Delaunay三角网的鄱阳湖水陆地形数据整合研究

针对如何提高水域的综合开发管理能力,实现水陆一体化地形整合的问题,该文在原有DEM格网数据整合的基础上,提出利用基于约束边Delaunay三角网方法进行水陆地形数据整合的方法,即利用迭代交换法实现约束线的嵌入,从而构建约束Delaunay三角网。以鄱阳湖为研究区域,以DEM格网数据和鄱阳湖岸线矢量数据为数据源,利用约束Delaunay三角网方法,创建基于岸线的Delaunay三角网,实现水陆地形无缝整合。实验结果表明,与利用DEM规则格网数据拼接方法进行比较分析,得出在岸线约束条件下构建的Delaunay三角网能更好地表达边缘处地形数据的整合,平滑效果较好。     

基于骨架特征的多光谱遥感影像飞机目标识别方法研究

飞机目标的自动提取,是信息处理领域的重要研究内容。提高飞机目标的识别率,可以准确的把握区域动态,为相关决策提供支持。由于数学形态学特征和复杂几何结构等特征相对抗干扰性较强,而骨架线由地物的边界形态决定,不受其他因素影响,具有良好的稳定性。据此,研究选取香港机场多光谱遥感影像作为实验数据,基于骨架线几何特征参数与网络测度,提出了一种由多光谱遥感影像自动提取飞机目标的方法。研究选择基于边缘的多光谱遥感影像分割方法,提取矢量地物边缘;基于约束Delaunay三角网自动提取地物骨架和主骨架;通过选取对飞机目标识别具有良好区分度的特征参数,最终实现飞机目标的自动识别与定位。     

基于SIFT的特征均匀提取改进研究

针对现在基于图像的三维重建面临的图像数据尺度不一和影像分辨率增高特征点增加两个问题,本文提出了基于SIFT的尺度均衡和均匀限制特征点数量的改进策略,通过采用给定特征点数量的方法来控制影像提取特征点的数量.同时根据高斯尺度增大与提取特征点数量成反比的特性,通过构建尺度与特征点数量的比例系数和给定特征点数量就可以获得影像的不同高斯尺度上提取的特征点数量.通过对影像进行格网划分,将提取特征点数量分配到每个格网.通过控制格网提取特征点数量的控制,可以在控制特征点提取数量的同时,获得更为均匀的特征点分布.实验证明,本文改进算法与SIFT算法相比,尺度分布更加均匀,空间分布的比例系数有30％左右的提升,提取特征点匹配的正确率有5％的提升,因此,本文改进算法在基于图像的三维重建中有一定程度的应用价值.     

基于格网划分的海量数据Delaunay三角剖分

提出基于格网划分、面向海量数据的Delaunay三角剖分方法,它首先把数据集划分为若干格网块,按照格网划分的逆序对每个格网块采用基于自适应格网划分的分割-合并算法进行Delaunav三角剖分,把格网块Delaunay三角网中不受边界影响的三角形进行存储并释放内存,然后顺序合并相邻格网块Delaunav三角网,形成全局或类全局Delaunay三角网.该方法对计算机硬件配置要求较低,适合于并行处理,可以实现面向海量数据的Delaunay三角剖分.     

基于水平集的海岛（礁）提取

提出了适合航空影像区域分割的水平集运算策略,将原始影像首先进行格网分类,对分类后的海岸线格网进行水平集运算提取精确海岛（礁）边缘,并采用多核编程策略提高运算效率。实验表明该方案效果理想,能够正确提取海岛（礁）区域。     

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。     

一种顾及地形特征的DEM内插方法

Delaunay三角网是表示地形的一种常用方法 ,在DEM内插中也有着广泛的应用。文中利用自适应分块技术进行Delaunay三角网的快速构建 ,实现了基于Delaunay三角网的DEM规则格网快速内插 ,内插结果能较好地顾及地形特征且反应地表的真实形态     

一种顾及地形特征的DEM内插方法

Delaunay三角网是表示地形的一种常用方法,在DEM内插中也有着广泛的应用.文中利用自适应分块技术进行Delaunay三角网的快速构建,实现了基于Delaunay三角网的DEM规则格网快速内插,内插结果能较好地顾及地形特征且反应地表的真实形态.     

