保持分布特征与重要性意义的高程点选取方法

针对地形图上的高程点,提出了一种保持群分布特征与个体重要性意义的选取方法。一方面结合等高线表达上的地形特征、河流道路等重要地理目标区分个体高程点的重要性意义;另一方面基于Delaunay三角网及Voronoi图模型提取高程点群分布结构化特征,在此基础上评估单个高程点的选取概率,并以一种渐进式删除的方式实施选取。试验表明,该方法在保留具有重要性意义个体高程点的同时,也可以较好地保持原有的空间分布特征。     

基于SIFT的宽基线立体影像最小二乘匹配方法

提出基于对极几何和单应映射双重约束的SIFT特征多尺度加权最小二乘匹配算法。算法首先基于特征点的空间分布和信息熵选取一定数量的最优SIFT特征点集,并采用基于奇异值分解(SVD)的SIFT特征匹配、基于SIFT特征尺度和方位信息的自适应归一化互相关(NCC)匹配获得精度较高的初始匹配点用于立体像对的基本矩阵和单应矩阵估计。然后在对极几何和单应映射的双重约束下,基于自适应NCC及距离加权的多尺度最小二乘匹配算法进行扩展匹配并同时保留匹配定位精度较高的原始SIFT特征点对。算法综合应用基于积分影像的NCC快速计算、金字塔影像匹配等方法和策略。最后选取实际的宽基线序列立体影像进行试验并同原始的SIFT特征匹配算法、基于SVD的SIFT算法进行了综合对比分析。结果表明当影像间无显著亮度变化时该方法的匹配性能明显优于现有的方法。     

多尺度等高线簇拓扑关系定量表达方法研究

等高线拓扑关系定量表达对空间认知、地形特征挖掘、地图综合等至关重要。然而,已有研究多针对等高线树的生成及综合算法,缺乏等高线拓扑关系及其与尺度变化关系的定量表达,不同地貌类型其变化规律是否一致仍未知。为此,通过分带与投影转换、非闭合等高线拓扑检查与闭合及有向等高线树的构建等,发展了一种等高线拓扑关系定量表达方法。采用高山、中山、平原地貌60组多尺度等高线数据集,探究不同地貌类型的多尺度等高线拓扑指标及其随尺度变化规律的一致性。试验结果表明,相邻尺度等高线拓扑指标变化规律符合空间认知与推理,不同地貌类型多尺度等高线拓扑指标与尺度变化间关系可用同一个幂函数定量表达,该结论为基于多尺度空间相似关系等高线全自动综合的实现提供了理论支撑。     

基于菱形计盒分维估值计算的水深综合方法

文中提出一种基于菱形计盒分维估值计算的二倍数水深综合方法,对水深点群进行以菱形尺度单元进行分形计算,验证可行性;利用分维值确定目标比例尺下单位尺度内的压缩比,从而确定保留点数。该方法可以应用于快速确定综合目标点数,提高水深选取效率,且构建的菱形网可作为水深综合的参考网。     

采用3维Douglas-Peucker算法的等高线综合

在数字环境下进行等高线综合是制图综合领域中的热点问题.将3维Douglas-Peucker算法应用于等高线综合,是从真3维的角度提取等高线上的特征点.首先根据等高线上高程点的空间分布特征.提出采用空间线规则排序方法组织空间点;引入了全局孤独指数解决综合过程中等高线之间的空间跳跃问题;然后通过空间内插引绘综合后DEM的等高线,从而实现等高线的自动综合.初步实验表明,采用3维Douglas-Peucker算法的等高线综合,从全局上保持了主要地貌形态并抑制了破碎的微地貌特征,具有良好的综合质量和制图效果.     

扫描地形图等高线自动提取

扫描矢量化是地形图等高线数字化录入的一种常用方法,但现有的数字化方法存在一些不足:①无法处理公里网格线等干扰信息;②等高线密集区域识别困难。从扫描地形图的灰度信息出发,通过阈值过滤后将图像进行二值化处理,然后采用两边同步行走夹比取中矢量化算法进行栅格向矢量的自动转化,最后根据生成的线的长度信息将公里网格线一次删除。结果表明:基于线的长度信息可以去除95%以上的公里网格线;在地形起伏较大的山区可以自动提取80%以上的等高线,而其他相对平坦区域可自动提取95%以上的等高线,自动化程度高。     

基于三角网渐进式简化的等高线多尺度综合

提出了一种基于三角网渐进式简化的等高线多尺度综合方法,实验结果表明,其不仅可以较好地保留地形特征,而且可以完全避免等高线相交现象的产生.     

