-
题名无人机倾斜影像的精细化三维实景重建
- 2
-
-
作者
张巧玲
赵燕伶
冯京辉
蒙利
郝航
-
机构
自然资源陕西省卫星应用技术中心
-
出处
《山西建筑》
2024年第20期188-191,共4页
-
基金
秦岭生态环境保护专项“秦巴山区自然资源立体探测体系建设”项目
多模态遥感数据智能解译技术及示范应用项目资助。
-
文摘
利用无人机倾斜影像构建实景三维模型,具有速度快、成本低的优势。而无人机倾斜影像三维建模中,会出现模型结构变形、纹理缺失、漏洞及拉花等问题,从而影响模型的精度。文章针对这些问题,提出了相对应的模型精细化技术措施,使三维模型的纹理更加清晰,精度更高。
-
关键词
无人机倾斜影像
三维建模
纹理缺失
模型变形
模型精细化
-
Keywords
oblique image of unmanned aircraft
thre-dimensional modeling
image missing
model deformation
model refinement
-
分类号
TU198.3
[建筑科学—建筑理论]
-
-
题名遥感影像缺失重建方法对比与时间序列合成
- 3
-
-
作者
李宁
季辰
程亮
曾繁轩
闵开付
李满春
-
机构
南京大学地理与海洋科学学院
江苏省地理信息技术重点实验室
中国南海研究协同创新中心
-
出处
《现代测绘》
2019年第5期22-27,共6页
-
基金
国家重点研发计划项目“国土资源与生态环境安全监测系统集成技术及应急响应示范”(2017YFB0504205).
-
文摘
遥感影像利用率低的重要原因之一是在卫星的成像过程中,传感器故障或者厚云等天气原因经常造成缺失的情况,降低了影像的利用率。对比分析三种方法(直接修复、局部线性直方图、加权线性回归方法)的重建效果,并针对以上方法仅利用单幅影像重建,没有综合利用多时相信息、无法同时实现去云和条带的不足,提出了利用时间序列影像生成合成影像的方法,达到去云和条带的效果。结果显示,对比方法中,加权线性回归方法修复效果最佳,其重建结果与真值相关系数最高达0.87;所提方法可同时去除云和条带区域,相关系数最高达0.76,因此对于改造时间序列影像数量和质量具有较好作用。
-
关键词
影像缺失
方法对比
时间序列
影像合成
-
Keywords
image missing
methods comparison
time-series
image synthesis
-
分类号
P237
[天文地球—摄影测量与遥感]
-
-
题名哨兵光学及SAR卫星影像协同分类研究
被引量：3
- 4
-
-
作者
雷俊杰
杨武年
李红
王芳
杨鑫
-
机构
成都理工大学地球科学学院
商丘师范学院测绘与规划学院
重庆工程职业技术学院测绘地理信息学院
-
出处
《现代电子技术》
2022年第2期135-139,共5页
-
基金
国家自然科学基金资助项目(41671432)
重庆市教育委员会科学技术研究项目(KJQN201803402)。
-
文摘
针对光学遥感影像中云及云阴影以及微波影像中叠掩、阴影、透视收缩等导致的地物信息缺失对分类、定量反演造成的不利影响,以光学卫星哨兵二号(S2)、SAR卫星哨兵一号(S1)影像为例,将R语言随机森林(RF)、支持向量机(SVM)、人工神经网络(ANN)机器算法引入光学微波遥感图像协同分类研究中。研究表明:协同S1,S2各自优势,可充分协同地物的光谱特征、微波后向散射、极化分解等信息,有效减轻S2云、云阴影以及S1影像地物信息缺失对地类识别造成的不利影响。采用RF交叉验证函数(RFCV)和IncNodepurity(节点纯度总增加)值确定RF最优分类因子,采用varImp函数以及按分类因子重要性逐个添加法可选取ANN、SVM最优分类因子。RF算法分类精度较高,适用于样点分布随机、均匀的研究区,研究区不同地类面积从大到小依次为灌草、其他、落叶林、草地、常绿林、混交林、水体。协同分类结果表明,光学、微波影像协同法、最优因子选择法以及R语言遥感数据处理方法在影像分类中应用效果较好。
-
关键词
遥感影像
协同分类
光学遥感
微波遥感
影像信息缺失
最优因子选择
-
Keywords
remote sensing image
cooperative classification
optical remote sensing
microwave remote sensing
image information missing
optimal factor selection
-
分类号
TN911.74-34
[电子电信—通信与信息系统]
TP75
[电子电信—信息与通信工程]
-
