联合迭代重构算法在对流层水汽三维重构中的应用研究

通过数值模拟仿真将SIRT算法应用于水汽层析过程,结果显示该算法可以较好地重构水汽的空间分布,并且不受观测方程性质的影响,收敛较快,较之求逆的层析算法更易于实现。     

一种附加尺度因子的电离层层析新方法

用乘法代数重构方法反演电离层电子密度时，没有GPS测量射线穿过的电离层网格的反演精度依赖于迭代初值。就此，提出一种改进的代数重构算法--附加尺度因子的代数重构算法（Scaling-ART）。将实测STEC与迭代中当前电子密度计算的STEC的比值作为基本尺度，依据电子密度的空间相关性和网格中心到观测射线的距离，对没有信号穿过的网格也计算出对应尺度进行调整，使其向真值逐渐逼近，提高反演精度。实验证实，改进的新算法相比于原有的乘法代数重构算法能够取得更好的反演精度。     

基于分组排序的水汽层析约束ART算法

通过研究影响代数重构方法的因素,如松弛因子、投影次序、停止规则、非负约束,针对水汽层析方程组的特点,提出一种基于分组排序的水汽层析约束ART算法（WVTART）,并给出投影排序的去相关原则。实验分析证明,WVTART算法提高了收敛速度以及层析结果的精度。     

组合GPS/GLONASS观测数据的三维水汽层析

基于香港卫星定位参考站网（SatRef）15个测站共6 d的数据,联合GPS和GLONASS进行对流层三维水汽层析实验。结果表明,相比GPS单系统,GPS/GLONASS组合系统能显著增加信号穿越的网格数量,提高层析水汽分布的精度,平均改善率为36%。     

地基GNSS水汽层析的自动垂直非均匀分层方法

结合GNSS水汽层析算法的假设条件以及水汽密度随高程变化的特点,通过设置水汽密度随高度变化的合理阈值,提出一种地基GNSS水汽层析的自动垂直非均匀分层方法。利用香港地区连续6 d的GNSS观测数据,分别采用自动垂直非均匀分层方法和传统垂直均匀分层方法开展区域GNSS水汽层析实验,并以ECMWF数据为参考进行精度验证。结果表明,采用自动垂直非均匀分层方法进行GNSS水汽层析得到的大气湿折射率的偏差均值和均方根误差（RMSE）的均值分别为3.9 mm/km和4.6 mm/km,相对于垂直均匀分层方法减小约20.4%和23.3%。     

GPS/GLONASS组合精密单点定位技术在三维水汽层析中的应用

提出利用GPS/GLONASS 组合精密单点定位反演水汽的三维分布信息,并选用中国香港地区的12个CORS站6 d的观测数据以及相应的COSMIC掩星产品共同进行试算。结果表明,与GPS精密单点定位相比,组合GPS/CLONASS 〖JP3〗精密单点定位反演水汽三维分布时,穿越层析网格的数目提高18%,精度提高约10%。     

结合三维边缘特征约束的网格模型优化方法

对于具有复杂几何结构特征的建筑物,三维网格模型重建结果易存在表面扭曲、边缘特征平滑的问题,无法较好地反映重建目标的真实信息。针对上述问题,本文提出一种结合三维边缘约束的网格模型优化方法。该方法以OpenMVS算法得到的初始网格为基础数据,利用变分原理构建能量函数,将网格模型优化问题转换为能量函数最小化问题。首先,从多视图像中提取三维边缘点,以三维边缘点构成的边缘轮廓来定位网格模型边缘区域;接着,利用灰度一致性测度构建数据项,利用顶点自身曲率构建平滑项,利用三维边缘轮廓约束构建附加约束项,将3个约束项构建为一个总体能量函数;最后,采用梯度下降法迭代求解总体能量函数最小值,将梯度变化量分配到网格模型的顶点上来驱动网格形变,以此优化模型。选取Strecha数据集中两个真实室外场景和ETH3D数据集中一个真实室内场景进行优化实验,使用ETH3D评估框架对实验结果进行评估。结果表明,经本文算法优化后的网格模型完整度和精度最高为89.76%、94.45%,本文算法在解决复杂几何结构建筑物模型边缘优化问题的基础上,提高了建筑物模型的准确程度。     

