点云场景认知模式——泛化点云EI北大核心CSCD

随着传感器技术和观测平台的迅速发展,点云大数据作为新型遥感的主要数据形式,已经逐渐成为场景感知的重要信息载体,并在地质灾害态势感知、自然资源定量调查和道路交通安全服务等国家重大战略需求中发挥了越来越显著的作用。与此同时,点云观测装备和国家重大战略需求的双重驱动促使空间场景从感知迈向了认知,也对认知处理的算法和算力提出了新的要求。为此,本文以点云场景认知的基本框架为线索,分析了多源点云耦合观测的研究现状,总结了点云场景认知处理的关键进展及其在国家重大战略需求中的典型应用,并凝练了点云场景认知当前面临的主要问题。在此基础上,本文聚焦点云场景认知的前沿挑战,避开传统欧氏空间而转到高维张量流形空间进行点云数据处理,提出了“泛化点云”的科学概念和技术框架,为突破点云场景认知处理的算法和算力提供研究思路。     

混合3维地籍空间数据模型

分析了3维地籍的需求, 提出了一种适用于3维地籍的混合3维空间数据模型。该模型由表达子模型和计算分析子模型构成, 其中表达子模型用于描述产权体的空间权属范围, 计算分析子模型用于3维地籍的空间分析和计算。两个子模型通过约束Delaunay四面体剖分算法和边界提取算法进行集成与转换。实验结果表明, 所提出的模型和算法有效、可行。     

基于空间数据库VRGIS的研究与应用

结合空间数据库、GIS、计算机图形学、RS等技术构建了虚拟现实地理信息系统。通过研究地形数据的生成及空间数据库的存储管理,实现了遥感影像的自动配准及无缝拼接;基于四叉树的LOD算法、地形节点评价系统、动态调度及大规模纹理映射等技术的研究,实现了地形数据的3维可视化;提出了自适应特征数据覆盖渲染算法,将2维GIS特征数据覆盖叠加到所创建的3维模型上,构建了虚拟现实环境。该系统成功应用于胜利油田,实现了地下油田的虚拟现实3维可视化,具有一定的理论价值和现实意义。     

土地数据中空间重复、覆盖和缝隙的快速检查算法

在土地空间数据处理及应用中,需要对空间关系进行检查以保证数据质量,GIS中常用的空间关系检查算法无法一次性检查出数据集内的空间重复、覆盖和缝隙错误。提出一种针对土地数据空间关系检查的快速算法,该算法只需对面数据内的空间对象循环一遍,即可检查出空间覆盖、重复和缝隙这几类空间关系错误。以图斑数据进行试验,将通用的空间关系检查算法与提出的算法执行时间进行对比,实践验证采用本算法能较大地提高对图斑数据集进行以上类型空间关系错误检查的效率。     

矿山地理信息系统中的空间和时间四维数据模型

现有的许多地理信息系统（GISs）一般都没有考虑时间这一维数据。本文依据矿山的特点和需求，提出了能满足空间和时间要求的GIS的概念。针对传统数据模型所存在的缺点，以及根据处理历史数据所具有的特点，提出了一种用于矿业开发的空间和时间综合四维数据模型。这种模型通过采用四维空间线性编码技术，可大大减少数据存贮所需的辅助操作。为了适应综合四维数据处理的需要，笔者研究出了一种新的拓扑结构——四维空间和时间因素的拓扑关系。     

一种面向GML的多维压缩算法研究

本文通过对GML文档的深入分析,借鉴传统的XML和空间数据的压缩算法,提出了一种面向GML结构数据、空间数据和属性数据的一体化多维压缩算法。对结构维数据,采用改进的LZW压缩机制;对特征维数据,采用实体间与实体内的双重压缩,并考虑到空间特征数据的特点,采用分割压缩的算法。实验证明,此算法不仅压缩率高,而且简单实用。     

