您的位置: 专家智库 > >

刘萌萌

作品数:4 被引量:25H指数:3
供职机构:中国科学院更多>>
发文基金:国家自然科学基金交通部西部交通建设科技项目更多>>
相关领域:自动化与计算机技术天文地球轻工技术与工程更多>>

文献类型

  • 4篇中文期刊文章

领域

  • 2篇自动化与计算...
  • 1篇天文地球
  • 1篇轻工技术与工...

主题

  • 3篇遥感
  • 2篇遥感影像
  • 2篇公路
  • 1篇道路提取
  • 1篇地震
  • 1篇地质
  • 1篇地质灾害
  • 1篇多尺度
  • 1篇遥感影像分类
  • 1篇遥感影像特征
  • 1篇影像
  • 1篇影像分类
  • 1篇影像特征
  • 1篇灾后
  • 1篇灾情
  • 1篇智能纤维
  • 1篇柔性机器人
  • 1篇土地覆盖分类
  • 1篇纹理
  • 1篇纹理特征

机构

  • 2篇中国科学院
  • 2篇交通运输部
  • 2篇中国科学院遥...
  • 1篇湖南省交通规...
  • 1篇中南大学

作者

  • 4篇刘萌萌
  • 3篇刘亚岚
  • 2篇任玉环
  • 1篇孙国庆
  • 1篇吴忠宜
  • 1篇彭立
  • 1篇刘珠妹
  • 1篇许清
  • 1篇刘向龙
  • 1篇张怀珍
  • 1篇张勇

传媒

  • 2篇遥感技术与应...
  • 1篇纺织科学研究
  • 1篇自然灾害学报

年份

  • 1篇2020
  • 1篇2014
  • 2篇2013
4 条 记 录,以下是 1-4
排序方式:
基于灾后遥感影像特征的公路灾害检测方法被引量:8
2013年
山区公路往往面临多种地质灾害的威胁,这些地质灾害往往对公路的通行能力、行车人的安全以及公路的维护造成严重的影响,甚至造成巨大的财产损失和人员伤亡。为了及时、科学地部署应急救灾工作,有效降低灾害影响,迫切需要对公路灾害进行快速调查为其提供辅助决策信息。遥感技术具有宏观、快捷、直观、动态的特点,适用于大范围灾害的动态监测和调查。通过分析公路遥感影像特征,研究提出了适用于不同数据获取情况的3种公路灾害检测方法,即基于灾害识别、基于图像灰度均值与基于公路断点识别的公路灾害检测方法。试验证明,这些方法切实可行,快速有效,为缺少灾前遥感影像数据情况下的公路灾害快速检测提供了技术支撑,对交通应急救援具有实际应用价值。
任玉环刘亚岚张勇刘珠妹刘萌萌
关键词:公路灾害影像特征道路提取
智能纤维创新应用的三大方向
2020年
当前,人工智能、物联网、柔性机器人、新能源等技术飞速发展,将新技术应用到纤维中,实现从传统纤维到功能纤维、智能纤维、大纤维和未来纤维的跨越是人们的梦想。智能纤维对传统是颠覆的,同时,智能纤维对传统是汲取的。古代中国的纤维和丝绸轻柔华美,极具中国特色和美感。我们从古代蜡染、扎染和纺纱技术汲取灵感,学习古人美学表达和设计感知,结合新时代可穿戴技术、纳米技术、计算机技术、美学设计应用于智能纤维。
刘萌萌
关键词:智能纤维纺纱技术计算机技术柔性机器人美学设计
四川省芦山“4·20”7.0级地震公路灾情遥感监测评估被引量:4
2013年
四川省芦山"4·20"7.0级强烈地震发生后,次生地质灾害造成多处公路损毁,快速、准确地监测公路灾情,是应急救灾一项基础而重要的工作。遥感影像信息提取是获取公路灾情的一种有效途径。利用震后机载航空影像与国产卫星影像,结合交通运输部相关基础数据,对公路灾情开展了监测与评估。在公路周边共发现433处地质灾害点,灾害类型以崩塌为主。其中对公路已造成影响的灾害点197处,损毁公路总长度约10km。另有潜在危险性较大的灾害点63处,对公路构成严重威胁,需注意加强防范。经实地验证,公路灾情信息提取结果真实可靠。信息提取与分析结果已分别在震后第二天和第三天上报到交通运输部,为高效地组织开展公路抢修保通提供了科学的依据。
任玉环许清刘萌萌刘向龙吴忠宜张怀珍刘亚岚
关键词:地质灾害遥感
结合纹理特征的SVM样本分层土地覆盖分类被引量:13
2014年
支持向量机(SVM)分类在精度、泛化性、高维数据处理等方面都具有较强的优势,在遥感影像分类中也得到了广泛应用。由于遥感影像"同物异谱"和"异物同谱"现象的影响,结合纹理特征提高SVM分类精度已成为遥感应用研究的热点。但不同尺度的纹理特征突出的信息不一,在同一尺度上难以区分的地物在多尺度空间则更容易区分,因此,采用多尺度纹理特征进行SVM分类,并从分类样本和纹理特征的选取两个方面探讨SVM土地覆盖分类的方法。首先,以ALOS影像为例,通过灰度共生矩阵提取不同尺度、不同方向的几种纹理特征;然后在光谱分类结果基础上,借助地类特征曲线,选取有效的多尺度纹理特征,最后进行样本分层分类。样本分层分类是选取首层样本进行分类,再从"漏分和错分"地块中选取新样本加入到首层样本中,得到第二层样本并对整个影像进行分类;用同样的方法选出第三层样本或更高层样本进行分类,直到结果满意为止。结果表明:该方法比仅用光谱特征的SVM分类总精度提高了8.11%,Kappa系数增加了0.11。其中,纹理特征的引入使分类总精度提高了4.13%,且对纹理特征较明显的地类更有效;采用样本分层后的分类总精度进一步提高了3.98%,且各单一地类的精度也都有不同程度的提高。借助地类特征曲线选择合适的纹理特征具有一定的可行性,并且采用样本分层的方法能够提高SVM分类的精度。
刘萌萌刘亚岚孙国庆彭立
关键词:纹理特征SVM遥感影像分类多尺度
共1页<1>
聚类工具0