利用ERA-Interim再分析资料优化地基GNSS水汽三维层析

利用ERA-Interim再分析资料对地基GNSS水汽层析中几个关键技术进行优化。首先利用ERA-Interim提供的大气产品建立同时顾及时间及地表温度参数的区域性大气加权平均温度模型；然后根据ERA-Interim提供的高垂直分辨率的水汽产品，分析“水汽层层顶”随时间变化的规律；最后提出一种新的划分垂直方向层析网格的方法。选取我国香港地区的12个CORS站2014-06的观测数据进行试算，结果表明，与探空资料相比，6 km高度以下优化后的层析结果相比传统层析结果精度提高了12%，在6 km高度以上提高了17%。     

基于地基GNSS观测数据的贵州高原地区水汽层析精度分析

利用精密单点定位(PPP)技术处理贵州地基GNSS观测数据,获得高精度天顶对流层延迟(ZTD),进而开展水汽反演获得大气可降水量(PWV)产品。基于斜路径可降水量(SWV),使用自适应联合代数重构算法进行三维水汽层析,空间分辨率优于30 km×30 km,时间分辨率为5 min。以无线电探空数据为参考评估ZTD和PWV精度,其RMS分别为3.55 mm和1.03 mm。以ERA5再分析资料为参考评估三维层析精度,无暴雨发生时,三维层析相对误差不超过10%,偏差最大值为1.03 g/m³。以无线电探空数据为参考评估三维层析精度,层析结果与无线电探空数据的相关系数在0.97以上,具有较好的一致性。贵阳站和威宁站的平均RMS分别优于0.5 g/m³和1.2 g/m³。     

GNSS水汽层析的约束条件方程变权代数重构算法

基于传统代数重构算法（algebraic reconstruction technique, ART）提出一种约束条件方程变权的代数重构算法(variable weight algebraic reconstruction technique, VWART),利用2019-08香港地区CORS网GNSS观测数据进行实验,选用京士柏探空气象站探空数据进行验证分析。结果表明,相比于传统代数重构算法,变权代数重构算法的精度、稳定性和可靠性均有所提高。以探空数据为例,其RMSE降低20.334%;在不同程度降水条件下,变权代数重构算法反演的垂直水汽廓线分布均优于传统代数重构算法。     

多值体素连通区域构建下的机载LIDAR数据三维平面提取

针对现有的面向机载LIDAR数据的三维平面提取算法存在的基于离散激光点设计导致算法设计困难、仅利用几何特征的一致性导致的在平面平滑过渡区域易产生错误提取的问题,本文提出了一种多值体素连通区域构建下的机载LIDAR三维平面提取方法。该算法基于体素结构设计且综合利用了机载LIDAR数据的几何、激光反射强度信息,将传统的平面特征点聚类转换为基于体素的连通区域构建及空间约束下的反射强度值统计,给出了机载LIDAR点云数据的多值体素结构构建方案及其在此基础上的平面提取方案,有助于基于多值体素模型理论的机载LIDAR点云数据处理及应用的发展。算法具体实现过程为：① 将机载LIDAR点云数据规则化为多值体素结构,其中,体素值为体素内激光点的平均激光反射强度、曲率及法向量;② 在体素结构DSM数据中,选取小曲率体素作为种子,并标记与其空间连通且法向及激光反射强度均一致的连通区域为平面;③ 在体素结构非DSM数据中,将位于连通区域轮廓缓冲区内的激光反射强度满足统计特性的体素标记为平面。本文采用ISPRS提供的机载LIDAR实测数据测试提出算法的精度。定量评价的结果表明本文提出方法的质量和Kappa系数分别可达92.5%和89.4%,与传统仅采用几何特征的区域生长算法相比质量及Kappa系数分别提高了9.68%和11.62%。     