基于地理空间感知型表征学习的轨迹相似度计算

度量轨迹间的相似性不仅是一项基础的研究问题,同时也为众多轨迹数据挖掘应用提供支持。传统相似性度量方法面临数据噪声敏感、算法效率低等问题,难以进行大规模数据计算。当前研究开始尝试使用深度表征学习方法,将高维轨迹数据映射到低维向量空间,通过度量表征间的距离高效地完成相似度计算任务。本文在轨迹表征学习中引入Transformer机制,提出了一种地理空间感知的深度轨迹表征学习方法。首先,使用Geohash编码将二维空间坐标点转换为一维编码序列,使轨迹点在嵌入过程中保留空间相关性。然后,引入Transformer框架构建轨迹表征的深度学习模型,并采用一种隐轨迹点训练模式,以保证模型能从低频、噪声的数据中习得更稳健的向量表示。最后,设计了一个空间感知损失函数,通过距离因子调整模型误差,拉近空间相近轨迹的表征。试验表明,本文方法在轨迹相似性计算任务中超越了基准模型,并且计算效率远高于传统度量方法。     

利用线性判别分析的LDA-SIFT影像匹配算法

针对SIFT算法特征向量维数较高,匹配实时性较差的问题,提出一种利用线性判别分析的LDA-SIFT算法。该算法首先利用SIFT算法提取特征点并生成特征向量矩阵;然后将特征向量矩阵转换为种子点向量矩阵并为数据设置标签;接着利用线性判别分析对种子点向量进行降维;最后在低维特征空间将种子点向量矩阵转换为特征向量矩阵并在欧式空间匹配,运用RANSAC算法剔除误匹配。采用多组图像验证该算法匹配的性能,实验结果表明,LDA-SIFT算法能够有效降低特征向量维度,缩短特征匹配时间,匹配精度与降维前相近。     

四维宗地建模及其核心操作算法

传统地籍是基于某一时刻的土地二维剖分，不支持立体产权管理和时空权属查询，需要探索四维（三维空间+时间）地籍。四维宗地是四维地籍的登记客体，是宗地在四维空间的扩展，其创建、分割、合并与注销等操作是四维地籍最常用、最基本的功能。结合城市发展现状和地籍管理需求，分析时态产权特征，用UML建模四维宗地数据模型和基于拓扑数据模型的四维宗地操作算法。研究内容包括:①提出四维宗地数据模型；②提出基于"拉伸"的四维宗地创建算法以及基于分段时间的共享拓扑基元处理方法；③提出四维宗地的分割、合并算法。研究结果表明:四维宗地的构建为追踪产权的时空变化提供了理论借鉴和技术支持，也使得地籍管理向四维地籍迈进了一步。     

面向嵌入式GIS应用的地图标注算法设计与实现

本文提出的一种基于栅格的地图标注算法,应用于嵌入式G IS系统中电子地图标注的自动配置。该算法将地图中各要素标注的自动配置作为一个统一的整体来对待,从而避免了一般局部标注配置算法可能终止于一个局部最优解的缺点。通过实例证明,利用该算法进行电子地图中标注的自动配置,数据计算量小,通用性强,速度较快。     

高光谱影像空-谱协同嵌入的地物分类算法

针对传统高光谱影像地物分类算法大多仅考虑光谱信息而忽略空间邻近像元间相关性的问题,提出了一种空-谱协同嵌入(SSCE)降维算法和空-谱协同最近邻(SSCNN)分类器。首先,定义一种空-谱协同距离,并将其应用于近邻选取和低维嵌入;然后,构建空-谱近邻关系图来保持数据中的流形结构,并在权值设置中增大空间近邻点的权重以增强数据间的聚集性,提取鉴别特征;最后使用SSCNN分类器对降维后的数据进行分类。利用PaviaU和Salinas高光谱数据集进行试验验证,结果表明,与传统的光谱分类算法相比,该算法能有效提高高光谱影像的地物分类精度。     

一种稠稀矢量瓦片的构建方法

针对矢量瓦片之间的数据不均衡影响浏览器加载与渲染效率的问题,提出了一种顾及矢量数据空间分布的矢量瓦片构建算法。首先利用平衡树的思想进行数据分割;其次构建顾及要素空间分布的稠稀瓦片并对瓦片进行编号;然后构建四维Kd树索引模型;最后开展稠稀矢量瓦片构建与可视化对比试验。试验表明,与传统格网矢量瓦片相比,稠稀矢量瓦片之间的数据量标准差较低,具有瓦片数据均衡性好、响应时间快、加载效率高等优点。     

