摘要：基于数字线划图和真正射影像可以自动生成大量满足深度学习要求的样本数据,但是其中存在部分错误信息,会导致神经网络模型训练难度加大,并且限制地物提取精度提升。因此,提出一种基于选权迭代的样本数据自动清洗方法,首先构建数据清洗深度神经网络模型,并给出基于选权迭代的网络训练方法,该方法打破传统网络模型训练时认为所有样本对损失函数计算权重相同的假设,利用数据清洗网络模型训练过程中样本预测精度作为样本权重并带入网络训练中,再通过迭代训练不断更新样本权重,最终将权重低的样本剔除,以实现自动数据清洗和样本库精化。使用数据清洗前后的样本库,对5种经典语义分割网络模型进行训练和精度对比实验,结果表明,利用数据清洗后的样本库训练模型,建筑提取精度平均提高2.36%,道路提取精度平均提高3.48%,水体提取精度平均提高1.88%,证明提出的数据清洗方法可以有效提高网络模型的提取精度。

摘要：提出了利用移动三维激光扫描技术进行盾构隧道维保监测的思路,并在实际运营地铁盾构隧道维保工作中进行了应用。实测结果表明,该技术能准确测量出盾构隧道水平直径,并体现其变化过程,适用于运营期地铁隧道的维保监测。

摘要：对三维激光扫描技术在隧道形变监测中的应用进行了初步研究。实验使用Leica Scan Station P40三维激光扫描仪对常州地铁1号线隧道进行扫描,将处理后的点云数据通过徕卡隧道形变监测系统进行隧道断面净空计算。将利用三维激光扫描技术得到的隧道断面成果与利用传统全站仪测量得到的隧道断面成果进行对比,讨论并分析三维激光扫描技术在隧道形变监测中的技术优势和存在的问题,对三维激光扫描技术在隧道形变监测中的应用具有指导意义。

摘要：针对高分一号卫星(GF-1)影像进行辐射特征的质量评价研究。通过设计同步观测实验,得到目标区域的同步观测卫星影像数据、大气与太阳光照数据和地面光谱数据;利用值域、均值和标准差等灰度特征指标以及对比度、清晰度、信息熵和角二阶矩等纹理特征指标评价GF-1影像的整体质量。实验结果表明:GF-1影像能较好地区分不同的地物类别,反映不同地物的空间特征和结构差异;整体信息的丰富程度和地物特征表现能力上能满足一般的使用需求,使用时可根据需求选用不同波段的影像来满足实际需要。