大失准角的SINS/GPS组合对准算法研究

利用四元数误差方程和非线性滤波技术能较好地解决大失准角下SINS的空中对准问题。迭代滤波比扩展卡尔曼滤波能在更大程度上改善对准精度，但计算量大。针对此不足，本文基于扩展卡尔曼滤波的状态与偏差解耦算法具有较高数值效率和迭代滤波具有较高精度的特点，推导出了一种非线性滤波算法，并对基于加性四元数误差方程的SINS／GPS组合对准进行了数字仿真。仿真结果表明：该算法既具有迭代滤波的精度又比迭代滤波计算量小。     

使用定标球的激光扫描数据配准方法

激光扫描数据多站配准是扫描数据处理中的关键环节。实际测量中常用定标球实现多站数据配准。该配准方法的精度决定于球心的计算精度,为提高球心的计算精度,本文提出将RANSAC算法用于球心计算。该算法鲁棒性很好,能从含有野值的数据中准确计算出球心。最后通过实验验证了本文的方法具有较高的精度。     

基于射线追踪的视场范围算法

在海量地形数据可视化技术中，视场范围计算方法直接影响显示效率。本文提出了基于射线追踪法的视景体投影算法，投影后在二维平面上进行二次裁减。试验表明，该算法具有较高的效率。     

基于方向因子和方向边的多边形内外点判断算法

本文在概述已有多边形内外点判断算法的基础上,提出了方向因子和方向边的概念,并利用方向因子和方向边,设计了一种判断点在多边形内外的新算法。该方法首先找出点的方向边,再计算该点与其方向边组成的三角形的方向因子,然后利用计算的方向因子来判断点与多边形的位置关系,其可以有效地解决射线法中的临界位置问题。实验结果表明,该方法易于理解,计算简单,具有较高的可靠性、稳定性和执行效率。     

栅格法构建沃罗诺伊图的扫雷算法

沃罗诺伊(Voronoi)图在很多领域都具有广泛应用,因此构建Voronoi图具有重要的现实意义。本文基于栅格法提出了一种新的Voronoi图构建算法——扫雷算法。该算法不需要欧氏距离计算,能减少计算耗时,并可通过改变相关参数实现对生成的Voronoi图的精度控制,同时可用于广义Voronoi图的构建。经过实验和精度评定得出,扫雷算法能很好地构建生长元为点、线、面的Voronoi图,并具有较高的生成精度。     

一种面向海量数字高程模型数据的洪水淹没区快速生成算法

常见种子点填充算法在实现DEM数据下的洪水淹没区生成时,具有难以处理大数据量以及过多的递归计算易导致算法效率较低等缺点。针对此问题,本文提出一种面向海量DEM数据的洪水淹没区生成算法分块压缩追踪法,该算法采用条带分块和实时栅格压缩存储技术,以解决海量地形数据下的淹没分析计算问题。最后,通过将本算法与常见种子点填充算法和分块种子点填充算法进行了对比测试,实验结果表明本算法不仅较好地解决了海量DEM数据下的洪水淹没区生成问题,与常规种子点填充算法和分块种子点填充算法相比亦具有较高的计算效率。     

一种利用改进的扫描线算法计算拓扑关系的方法

针对以往拓扑关系计算方法的缺陷,提出一种利用改进的扫描线算法计算矢量数据拓扑关系的算法(TCBSL)。该算法以平面扫描转换法的思想为核心,通过改进扫描线算法结构,并引入拓扑关系判别参数,实现了较为高效地计算矢量数据空间实体之间的拓扑关系。此外,以该算法思想为依据,利用eclipse构建了矢量数据拓扑关系计算模型,并利用该模型对深圳市OSM矢量数据进行实验。实验显示,该算法可以较为正确地计算点线、点面、线线、线面及面面之间的拓扑关系,且效率较高,易于计算机系统的实现。     

基于纹理特征融合与核模糊聚类的道路提取

根据高分辨率遥感影像中道路方向上的纹理一致性,提出了一种基于纹理特征融合与核模糊C均值聚类的高分辨率遥感影像道路提取新算法。该算法改进了角度纹理特征的计算方式,首先与Gabor纹理特征进行融合;再利用结合空间信息的核模糊C均值聚类算法对融合特征进行聚类,从而提取高分辨率遥感影像中的道路。实验结果表明,该算法可较高精度地从高分辨率遥感影像中提取具有一定纹理的道路。     

椭球面上图斑面积计算方法的改进

由于高斯投影存在面积变形,当面积精度要求较高时,需要在地球椭球面上进行图斑面积计算。通过对图斑椭球面积计算方法进行研究,改进了图斑面积的定积分近似计算方法,并利用改进的矩形法进行了实证分析。研究结果显示,与常规矩形法相比,改进的矩形法具有较高的计算效率,可以替代图斑椭球面积计算方法中的中间层算法和底层算法,简化图斑椭球面积的计算过程。借助C#语言的十进制数类型变量,利用改进算法获得了椭球面梯形面积的高精度可靠值。利用改进算法可以计算任意一大梯形图块的椭球面积,进而方便地计算任意图斑的椭球面积。     

