吴玄
- 作品数：3 被引量：23H指数：2
- 供职机构：武汉大学遥感信息工程学院更多>>
- 发文基金：中央高校基本科研业务费专项资金广东省教育部产学研结合项目国家高技术研究发展计划更多>>
- 相关领域：天文地球更多>>
- 无地面控制高精度POS大比例尺测图精度验证被引量：4
- 2013年
- 以高精度轻小型航空遥感系统为平台,基于其提供的高精度POS和宽角数码影像开展精度试验,提出一种多层次组合精度验证方法,从POS输出与空三外方位的相关性、POS直接地理参考外方位与空三外方位比对精度、POS直接地理参考多片空间前方交会精度和直接立体测图精度4个方面对POS无控制直接地理参考大比例尺测图的可行性和能力进行验证,在JX-4数字摄影测量工作站下测得河南省平顶山市新华区的16幅1∶500地形图,并结合RTK实地测量检测验证测图精度。试验结果表明,高精度轻小型航空遥感系统POS直接地理参考可满足无控制1∶500大比例尺地形图测绘精度。
- 胡庆武殷万玲史蕾吴玄张坤
- 关键词：POS大比例尺测图空中三角测量空间前方交会
- 基于形态学滤波的街景面片生成方法研究
- 在将全景影像进行网络发布并提供实时浏览的应用中,需要将原始点云数据简化成空间面片数据才能高效率地计算,从而实现用户视角的实时跳转以及对影像的标注。本文提出了一种自动生成道路两侧街景面片的方法。首先,对车载激光点云建筑物提...
- 吴玄王少华刘建明胡庆武
- 关键词：街景激光点云建筑物立面形态学
- 文献传递
- 基于深度卷积神经网络的高分辨率遥感影像场景分类被引量：19
- 2019年
- 场景分类对于高分辨率遥感影像的理解和信息提取具有重要意义。传统方法利用低、中级或语义特征来对影像的场景进行判别,但是针对高分影像涵盖的细节多、类别复杂等特点,中低层特征无法对影像语义进行准确描述。本文提出了一种基于深度卷积神经网络DCNN场景分类模型。首先利用卷积层对影像的纹理、颜色等低阶特征进行提取,然后利用池化层对重要特征进行筛选,最后将提取到的特征进行组合,形成高阶语义特征,利用高阶语义特征对高分影像进行场景分类。为了解决模型的过拟合问题,使用了数据增广、正则化及Dropout提高模型的泛化能力。本文方法在UC Merced-21取得了91.33%的准确率,相比于传统方法,有效地提高了分类精度,同时证明了深度卷积神经网络在遥感影像分类领域优越性。
- 孟庆祥吴玄
- 关键词：高分辨率遥感影像过拟合
