摘要
本发明公开了一种基于优化后道格拉斯‑普克算法的岸线拟合方法,该方法通过卷积神经网络识别卫星遥感图像中像素点对应的类型为水域还是陆地,并通过类型为两者叠加的像素点构成原始岸线。而后识别岸线上的重要地形特征,并以重要地形特征为核心对岸线进行分块,之后针对每一块的岸线分别利用粒子群优化算法和适应度函数对道格拉斯‑普克算法阈值的候选解进行筛选,并将每个候选解作为阈值得出拟合结果,以拟合结果和原始岸线的特征相似度为衡量标准,找出每个块的最优值,再将所有块的最优值对应拟合结果进行拼合作为最终输出结果。本发明方法具有较高的自动化,有效避免了人工干预的主观性和随机选择的偶然性对最终结果造成的干扰。
技术关键词
像素点
地形特征
卫星遥感图像
粒子群优化算法
序列
卷积神经网络识别
关键点
陆地
数值
卫星图像数据
遥感图像处理
密度
识别工具
识别标记
分块
系统为您推荐了相关专利信息
退化特征
面向轨道交通
筛选方法
传感器缺陷
样本
集成神经网络
GRU模型
集成深度学习
ARIMA模型
皮尔逊相关系数
电力通信网
拓扑优化方法
粒子群优化算法
节点
通信站点
手术室耗材
物流配送管理系统
序列
智能运输车
激光雷达传感器