您现在的位置: 首页> 研究主题> 无人机影像

无人机影像

无人机影像的相关文献在2009年到2023年内共计546篇,主要集中在测绘学、自动化技术、计算机技术、林业 等领域,其中期刊论文294篇、会议论文9篇、专利文献175012篇;相关期刊173种,包括北京测绘、测绘工程、测绘与空间地理信息等; 相关会议9种,包括2015年海峡测绘技术交流会暨第十七届华东六省一市测绘学会学术交流会、第十五届中国虚拟现实大会暨虚拟现实与可视化技术国际会议、中国电力规划设计协会勘测分会电力工程测量专业经验交流会等;无人机影像的相关文献由1562位作者贡献,包括李永树、鲁恒、陈鹏飞等。

无人机影像—发文量

期刊论文>

论文:294 占比:0.17%

会议论文>

论文:9 占比:0.01%

专利文献>

论文:175012 占比:99.83%

总计:175315篇

无人机影像—发文趋势图

  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

作者

    • 何鹏程
    • 摘要: 随着电子信息技术不断发展,我国无人机影像技术的应用范围逐渐广泛。现阶段的高速公路检测工作具有一定复杂性,存在一些困难以及问题。使用新型电子设备与信息化的技术手段能够有效改善高速公路的检测工作,是高速公路检测部门的重点工作内容。随着遥感技术不断发展,无人机影像技术能够较好地解决当前高速公路存在的各类问题,得到较广泛的运用。文章分析无人机影像技术与高速公路检测的各项需求,探讨其运用优势,论述其应用方式,为相关研究提供参考。
    • 卞艳; 宫雨生; 马国鹏; 王昶
    • 摘要: 针对无人机(UAV)影像水体提取出现的噪声干扰、光谱混淆、分割尺度难把握、无法使用水体指数等问题,提出边缘检测算法结合面向对象方法的新水体提取方法(AUCSN).采用各向扩散滤波算法对影像去噪;采用Canny边缘检测算子对去噪后影像进行边缘提取,提取结果与去噪后影像进行波段重组,利用改进的邻域绝对均值差分方差比法对重组影像选取最优分割尺度,开展多尺度分割.结合水体对象的光谱、形态、纹理特征建立模型,对分割后影像实现水体粗提取.将粗提取结果利用形态学闭运算填充孔洞,实现水体提取.实验结果表明,采用AUCSN方法进行水体提取,不仅提高了提取效率,而且提取精度能够达到96%.
    • 孙玉琳; 黄宇; 李伟; 张卓
    • 摘要: 土地利用分类是城市建设规划、水体变化监测、森林树种识别的前提,是土地资源可持续利用的基础。本研究以安徽省广德市西庄村为研究对象,基于无人机多光谱成像技术,采用8种监督分类方法,分析研究区的土地利用状况。在相同的分类条件下,支持向量机分类精度最高,总体分类精度达到了98.91%,kappa系数为0.99;其次是随机森林与决策树分类法,总体分类精度达到了97%以上。波谱角、马氏距离法分类效果较低(90%),最小距离法分类精度最低,仅为78.74%,kappa系数为0.73。
    • 庞栋栋; 刘刚; 何敬; 付饶
    • 摘要: 利用高新遥感技术和先进的目标检测方法快速、准确地提取作物信息对精准农业的发展具有重要意义。为此,提出以高分辨率无人机影像为数据源,用标记数据训练YOLOv3网络,得到最优参数估计,形成针对橘子树识别的神经网络,实现密集的橘子树影像识别。为证明本方法的可靠性,用相同的样本在ENVI5.6平台Deep Learning模块进行实验对比。结果表明,本文方法可以高效、准确地从无人机影像中提取橘子树信息,其识别精度优于ENVI5.6平台Deep Learning模块的识别结果,模型运行稳定、可靠,可以作为统计农作物的可选择性方法。
    • 张伟东; 王伟; 李宁; 孟瑶
    • 摘要: 重点研究了基于无人机影像技术的农作物种植面积提取方法,首先对在研究区域获取到的无人机影像进行预处理,然后对影像进行多尺度分割,最后根据农作物的光谱特征提取农作物种植面积并进行相关指标的分析。
    • 李丰翔; 赵岩
    • 摘要: 城市治理中,利用无人机技术对清除河湖的“四乱(乱占、乱采、乱堆、乱建)”问题具有重要意义。文章针对无人机调查中影像的快速分类,提出基于时间信息和坐标信息的分类方法,研发具有实用价值的快速分类系统,对该系统的结构进行详细介绍,对时间信息提取、坐标信息提取、K-means聚类实现等关键技术进行分析。经实际项目测试验证,该方法及系统具有可行性和科学性。