一种灰度体素结构分割模型下的机载LiDAR 3D滤波算法

针对现有的基于机载LiDAR数据的滤波算法未能充分利用数据提供的所有信息及其所采用的数据结构表达复杂、存在信息损失等缺陷,提出了一种灰度体素结构分割模型下的机载LiDAR 3D滤波算法。算法首先以综合利用机载LiDAR数据的高程及强度信息为目的将点云数据规则化为灰度（体素内激光点的平均强度的离散化表示）体素结构,然后基于各体素间的空间连通性和灰度相似性准则,将灰度体素结构分割并标记为若干个3D连通区域,最后依据地面与其它目标的高差特性提取与其对应的3D连通区域。算法优势在于:基于体素结构设计,为3D滤波算法;综合利用了地面目标的几何及辐射特征,对比传统滤波算法可应用于更复杂的场景;滤波结果为3D地面体素形式,可直接用于创建地面3D模型。实验采用国际摄影测量与遥感协会（International Society for Photogrammetry and Remote Sensing, ISPRS）提供的不同密度的机载LiDAR基准测试数据测试了邻域尺度参数的敏感性及提出的算法的有效性,并和其他经典滤波算法做对比。定量评价的结果表明,51邻域为最佳空间邻域尺度;点云密度为0.67点/m²的数据集1的滤波平均完整率、正确率及质量分别为0.9611、0.9248及0.8934;点云密度为4点/m²的数据集2的滤波平均完整率、正确率及质量分别为0.8490、0.8531及0.7404;对比其全经典滤波算法本文算法在高密度点云数据滤波时表现更佳。     

基于改进RANSAC算法的复杂建筑物屋顶点云分割

屋顶模型重建影响到建筑物完整模型重建质量,屋顶面点云分割质量对屋顶模型重建具有重要意义。针对传统RANSAC算法在屋顶点云面片分割时易产生错分割、过分割等问题,本文顾及点云位置信息,提出一种对点云重新分配的改进RANSAC点云分割算法。算法暂时剔除非平面内点,选取平面内点集中3个点作为初始样本,平面拟合判定邻域是否有效,从有效邻域中选取标准差值最小的3个点为初始模型。利用RANSAC算法对屋顶点云进行分割。利用K近邻算法统计误分类点与面片的距离降低误分类,优化过分割面片并进行连通性分析,利用距离及法向量一致性检验的方法重分配非平面内点。为验证本文算法有效性,选取芬兰Helsinki地区的3栋相互独立的复杂建筑物屋顶以及上海某小区的6栋建筑物群屋顶作为实验数据。在2组数据中,本文提出的改进RANSAC算法分割屋顶面片的平均准确率分别为92.17%、87.82%,78%的建筑物屋顶不存在过分割。在第2组数据中,所有分割面片上的点与其对应的最佳拟合平面的距离的标准差的平均值为0.030 m。实验结果表明,本文算法分割建筑物屋顶面片的准确率较高,较好的抑制了过分割现象,且抗噪能力强。     

基于F-范数的不确定性平差模型的解算方法

为提高基于F-范数的不确定性平差模型的解算效率，给出直接迭代算法进行参数估计。该算法无需SVD，解算过程简单且易于编程计算，同时给出迭代不收敛时的SVD-解方程算法。二元线性拟合及沉降观测AR模型的算例结果表明，这2种算法正确可行，与SVD-迭代算法具有等价性。当迭代收敛时，宜使用直接迭代算法，收敛速度更快，解算效率更高；当迭代不收敛时，可釆用SVD-解方程算法。     

基于线激光扫描的岩石激光钻孔的三维重建和可视化

激光钻进岩石形成的钻孔的孔形较为复杂,具有较小的孔直径和较高的孔壁粗糙度,使得利用传统方法进行钻孔尺寸的测量较为困难。为了精确钻孔测量和方便孔形研究,提出了一种基于线激光扫描及逆向建模的钻孔建模方法。首先,搭建了线激光扫描平台,建立了空间坐标系,以获取钻孔的三维坐标,构建了钻孔的初始点云数据。其次,在MATLAB中对获取的点云数据进行无效点移除及多视角点云配准,其中,无效点移除利用顺序查找法实现,多视角点云配准则基于迭代最近点（ICP）算法,包括初始配准和精确配准两个阶段。最后,基于Delaunay三角网格划分及曲面重建算法,实现了钻孔模型的重建和可视化。此外,还采用滴液法和切割法进行实际钻孔容积值测量及钻孔轮廓线获取,并与由点云重建的钻孔模型上获取的测算结果进行对比分析,以验证所述方法建立的钻孔模型的精度。结果表明:重建的钻孔模型与实际钻孔之间的误差小于4%,重建的模型能够满足激光岩石钻进钻孔的测量要求,证实了所述方法的可行性。与传统测量方法相比,所述方法属于非接触、非破坏性方法,可重复性测量。      

