检索结果

Select

1. 基于DeepLab v3的西藏地区降雨云团分割方法

张永宏, 刘昊, 田伟, 王剑庚

计算机应用 2020, 40 (9): 2781-2788. DOI: 10.11772/j.issn.1001-9081.2019122131

摘要（404）

PDF （2718KB）（467）

针对高原地区数值预测法建模复杂，雷达回波外推法易产生累积误差且模型参数难以设置的问题，提出了一种基于改进DeepLab v3网络模型的西藏地区降雨云团的分割方法。首先，通过编码网络中的卷积层和残差模块进行下采样；然后，利用空洞卷积构建多尺度采样模块，并且加入注意力机制模块提取深层高维特征；最后，通过解码网络利用反卷积恢复特征图分辨率。将所提方法与谷歌语义分割网络DeepLab v3等模型在验证集上进行比较，实验结果表明所提方法具有更好的分割性能与泛化能力，其降雨云团分割结果更为准确，平均交并比（Miou）达到0.95，与原始DeepLab v3相比提高了15.54个百分点。在小目标上和非平衡数据集上，该方法可以更准确地分割出降雨云团，为降雨云团监测预警提供参考。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于全卷积神经网络的多源高分辨率遥感道路提取

张永宏, 夏广浩, 阚希, 何静, 葛涛涛, 王剑庚

计算机应用 2018, 38 (7): 2070-2075. DOI: 10.11772/j.issn.1001-9081.2017122923

摘要（845）

PDF （961KB）（466）

针对半自动道路提取方法人工参与较多、提取精度不高且较为耗时的问题提出一种基于全卷积神经网络（FCN）的多源高分辨率遥感道路提取方法。首先，对高分二号和World View图像进行分割，用卷积神经网络（CNN）分类出包含道路的图像；然后，用Canny算子提取道路的边缘特征信息；最后，结合RGB、Gray和标签图放入FCN中训练，将现有的FCN模型拓展为多卫星源输入及多特征源输入的FCN模型。选取西藏日喀则地区作为研究区域，实验结果显示，所提方法在对高分辨率遥感影像进行道路提取时能够达到99.2%的提取精度，并且有效地减少了提取所需的时间。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于POV-ray的行播作物方向亮温仿真研究

王剑庚余涛李虎赵峰顾行发薛廉

计算机应用

摘要（1382）

PDF （1714KB）（680）

利用POV-ray光线追踪方法，对植被真实结构模型（CLAMP）生成的复杂行播场景下的方向亮温（DBT）进行快速演算，并针对CLAMP模型中集聚指数，平均叶倾角和叶面积指数，对冠层方向亮温的影响做敏感性分析，得到在不同参数输入条件下DBT的一些规律。结果表明，集聚指数可以有效地控制叶片在空间的分布情况，对于DBT的结果有较大影响；平均叶倾角对DBT的各向异性特征影响明显；叶面积指数是表征作物生长阶段的关键参数，对DBT的影响很大。