    • 王宏胜; 李永树; 张天棋; 张雷; 王建成; 赵乐
    • 摘要: 为提高村域尺度土地利用分类精度,本文基于高分辨率无人机影像,研究了融合多特征的两阶段分类方法。该方法首先利用基于平均J-M距离增量的“扩充特征子集法”获取最优纹理特征和可见光植被指数,并与原始影像融合;然后,根据地物的具体特征表现,基于规则结合最邻近法分两阶段进行提取。研究结果表明:1)纹理特征和可见光植被指数有助于提高影像分割质量,且基于平均J-M距离增量的“扩充特征子集法”选取的特征相较于同类其他特征更能体现地类间差异化程度;2)相较于全局最优分割尺度下的决策树、支持向量机及随机森林等分类,本文方法总体精度分别高出6.89%、2.66%、5.17%,Kappa系数分别高出11.86%、4.28%、9.04%,在村域土地利用分类方面表现出较强适用性。
    • 刘力锋
    • 摘要: 电网因其在电能传输方面的关键性作用,在我国民生项目建设领域一直扮演着至关重要的角色。电网杆塔上的绝缘子一旦发生自爆(也称“缺陷”),绝缘子会自动剥落,输电线路就会产生安全隐患,严重时会降低输电线路的运行寿命,甚至会引发供电中断,发生大范围的停电事故,造成巨大的财产损失。目前,主流的巡检方法为人工巡检,该方法不仅耗时耗力,而且也存在一定主观出错率,已不适用于目前电路巡检的实际情况。本设计采用YOLO V5网络模型,对无人机航拍影像中绝缘子串及绝缘子自爆进行自动识别。首先通过平移、翻转、裁剪等,对航拍绝缘子影像数据集进行数据增广,并对增广后的数据集在LabelImg中进行标注,然后利用YOLO V5网络模型对绝缘子串及绝缘子自爆进行识别,最后采用PyQt5框架在PyCharm中设计了绝缘子自爆识别的系统界面,对模型进行调用,实现了绝缘子串及绝缘子自爆识别。本设计采用从网络上下载、国家电网提供、数据增广所得到的500张无人机航拍影像作为数据集,对所得数据集进行人工标注,再使用YOLO V5网络模型进行训练和测试,结果表明YOLO V5网络模型对绝缘子串具有较高的识别精度,最高识别精度为90.2%,对绝缘子自爆的最高检测精度为80.8%。这说明了YOLO V5网络模型在绝缘子串识别方面有较好的表现,但是由于训练集中绝缘子自爆的样本影像数量有限,所以该网络模型对绝缘子的自爆识别存在一定局限性,本实验能够部分代替人力实现电网绝缘子智能巡检,提高了检测效率。
    • 唐晓芳; 詹总谦; 丁久婕; 刘佳辉; 熊子柔
    • 摘要: 针对现有流行模糊C均值聚类在影像分割中存在边界依附能力弱,分割不稳定及需要手动设置聚类数目等问题,提出一种顾及超像素光谱特征的无人机影像自动模糊聚类分割方法。相对于传统分水岭变换算法,该方法首先采用两步边界推进准则,生成轮廓更加精确、形状规则更加紧凑的超像素子区域;然后,提取子区域光谱特征并结合重缩放密度峰值算法自动获取聚类数目;最后,综合利用超像素光谱特征与隐式马尔可夫随机场思想对模糊聚类进行改进,实现超像素精确合并。通过两组影像数据的定性分析和定量评价表明,本文方法能准确定位目标边界,获得较好的视觉分割结果,同时有效提高了影像分割精度。
    • 林怡; 张文豪; 宇洁; 张翰超
    • 摘要: 针对传统植被资源调查方法工作量大、成本高、效率低的问题,利用高分辨率无人机遥感影像,联合地物光谱-纹理-空间信息,构建了一种适用于描述城市不同植被种类的多维特征空间,在此基础上对三种应用广泛的分类算法(基于像素的、面向对象的支持向量机及深度学习Mobile-Unet语义分割模型)开展了对比分析研究.结果表明:本文提出的联合地物光谱-纹理-空间信息的特征空间构建方法能够有效地描述城市不同类型植被的特征差异,提升影像分割、植被分类的精度;在分类精度上,基于像素和面向对象的支持向量机分类结果的总体精度均超过90%,深度学习方法的总体分类精度为84%;在算法效率上,传统机器学习方法也优于深度学习方法.因此,得出结论针对城市小区域、小样本的植被精细分类,传统机器学习分类方法比深度学习方法效果更好.
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号