基于云模型和FCM聚类的遥感图像分割方法

模糊C均值算法由于具有良好的聚类性能而被广泛应用于图像分割领域,但聚类中心的初始化问题一直影响着该算法的运行效率。好的初始聚类中心,可以使算法很快收敛于最优解,而不合适的初始聚类中心,不仅需要更多的迭代次数,而且还可能使算法最终收敛于局部最优解。文章结合云模型和FCM(模糊C均值)聚类算法,提出了一种遥感图像分割的新方法。利用云变换解决模糊C均值聚类算法的初始化中心选择问题,可以根据样本特性自动确定聚类中心值及个数,并以较少的迭代次数收敛到全局最优解,提高了模糊C均值遥感图像分割方法的效率,具有较好的稳定性和鲁棒性。文章选取三幅TM遥感图像作为样本,分别利用云模型的FCM方法和传统的FCM方法对样本进行分割实验,实验表明采用云模型的FCM方法不仅能够取得较好的分割效果,而且大大减少了使算法收敛的迭代次数,提高了分割的效率。     

部分不确定性平差模型的迭代算法

为提高部分不确定性平差模型的解算效率,直接采用迭代算法进行求解。讨论了迭代不收敛时的解算方法。算例表明,该部分不确定性平差模型的迭代算法是可行的,解算效率更高、稳定性更好。     

强度体元基元下的机载LiDAR 3D滤波

针对现有基于二值体元基元的机载LiDAR三维（3 Dimensional, 3D）滤波算法仅利用了数据的高程特征、无法区分相连的地面和非地面目标的问题,提出了一种基于强度体元基元的机载LiDAR 3D滤波算法。首先,基于计算几何理论,将机载LiDAR数据规则化为强度（体元内激光点的量化平均反射强度值）体元结构。然后,基于3D连通区域构建理论,选取局部高程最低的非0值体元为地面种子进而搜寻并标记与地面种子,空间连通、反射强度及坡度值均接近的连通区域内体元为地面体元。算法综合利用LiDAR数据的高程、反射强度及坡度特征,支持相连但强度不同的地面和非地面目标的区分,为相连的地面和非地面目标的精确区分提供更有效的信息。算法有助于提高滤波精度,并扩展基于体元基元的3D滤波算法适用于更复杂的场景。实验基于ISPRS提供的专门用于滤波算法测试的LiDAR点云数据测试了“空间邻域尺度”参数的敏感性及提出算法的精度。定量评价的结果表明：51邻域为最佳邻域尺度;提出算法的平均Kappa系数在相对平坦、陡坡及不连续地形分别为0.9380、0.7749和0.6866;从总误差测度来看,提出算法对比经典的Axelsson算法改进了15个样本中的7个样本精度,且其对比其他二值体元基元下的滤波算法平均总误差最低。     

基于先验HMRF的MAP分块超分重建方法

针对高光谱图像应用最大后验概率（Maximum A Posteriori, MAP）超分重建后细节信息丢失严重问题,本文提出一种基于先验Huber马尔科夫随机场（Huber Markov Random Field, HMRF）模型的MAP分块超分辨率重建算法,以期提高图像超分重建质量。首先,利用主成分变换获取图像域的主要成分,在此基础上采用样条插值得到初始迭代图像;而后将初始图像域分为若干子块,在每个子块图像域上建立具有自适应阈值的HMRF模型,并结合子块图像域的保真项构建目标函数,采用梯度最快下降法求解此函数得到超分子块图像,将其重组,进而与插值后的次要成分图像相结合,最后应用主成分逆变换方法得到最终的高分辨率图像。为了验证本文算法的有效性与优越性,分别对模拟和真实图像采用本文方法和具有代表性的Tikhonov、总变分及传统HMRF模型超分重建方法进行实验对比,其中本文方法重建结果在峰值信噪比和结构相似性定量评价方面明显优于其他方法重建结果,在定性评价方面边缘结构及细节信息也更加明显,表明本文算法较为突出。