基于相对定向和三角形约束的近景影像匹配

针对近景影像自动相对定向过程中初匹配点对中误匹配率较大的情况,将基于三角形约束方法引入近景影像匹配.首先利用Harris算子提取特征点集,经初匹配后运用基于RANSAC方法和P-H算法的相对定向构建核线几何得到内点集,删除误匹配点生成同名Delaunay三角网;在同名三角形的约束下通过缩小Harris特征点阈值得到新内...     

基于弹性力学思想的河流等高线冲突自动处理方法

文中分析河流等高线冲突的自动处理方法,按照地图综合原理,提出基于弹性力学思想的河流、等高线冲突自动检测和纠正算法。该算法实现河流等高线的冲突探测,并对目标进行受力分析,运用平面杆件弹性体的受力变形模型,得到目标的位移量。该方法在纠正冲突的同时保证目标空间关系的正确,实验证明算法具有较高效率。     

线要素多尺度表达的一种新方法

本文依据多比例尺条件下矢量数据的绘制原理,提出了多尺度线化简与线选取方法。多尺度线化简算法依比例尺将空间坐标转换为像素坐标,根据像素坐标删除曲线中重合点与共线点,综合后的曲线与原始曲线在各比例尺下绘制结果相同;多尺度线选取算法利用仿射变换结果快速计算线要素之间的连通关系,然后渐进删除长度小于阈值的悬线与孤立弧段,保持了线要素的连通性。对不同类型数据的实验验证了本文算法的有效性和可行性。     

综合线面特征分布的点目标多尺度聚类方法

考虑空间数据分布的复杂性与不连续性,提出了一种点目标聚类方法。算法利用全要素Voronoi图准确识别与表达点目标与线面实体的空间相关性;根据点目标位置分布特征计算面积阈值来控制聚类的粒度,同时以空间尺度变化下面积阈值的恒定作为判断尺度收敛的条件,实现点目标的多尺度划分,时间复杂度为O(nlogn)。经试验验证,聚类尺度随点目标分布特征自适应收敛,算法无须自定义参数,能够有效地发现受线面目标约束的任意形态点目标集群,对异常值处理稳健。     

三维地形仿真中TIN数字高程模型的简化

研究了三维地形仿真中不规则三角网(TIN)的简化算法,提出了通过删除简化地形描述误差小于阈值的点,并对局部三角网进行重构进行简化的算法。该算法能较好地保留地形特征点,使简化后的地形与原地形保持最大的相似性。实验证明,本算法具有很好的简化效果和较高的效率。     

采用3D D-P算法的等高线三维综合实验研究

将等高线看作是由高程点以特定形式组织得到的空间三维线段,采用3维Douglas-Peucker算法从三维空间提取等高线上的主要特征点。根据等高线数据特点,对该算法进行等高线综合的几种方案进行实验讨论。实验结果和运算速度表明,采用3维Douglas-Peucker算法综合等高线具有广阔的研究前景。     

顾及几何特征相似性的多源等高线匹配方法

已有的多源等高线匹配方法主要基于等高线拓扑关系构建以及基于空间欧氏距离的相似性度量,缺少对等高线几何形态相似性的考虑,在等高线密集区域、图幅边界区域以及地形变化剧烈区域易产生误匹配情况。为此,本文提出一种基于几何特征相似性的由粗匹配到精匹配的多源等高线匹配策略。提出顾及局部特性的基于节点曲率以及法向量与横坐标轴夹角的混合特征描述测度,将等高线点序列转化为几何形态特征描述序列,引入最长公共子序列算法,量化计算多源等高线数据之间的相似程度,并依据相似度实现同名等高线匹配。利用模拟数据和真实数据对本文方法的可靠性和运行效率进行验证,试验证明,本文提出的匹配策略顾及了等高线空间位置特征和几何形态特征,能够保证较高的匹配精度和运行效率,并具有较好的适用范围。     