基于自适应格网划分的遥感影像感知哈希认证算法

针对遥感影像大数据量和信息分布不均匀的特点,提出了一种基于自适应格网划分的遥感影像感知哈希算法,并将其用于遥感影像的完整性认证。该算法基于自适应策略对信息丰富的影像区域进行粒度更细的完整性认证,首先对原始影像进行波段融合,然后根据信息熵对波段融合结果进行自适应的格网划分,最后提取格网单元的局部特征构造感知哈希序列。影像接收端通过收到的感知哈希序列实现影像的认证。实验表明,本文算法能够识别遥感影像局部细节篡改,并对保持内容不变的操作具有鲁棒性,实现了遥感影像基于内容的完整性认证。     

鄂尔多斯块体东北缘垂直形变速率等值线精度评定

为进一步分析并评定基于三角网提取的鄂尔多斯块体东北缘垂直形变速率等值线的精度,本文结合基于格网提取的同区域垂直形变速率等值线,分别从数字高程模型(Digital Elevation Model,简称DEM)建立与等值线提取两个角度对研究成果的精度进行对比分析,进而综合两个角度对两种方法提取的垂直形变速率等值线精度进行了差值比较。结果表明,在等值线基值与等值距都相同的条件下,研究区域垂直形变三角网的平均坡度较大,利用三角网提取的垂直形变速率等值线其精度相对较高。     

一种新型遥感影像快速匹配算法(英文)

An iterative algorithm to calculate mutual correlation using hierarchical key points and the search space mark principle is proposed. An effective algorithm is designed to improve the matching speed. By hierarchical key point algorithm and mutual correlation coefficients of the matching images, the important points can be iteratively calculated in the images hierarchically, and the correlation coefficient can be obtained with satisfactory precision. Massive spots in the parameter space which are impossible to match can be removed by the search space mark principle. Two approximate continuities in the correlation image matching process, the image gray level distribution continuity and the correlation coefficient value in the parameter space continuity, are considered in the method. The experiments show that the new algorithm can greatly enhance matching speed and achieve accurate matching results.     

图像相关匹配算法的快速实现

结合分级关键点互相关迭代法与搜索空间标记法,设计了一种有效提高图像相关匹配速度的算法。其中分级关键点互相关迭代算法快速实现了由重要到不重要像素点的逐级迭代互相关匹配计算,算法在保证精度的前提下可以随时结束并输出相关匹配值;而搜索空间标记法则能快速排除掉大量参数空间内不可能匹配的点。实验证明,这种算法能在正确配准图像的前提下大幅度提高匹配速度。     

一种改进的自适应遗传算法在影像匹配中的应用

影像匹配是计算机视觉及数字摄影测量的核心问题。基于遗传算法的全局寻优特点及影像匹配的具体特点,本文将遗传算法引入到遥感影像的匹配定位中。针对遗传算法中变异概率、交叉概率在实验中始终保持不变的缺点,本文利用Fibonacci数列对基于遗传算法的影像匹配进行了自适应改进。实验结果表明这种方法可以产生一个快速而且可靠的匹配结果。     

线要素任意范围接边算法的设计与实现

本文在深入分析传统接边算法的缺陷后,提出了一种高效的任意范围接边算法。该算法通过对参与接边的要素类进行2次筛选,提取参与接边的要素,有效缩短了算法的执行时间;为了按照接边要素的空间邻近关系进行接边匹配,将接边要素和接边线的交点与接边线首点间的折线距离作为键值对接边要素信息进行排序,提高了接边匹配效率,并且能准确处理在接边线节点处接边的情形。并通过武汉市等高线数据更新的接边处理试验,验证了该算法的高效性与正确性。     

