检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
作 者:林远杨 何敬[1] 刘刚[1,2] 李政 LIN Yuan-yang;HE Jing;LIU Gang;LI Zheng
机构地区:[1]成都理工大学地球科学学院,四川成都610059 [2]地质灾害防治与地质环境保护国家重点实验室(成都理工大学),四川成都610059 [3]四川省国土空间规划研究院,四川成都610081
出 处:《测绘》2021年第6期271-275,283,共6页Surveying and Mapping
基 金:国家自然科学基金项目(41871303,41602355);四川省科技计划项目(2021YFG0365);四川省自然资源厅科研项目(KJ-2021-3)。
摘 要:城乡规划图反映了一个区域一定时期内土地利用、空间布局及未来建设的综合部署等多种信息,其应用广泛。一般情况下,城乡规划图发布的只是栅格图形数据,无法进行后续的空间分析。针对这种情况,本文采用最大似然法、最邻近分类法及深度学习方法对城乡规划图进行自动矢量化。通过对三种方法结果的分析,本文发现:最大似然法会出现“椒盐噪声”,深度学习方法在拓扑关系上会出现“孤岛”,最邻近法的精度最高且无拓扑问题,更适用于对城乡规划图进行自动矢量化。
关 键 词:城乡规划图 自动矢量化 最大似然法 最邻近法 深度学习
分 类 号:P208[天文地球—地图制图学与地理信息工程]
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.65