基于对偶四元数描述的LiDAR点云解析配准算法

点云配准技术在空间三维建模中具有重要作用,传统的ICP算法存在初始位置要求高、迭代不收敛、计算量大等问题,解析法直接解算出变换参数,无需迭代,计算效率较高。在简要介绍对偶四元数的基础上,利用对偶四元数能够描述坐标系间的旋转与平移,推导出点云配准新算法。实验结果表明,该算法具有解析法相对于迭代法的优点,同时也解决了变换参数不同时求解的问题,可以避免误差累积问题的出现,理论上可以进一步提高配准精度,在以后的研究中具有一定的实用价值。     

ParSymG: a parallel clustering approach for unsupervised classification of remotely sensed imagery

ABSTRACT

Symmetry is a common feature in the real world. It may be used to improve a classification by using the point symmetry-based distance as a measure of clustering. However, it is time consuming to calculate the point symmetry-based distance. Although an efficient parallel point symmetry-based K-means algorithm (ParSym) has been propsed to overcome this limitation, ParSym may get stuck in sub-optimal solutions due to the K-means technique it used. In this study, we proposed a novel parallel point symmetry-based genetic clustering (ParSymG) algorithm for unsupervised classification. The genetic algorithm was introduced to overcome the sub-optimization problem caused by inappropriate selection of initial centroids in ParSym. A message passing interface (MPI) was used to implement the distributed master–slave paradigm. To make the algorithm more time-efficient, a three-phase speedup strategy was adopted for population initialization, image partition, and kd-tree structure-based nearest neighbor searching. The advantages of ParSymG over existing ParSym and parallel K-means (PKM) alogithms were demonstrated through case studies using three different types of remotely sensed images. Results in speedup and time gain proved the excellent scalability of the ParSymG algorithm.     

基于可变形状参数Gamma分布的模糊聚类多视SAR图像分割

针对传统模糊聚类分割算法无法克服合成孔径雷达(synthetic aperture radar, SAR)图像中固有的斑点噪声问题, 提出了一种利用可变形状参数Gamma分布和邻域相关性的模糊聚类分割算法。可变形状参数Gamma分布用于建模多视SAR强度图像的斑点噪声, 并以其负对数作为特征场中像素与聚类间强度的相似性测度模型; 通过马尔可夫随机场(Markov random field, MRF)建立标号场中邻域像素的类属相关性模型; 在模糊聚类框架下, 以上述模型为基础构建模糊目标函数; 在目标函数最小化准则下, 求解最优结果。实验表明, 可变形状参数Gamma分布能够更加准确地拟合同质区域内像素强度的统计直方图。为有效求解包涵在Gamma函数内的形状参数, 采用牛顿迭代算法估计其数值解。对合成和真实多视SAR图像分别进行分割实验, 定性、定量分析的结果验证了本文算法的有效性。     

改进的模糊聚类遥感影像分割

聚类是数据挖掘的重要分支之一,引入模糊理论的模糊聚类分析为显示数据提供了模糊处理能力,在许多领域被广泛应用。本文应用考虑邻域关系的约束模糊C均值(Fuzzy C-Means with Constrains,FCM_S)算法,将邻域像素引入到目标函数中,进而有效地利用邻域像素信息,提高分割精度。本文应用FCM_S算法对模拟彩色纹理图像进行分割,计算其混淆矩阵,定性定量地与FCM算法进行对比分析,证明了该算法的鲁棒性。     

时空大数据分布式增量IMSTDCA聚类方法研究

时空聚类分析是对时空大数据进行利用的一种有效手段,目前传统聚类算法存在着大规模分布数据难以处理,海量数据处理时间较长,确定参数困难,聚类质量较差等缺陷。因此,提出一种分布式增量聚类流程DICP,利用广域网分布增量聚类方法,避免大量数据的传输拷贝,有效提升聚类运算效率。对于DICP流程中的时空数据聚类算法本身,研究了一种大数据环境下的IMSTDCA时空数据聚类算法,借助密度聚类的思想,通过时空数据的聚集趋势预分析、时空数据聚类算法,以及时空数据聚类结果评价3个步骤完成聚类分析,实现时空大数据的快速高效信息挖掘。     

基于MRF随机场和广义混合模型的遥感图像分级聚类

有限混合模型FM的分级聚类已广泛应用于不同领域,然而,它的计算复杂度与观测数据的平方成正比,因此,在海量数据方面的应用就受到了限制。另一方面,多光谱图像数据中同时包含有空间和光谱两类信息,但大多数基于像素的多光谱图像聚类方法,仅使用了其频谱信息而忽视了空间信息。本文提出了一种新的基于广义有限混合模型GFM的分级聚类方法,该算法把MRF随机场和GFM模型结合在一起,分类数可以通过PLIC准则自动确定。算法在执行过程中,采用K均值聚类方式获得过分类图像,分级聚类从过分类图像开始,代替原来从单点类开始的方式,这样可以方便获取GFM模型成分密度的初始参数。最后,采用由Gibbs采样器生成的仿真测试图对算法的精度进行了定量评价,通过与K均值聚类和FM聚类的比较说明了本文算法的优越性,同时用荷兰Flevoland农业地区的极化SAR图像验证了本文算法的有效性。     