自然语言理解的中文地址匹配算法

地址匹配算法是位置服务的核心关键技术,具有广泛应用前景。在分析现有三类主要的中文地址匹配算法——要素层级匹配法、全文检索法、正则表达式法的基础上,本文提出了基于自然语言理解的中文地址匹配算法。在这个新算法中,建立了空间关系地址模型以解决中文地址抽象问题、地址库逻辑模型以解决地址信息的空间知识表达问题。新算法的完整流程包括 “预处理”、“地址解析”、“地址要素标准化”、“推理匹配”和“匹配登记”等五个环节,本文重点阐述了“地址解析”和“推理匹配”这两个重要环节,分别依据“自然语言理解”中的“中文分词”和“语义推理”原理,对用非结构化的中文自然语言来描述的中文地址进行处理,实现自然语言理解方法与地址匹配之间的结合,从而建立完整的基于自然语言理解的中文地址匹配算法。为验证该算法,开发了“中文地址智能匹配实验系统”,对河南省濮阳市人口库1000条居民地址数据进行匹配,匹配率达到了95%,准确率高于93%。     

基于改进粗糙集和NSCT的红外遥感图像增强

提出了一种基于改进粗糙集和NSCT的红外遥感图像增强方法。该方法首先利用NSCT对图像进行分解,得到多层多方向子带系数;然后根据相邻尺度和不同方向的子带中图像噪声、脆弱边缘等不同成分的系数分布,使用粗糙集对其进行分块,并制定合理的决策规则;再通过集合运算对系数中不同子块采用不同的处理方法,一方面抑制噪声,另一方面保护图像中的脆弱边缘结构,并采用增强函数对其进行不同程度的增强;最后对处理过的NSCT系数进行重构,获得增强后的红外图像。实验表明,该算法相对于其他传统红外遥感图像增强算法具有较好效果。     

利用改进的DCCD和SIFT描述符的影像匹配方法

提出一种基于改进的DCCD(double-cirele-based corner detector, )和SIFT(scale invariant feature transform)描述符的影像匹配方法。在特征点检测阶段,首先采用改进的DCCD快速检测影像上的关键点,然后确定关键点的主方向,生成特征点。在特征点描述阶段,采用SIFT描述符描述特征点。在特征点匹配阶段,分别采用BBF(best bin first)算法和RANSAC(随机采样一致性)算法进行特征点粗匹配和误匹配特征点剔除。实验结果表明,与基于Harris角点和SIFT描述符的影像匹配方法相比,该方法在匹配速度和准确率方面得到了提高。     

基于边缘梯度投影图的航空影像初始视差确定

通过对航空立体像对及其边缘影像的分析,提出了一种新的航空影像初始视差的确定方法。试验表明,该算法能准确地确定纹理单一、影像对比度小的航空立体影像对的初始视差,可明显提高影像匹配的精度和可靠性。     

利用三值模板模糊匹配进行手指静脉识别

针对静脉特征图像中静脉边缘和末梢模糊造成匹配困难的问题,提出了一种基于三值模板图像的模糊匹配方法。该方法将提取出的静脉特征图像分割为三值图像,值1代表目标区,0.5代表模糊区,0代表背景区。三值图像用于模板匹配时,计算模板间非0值区域之间的平均距离作为相似分数,分数越低,则模板越相似。该方法匹配能力强,不要求点与点之间的绝对位置匹配,对模糊的静脉边缘和末梢匹配具有较强的鲁棒性。对实验中采集的456张近红外手指静脉图像进行匹配,正确识别率达99.46%,表明本文方法是可行的和有效的。     

一种利用级联滤波和松弛法的SAR图像配准方法

提出了一种利用级联滤波和松弛法的SAR图像配准方法。首先利用基于Beltrami流的偏微分方程与增强Lee滤波的级联滤波算法去除SAR图像噪声,然后对滤波后的参考图像提取边缘,对边缘特征点采用松弛法特征匹配,同时应用金字塔分级匹配策略由粗到精增加匹配的正确性。实验证明,本方法具有较高的配准精度。