三维Douglas-Peucker算法的等高线间接综合方法研究

提出一种用三维Douglas-Peucker算法综合无格式离散点,再回放等高线,进而将其作为综合结果的等高线间接综合方法,并进行编程验证。初步试验证明,在主要地貌结构线辅助下,用该方法综合的等高线兼具几何精确性与拓扑一致性,且方法本身对等高线的输入输出形式适应性较强,具有良好的应用前景。     

注意力机制优化的倾斜影像局部特征匹配方法

针对倾斜影像匹配正确率低、匹配时间较长等问题，该文提出一种注意力机制优化的倾斜影像局部特征匹配算法。该算法以尺度不变特征变换(SIFT)特征为基础，通过特征点优选及深度学习匹配策略提高匹配正确率及效率。构建尺度空间进行SIFT特征点检测并确定主方向；根据地物反射光谱特性构建可见光植被指数，引入语义信息约束剔除不稳定特征点，并基于特征点邻域梯度统计值计算特征点描述向量；采用基于深度学习的注意力机制图匹配算法进行特征匹配，通过注意力机制图神经网络聚合特征点空间及上下文信息，再求解聚合后特征向量的最优部分分配矩阵，并基于阈值确定匹配点。利用不同类型无人机航空倾斜影像进行实验对比，结果表明，该文算法比现有算法匹配正确率有较大提升，匹配耗时明显降低。     

无人机影像匹配中尺度不变特征应用改进

针对尺度不变特征变换算法用于无人机影像匹配中存在匹配效率低下,误匹配较多等问题,该文提出一种特征点提取优化算法,并改进了特征点匹配策略。通过将原始影像划分格网,依据每个格网影像信息熵的大小来合理分配各格网中特征点数量,实现了基于纹理信息丰富程度的特征点均匀分布;基于Harris兴趣值进行筛选,保留了适合于摄影测量的特征点;采用一种多层次自适应的匹配策略,在尽可能保留正确匹配的同时提高了匹配正确率。基于一对由小型无人机拍摄影像的实验结果表明,所提方法在大量减少SIFT特征点的同时,保证较高的正确率,增加了匹配点的精度,且提高了算法效率。     

融合多特征深度学习的地面激光点云语义分割

针对当前点云语义分割研究对地面站激光点云特征利用不足、正确率较低的问题,该文提出了一种基于多尺度球形邻域特征的深度神经网络算法。该算法基于多尺度球形邻域计算的地面激光点云的粗糙度、高斯曲率,以及全方差、线性度等基于协方差的多种特征,结合XYZ坐标、RGB颜色、激光反射强度组成47维特征向量作为神经网络的输入,经过多组参数组合实验优化神经网络结构,最后通过softmax分类器输出每个点的类别。利用Semantic-3D测试集验证所提的深度神经网络模型,取得了较好的分类精度,总体正确率和平均交并比分别达到了86.6%和55.0%。实验结果表明,所提算法充分利用了地面站激光点云的特征,可有效提升语义分割的正确率。     

基于间接平差的ICP点云配准算法研究

点云配准精度是决定三维重建模型的质量因素之一,目前,最常用是ICP点云配准算法,经典的ICP算法易局部收敛,影响点云配准精度。本文提出基于间接平差的ICP点云配准算法,设定目标点集中目标点坐标与转入目标点集中的点坐标之间的距离阈值实现点云精确配准。通过与经典ICP算法对比可知,本算法在一定程度上提高了点云配准精度和速度。     

顾及建筑物屋顶结构的改进RANSAC点云分割算法

针对传统RANSAC点云分割算法在处理多层次、多面片的复杂建筑物中的困难,提出一种改进算法对建筑物点云进行分割和几何基元的提取。首先,结合基于坡度和高差的三角形区域生长方法,对复杂建筑物的不同结构层次进行分解,提高了随机采样时的有效模型命中率,并降低了错分现象;然后,提出一种浮动一致集阈值的RANSAC算法,通过自动调整RANSAC算法中的关键参数,使算法能够适应不同尺度的几何基元。实验证明了该算法在复杂建筑物点云数据分割效果和运算效率上的有效性。