王继成
- 作品数：5 被引量：30H指数：3
- 供职机构：西南交通大学更多>>
- 发文基金：国家自然科学基金香港特区政府研究资助局资助项目中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术天文地球更多>>
- 基于深度卷积神经网络的高分遥感影像高速铁路沿线建筑物信息提取
- 高铁沿线两侧的建筑物及其附带的人类生产活动可能造成轨道异物入侵、路基沉降等问题，是影响高铁运营安全的潜在因素。因此对高速铁路两侧建筑物进行定期监测，及时发现隐患并处理，有助于提高高速铁路运营的安全性。目前，高铁沿线建筑物...
- 王继成
- 关键词：高分辨率遥感影像建筑物提取卷积神经网络
- 文献传递
- 地理信息科学中尺度问题的30年研究现状被引量：20
- 2018年
- 尺度在地学中无处不在,地理信息科学也不例外。自Abler 1987年将尺度列为地理信息的几个重要科学问题之一,30年来,各国学者为尺度问题做了大量的研究工作。试图对这30年的研究作一简单的回顾,明析已解决的部分问题和尚需进一步努力的方向。讨论的重点是Goodchild等提出的5大关键问题,即尺度不变量、改变尺度的能力、尺度效应的度量、尺度作为过程模型中的参数及多尺度方法的实施。通过讨论发现,尺度效应得到了很好的研究,但主要是针对数据尺度,多种尺度(如数据尺度和分析尺度)的联合效应研究仍然严重贫乏;现在有很多转换模型可供使用,但是有些方法的理论基础不够完美;“尺度作为过程模型中的参数”这一问题最任重道远;尺度变换引起的信息量变化缺乏系统研究。这些问题需要引起高度的重视。
- 李志林李志林谭诗腾王继成
- 关键词：地理信息科学多尺度
- 场景解译框架下的高铁沿线建筑物自动识别被引量：5
- 2018年
- 针对传统建筑物提取方法中图像高层语义和低层视觉特征之间存在的语义鸿沟问题,提出一种基于卷积神经网络模型场景解译框架下的高铁沿线建筑物隐患区域自动识别方法。该方法首先将遥感影像重叠地划分成一系列的影像块,生成卷积神经网络模型输入的基本单元;然后,根据训练样本集,学习获得模型参数,并预测每个待解译影像块内各地物类别的概率分布;最后,原始影像中每个像素的地物类别由所有覆盖该像素影像块的场景类别所共同确定,继而将获得的多分类图转化为二值分类图,实现建筑物区域的自动识别。2 675×6 465的大场景高铁沿线遥感影像下开展的实验结果表明,该方法建筑物提取精度明显优于传统分类方法,提取结果的紧凑性和平滑性得到显著提升,与地表真实值吻合度较高。
- 慎利方灿明王继成王继成
- 关键词：建筑物识别卷积神经网络高分辨率遥感影像
- 地理信息科学中尺度问题的30年研究现状
- 尺度在地学中无处不在,地理信息科学也不例外.自Abler1987年将尺度列为地理信息的几个重要科学问题之一,30年来,各国学者为尺度问题做了大量的研究工作.试图对这30年的研究作一简单的回顾,明析已解决的部分问题和尚需进...
- 李志林王继成谭诗腾徐柱
- 关键词：地理信息科学
