高扬

作品数：4被引量：14H指数：3
导出分析报告
供职机构：南京大学国际地球系统科学研究所更多>>
发文主题：建筑物卷积神经网络城市建筑物遥感数据RANSAC算法更多>>
发文领域：天文地球更多>>
发文期刊：《地理空间信息》更多>>
所获基金：国家自然科学基金更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-4
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
卷积神经网络与MRF相结合的高光谱图像分类被引量：1
《地理空间信息》2020年第1期67-72,9,共6页马佩坤 李艳 黄小赛 高扬 
国家自然科学基金资助项目(41371331)
针对传统分类方法需要人工提取特征以及分类结果出现的噪声现象,提出了基于深度卷积神经网络(DCNNs)和马尔科夫随机场(MRF)的影像分类方法。首先通过数据预处理以三维图像为输入数据,利用DCNNs"端对端"的特征在提取图像更深层次特征的...
关键词：高光谱遥感 图像识别 卷积神经网络 MRF 深度学习 
基于主成分分析法的城市建筑物变化检测被引量：5
《地理空间信息》2018年第4期105-106,112,共3页高扬 李艳 黄小赛 吴剑亮 马佩坤 
国家自然科学基金资助项目(41371331)
提出一个集合主成分分析法(PCA)和变换向量法(CVA)的新方法,用来探测城市环境下建筑物屋顶的几何特征和颜色变化。在主成分分析法中,原始的RGB三通道被转换成3个成分,前2个成分被用来进行下一步的变换向量法。实验证明,该方法能有效地...
关键词：变化检测 遥感数据 建筑物 主成分分析法 变化向量法 
基于卷积神经网络的建筑物精细化提取被引量：3
《地理空间信息》2018年第3期97-100,共4页黄小赛 李艳 马佩坤 高扬 吴剑亮 
国家自然科学基金资助项目(41371331)
现有图像分割方法往往受图像模糊和噪声的影响,提取的轮廓不准确。为了提取建筑物的精确轮廓,提出了一种基于卷积神经网络的集成方法,包括建筑物定位、形状判断、形状匹配等步骤。实验证明,无论是对DSM图像还是多光谱影像,该方法都能获...
关键词：建筑物提取 卷积神经网络 先验形状 
基于改进RANSAC算法的道路直线提取方法被引量：5
《地理空间信息》2017年第5期42-44,50,共4页吴剑亮 李艳 高扬 黄小赛 
国家自然科学基金资助项目(41371331)
直线检测是计算机视觉领域的一项重要内容,也是遥感影像信息提取的基本过程。随机抽样一致性算法(RANSAC)常用来进行包括直线在内的目标提取,是在计算机视觉领域应用较广泛的估计算法之一,但其计算效率较低。因此提出了一种基于序贯概...
关键词：RANSAC算法 直线检测 边缘检测 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部