人工河网双重决策智能化选取方法

韩维涛; 任东宇; 高燕军; 周何帆; 罗浩; 向净云

您当前的位置：

首页 >

文章列表页 >

人工河网双重决策智能化选取方法

自然资源利用与监测 | 更新时间：2026-08-07

- 人工河网双重决策智能化选取方法
- 人工河网双重决策智能化选取方法
- 地理空间信息 2026年24卷第6期页码：41-45
- 作者机构：
  
  1. 中国地质大学,武汉
  2. 河北省制图院
  3. 自然资源部第三地理信息制图院
  4. 自然资源部数字制图与国土信息应用重点实验室
  5. 山东省地图院
- 作者简介：
- 基金信息：
  
  地图图融合更新和产品派生关键技术研究与应用（2026YFHZ0112）
- DOI：
  中图分类号： P208
- 纸质出版：2026
- 稿件说明：
移动端阅览
韩维涛, 任东宇, 高燕军, 等. 人工河网双重决策智能化选取方法[J]. 地理空间信息, 2026,24(6):41-45.

韩维涛, 任东宇, 高燕军, et al. 人工河网双重决策智能化选取方法[J]. 2026, 24(6): 41-45.
韩维涛, 任东宇, 高燕军, 等. 人工河网双重决策智能化选取方法[J]. 地理空间信息, 2026,24(6):41-45. DOI：

韩维涛, 任东宇, 高燕军, et al. 人工河网双重决策智能化选取方法[J]. 2026, 24(6): 41-45. DOI：

摘要

提出一种面向人工河网的智能化选取方法，基于深度学习模型和人机协同的双重决策，首先基于Half Edge模型生成平面有向图，构建Stroke模型，并使用图神经网络进行筛选，形成初始河网骨架；再根据专家经验通过人机协同方式进行微调，达到应用标准。实验表明，该方法实现了不同数据源、地理环境及制图用途下的自适应选取，兼顾语义信息与空间分布，显著提升数据缩编效率和数据库质量，具有良好的跨场景泛用性，可广泛支撑地图制作、地理信息服务等工作。

Abstract

关键词

Keywords

references

Jürgen Schmidhuber.Deep learning in neural networks: An overview[J].Neural Networks,2015.

Corinna Cortes,Vladimir Vapnik.Support-Vector Networks.[J].Machine Learning,1995.

翟仁健,武芳,邓红艳,朱鲲鹏.基于遗传多目标优化的人工河网自动选取模型[J].测绘学报,2008(01).

武芳,谭笑,王辉连,翟仁健.顾及网络特征的复杂人工河网的自动选取[J].中国图象图形学报,2007(06).

马超,熊顺,蒋丹妮.图卷积神经网络在道路网选取中的应用[J].测绘科学,2022(12).

朱余德,杨敏,晏雄锋.利用图卷积神经网络的道路网选取方法[J].北京测绘,2022(11).

罗浩,任东宇,周启,文学虎,车一鸣.层次化表达模型辅助的导航与制图道路网匹配方法[J].测绘科学,2023(10).

罗浩,廖顺华,周何帆,程灵雅,邓维熙,张璇.城市全域道路多级自动选取方法[J].地理空间信息,2025(06).

车一鸣,邓维熙,冯飞军,张静静,卢文渊,任东宇.耦合机器学习与连通性修正的河流选取模型[J].地理空间信息,2025(09).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进SegNet模型的冬小麦种植分布提取

一种基于PC-LSTM的GNSS场景识别方法

基于多源遥感影像的新增农村乱占耕地建房监测方法

顾及季节影响的无人机影像水稻田提取方法

时间序列与深度学习模型相结合的冬小麦种植信息提取