DBSCAN空间聚类算法及其在城市规划中的应用

空间聚类是空间数据挖掘和知识发现的主要方法之一。DBSCAN算法可以从带有“噪声”的空间数据库中发现任意形状的聚类,是一种较好的聚类算法。本文介绍了DBSCAN算法的基本概念和原理,并应用GIS二次开发组件MapObjects予以了实现。然后,本文将该算法应用于城市规划中,对某城市中小学和商业网点等公共设施的分布进行了聚类分析,并根据聚类结果对城市规划设计规范中的某些条款进行了讨论。     

Parallel algorithm for viewshed analysis on a modern GPU

Spatial analysis, including viewshed analysis, is an important aspect of the Digital Earth system. Viewshed analysis is usually performed on a large scale, so efficiency is important in any Digital Earth application making these calculations. In this paper, a real-time algorithm for viewshed analysis in 3D scenes is presented by using the parallel computing capabilities of a graphics processing unit (GPU). In contrast to traditional algorithms based on line-of-sight, this algorithm runs completely within the programmable 3D visualization pipeline to render 3D terrains with viewshed analysis. The most important difference is its integration of the viewshed calculation with the rendering module. Invisible areas are rendered as shadows in the 3D scene. The algorithm process is paralleled by rasterizer units in the graphics card and by vertex and pixel shaders executed on the GPU. We have implemented this method in our 3D Digital Earth system with the DirectX 9.0c API and tested on some consumer-level PC platforms with interactive frame-rates and high image quality. Our algorithm has been widely used in related systems based on Digital Earth.     

分布式增量机制下的交通流大数据聚类分析

时空聚类分析是对时空大数据进行利用的一种有效手段。本文提出了一种分布式增量大数据聚类分析方法,利用分布增量机制不但可以减少重复计算和迁移拷贝次数,而且可以持续对聚类结果进行修正,能够在保持聚类准确性的条件下提升整体运算效率。而聚类算法本身通过数据聚集趋势预分析、聚类算法和结果评价3个步骤,构建了一体化时空邻域,在时间和空间维度保证了聚类结果的准确性。经过试验证明该方法可以实现时空大数据的快速高效信息挖掘。     

基于MRF随机场的多光谱遥感影像最优化分级聚类

有限混合模型FM的分级聚类已广泛应用于不同领域,然而,由于它的计算复杂度与观测数据量平方成正比,致使在遥感影像方面应用受到了限制。另外,多光谱图像能提供空间和光谱两类信息详细的数据,但是,大多数多光谱图像聚类方法是基于像素的聚类,仅使用了其光谱信息而忽视了空间信息。本文定义一个相对混合密度函数,通过引入一个q-参数来调节各成分密度对其混合分布的贡献,提出一种广义有限混合模型GFM．设计一种新的适用于多光谱遥感影像的GFM分级聚类算法。该算法把MRF随机场和GFM模型结合在了一起,分类数通过PLIC准则自动确定。最后,利用仿真结果验证该算法的有效性,同时通过与K均值聚类、FM分级聚类以及SVMM分级聚类的比较说明本文算法的优越性。     

复杂环境下高分二号遥感影像的城市地表水体提取

水体指数可以抑制背景噪声和提高地表水体的可分性,已经广泛用于地表水体提取。传统FCM聚类算法考虑了地物的不确定性,但没有顾及地物的邻域空间信息,对背景异质性比较敏感。针对传统FCM聚类算法的不足,提出一种可变邻域的区域FCM聚类算法。由于复杂环境下高分二号(GF-2)遥感影像的城市地表水体具有复杂异质背景和不确定性的特点,本文利用水体指数和区域FCM聚类算法的优点,提出一种整合水体指数和区域FCM的城市地表水体自动提取算法,该算法主要步骤包括:(1)去除影像阴影后计算归一化差分水体指数NDWI(Normalized Difference Water Index);(2)区域FCM聚类算法;(3)整合水体指数和区域FCM聚类的城市地表水体自动提取算法。最后采用两景GF-2高分辨率遥感影像(广州和武汉)进行实验,验证了该算法的有效性,并与经典地表水体提取算法进行对比分析。实验结果表明:该算法具有较高的水体提取精度,城市地表水体边界既具有较好的区域完整性又保持了局部细节,同时对城市地表水体复杂背景噪声具有较好的抑制作用,有效减少传统FCM聚类算法的"胡椒盐"现象。