排序方式: 共有8条查询结果,搜索用时 0 毫秒
1
1.
基于C/S与B/S混合模式的WebGIS模型设计 总被引:5,自引:0,他引:5
介绍了网络地理信息系统(WebGIS)的发展概况,在分析已有WebGIS模型存在问题的基础上,提出了一种基于C/S与B/S混合模式的WebGIS模型。该模型采用三层次结构,分为用户交互层、应用服务层和数据服务层。在交互层中采用了分离管理用户和一般用户的方法,减少了服务器端负荷和网络负载,加快了用户访问、查询速度,而且提高了模型的安全性。该模型可以使用多种不同的数据源,模型也具有开放性、可扩充性、高内聚、低耦合等优点。 相似文献
2.
3.
ICESat-2(Ice, Cloud and Land Elevation Satellite-2)是世界首颗采用光子计数模式的激光测高卫星,可快速获得高精度、大尺度地面三维数据。光子探测机制使得数据中除了地面信号外,还包含大气散射等背景信号,需要通过滤波才能获得地形等信息。为分析ICESat-2背景和信号光子的分布特点及点云滤波算法的效果和适用性,本文首先选取了六种地表覆盖类型(城市、海冰、沙漠、植被、海洋及冰盖/冰川)及不同观测条件的数据,对其背景光子率进行统计分析。分析结果表明:白天观测数据的背景光子率平均为106(点/秒)数量级,远高于夜晚观测数据的背景光子率——104(点/秒)数量级,弱波束的背景光子率与强波束背景光子率相当,六种地表覆盖类型中,冰盖/冰川的背景光子率最高。然后,根据统计结果筛选出21组测高数据,并选取七种具有代表性的点云滤波对其进行去噪实验,分析精度后得出结论:改进局部密度法的去噪效果最佳,算法召回率、精准度和F值均大于0.90,算法较为稳定。最后,对所选取各滤波算法的精度、特点与适用性等性质进行了总结与分析,可... 相似文献
4.
目标识别是计算机视觉领域的一大挑战,随着深度学习的发展,目标识别算法被广泛应用于视频数据中目标的识别和监测。对现有目标识别算法进行归纳,根据是否采用锚点机制将主流算法分为Anchor-Based和Anchor-Free两大类。针对R-CNN、SPP-Net、SSD、YOLOv2等Anchor-Based类目标识别算法,从候选框创建、特征提取和结果生成角度分析基于区域和基于回归的目标识别算法的区别和各自优势。针对CornerNet、ExtremeNet、CenterNet、FCOS等Anchor-Free类目标识别算法,从特征提取、关键点选择/层次结构和结果生成角度分析基于关键点和基于特征金字塔的目标识别算法的区别和各自优势。在此基础上,以识别效率和识别精度为评价指标,对Faster R-CNN、Mask R-CNN、SSD等8种代表性目标识别算法进行对比总结。最后,针对目标识别算法中的数据预处理耗时长、多尺度特征同步识别精度低、结构繁杂等问题,对当前研究的不足和未来研究方向进行分析和展望。 相似文献
5.
6.
7.
8.
针对遥感影像目标地物分割存在的分割精度低和时效要求高等问题,提出了遥感地物分割的改进格子玻尔兹曼并行模型(SPF-LBM)。文章利用符号压力函数改进格子玻尔兹曼模型,以提高分割精度;对改进模型分阶段并行优化,以提高分割效率。以海岛瞬时水边线分割为例,将SPF-LBM模型与CV模型、马尔可夫随机场(MRF)以及Otsu阈值分割模型进行比较,结果表明,其分割精度较上述模型分别提高了1.14%、0.82%和4.02%;其分割效率较上述模型分别提高了96%、89%和25%。分析表明,SPF-LBM模型在保证遥感影像目标地物分割精度的前提下,提高了目标地物的分割效率。 相似文献
1