空间感知残差网络的遥感图像超分辨率重建

为了提升遥感图像超分辨率重建算法纹理细节信息还原能力,该文提出了一种基于特征空间感知损失深度残差网络的遥感图像超分辨率重建算法。该算法增加了深度残差网络中的残差块数量,在网络末端采用了亚像素卷积的方法,并在损失函数中增加了特征空间感知损失。在UCMerced_LandUse数据集上进行了训练,并在UCMerced_LandUse数据集和Draper Satellite Image Chronology数据集上进行了测试。测试结果证实了该算法与其他算法相比在峰值信噪比和结构相似性指数上均有一定的提高,证实了该算法较好的超分辨率重建效果与还原遥感图像纹理细节信息的能力。     

高光谱数据的降维及Tabu搜索算法的应用

在高光谱影像的分类过程中,如何有效地降低特征空间的维数,又能保证原始数据所包含的丰富地物信息是一项十分重要而繁琐的工作。深入分析了这种降维的必要性,并针对当前常用的降维方法存在的问题,提出了运用Tabu搜索算法获取对分类最为有利的特征波段的思想。考虑到高光谱数据的特点,指出了算法运行中应该注意的若干关键参数设置问题。实验表明,Tabu搜索算法在求解质量和执行效率方面都有着良好的表现,可以用于高光谱数据的降维处理。     

基于MongoDB的地名信息管理

地名数据具有数据量大,数据结构复杂,查询方式多样等一系列特征。传统的关系数据库在存储地名信息数据时,往往需要预先定义数据表结构,从而难以支持无模式化存储以支持多样化地名标注。此外,多样化的地理查询接口需求也难以得到支持。提出一种基于非关系型数据库MongoDB的地名数据存储管理方式,可同时满足地名存储各种需求。各种查询方式,包括名称查询,空间邻近查询,空间范围查询等均能得到有效的支持。     

高光谱数据的降维及Tabu搜索算法的应用

在高光谱影像的分类过程中,如何有效地降低特征空间的维数,又能保证原始数据所包含的丰富地物信息是一项十分重要而繁琐的工作.深入分析了这种降维的必要性,并针对当前常用的降维方法存在的问题,提出了运用Tabu搜索算法获取对分类最为有利的特征波段的思想.考虑到高光谱数据的特点,指出了算法运行中应该注意的若干关键参数设置问题.实验表明,Tabu搜索算法在求解质量和执行效率方面都有着良好的表现,可以用于高光谱数据的降维处理.     

一种分布式计算的空间离群点挖掘算法

针对现有空间离群点挖掘算法无法适应大规模空间数据挖掘的需求,该文提出了一种分布式条件下的空间离群点挖掘算法。首先,该文针对集群上分布式计算和存储的特点提出使用空间填充曲线来划分数据集,加速寻找目标点的近似空间最近邻居。其次,使用信息熵的理论来定义空间离群系数,考虑到多维数据中不同属性对离群系数的影响具有差异性,该算法能够自动根据数据原有特点,计算各属性的权重;同时使用反距离权定义空间因素对离群系数的影响。最后,实验结果表明该算法在大规模的空间数据集中挖掘离群点的效率远高于传统算法,离群点的挖掘精度在90%以上。     

基于感知概率的室内定位算法

基于WLAN的室内定位技术对高性能算法的需求与日俱增,K近邻算法和最大似然概率算法是基于Wi-Fi位置指纹室内定位技术的两种常用算法。给出感知概率的定义,在感知概率基础上定义了感知欧氏距离和感知似然概率,并提出基于感知欧氏距离的确定型修正算法和基于感知似然概率的概率型修正算法。实验结果表明：基于感知概率的修正算法较原算法在相对复杂的室内环境中有更高的定位精度。     

遥感数据融合研究进展与文献定量分析(1992—2018)

近年来,遥感应用的快速发展推动了遥感载荷指标性能的不断提升。但由于遥感传感器的硬件技术瓶颈,遥感数据无法同时具有高空间分辨率、高光谱分辨率、高时间分辨率的指标特性。遥感数据融合是解决该问题的有效方法。为了深入了解目前遥感数据融合技术的研究进展情况,本文对国内外1992年—2018年间在该领域有一定影响力的相关成果进行了调研、分析与归纳总结。首先对遥感数据融合相关论文的年发文量、发文国家与机构、发表刊物以及关键词等进行了统计,梳理其发展历史及趋势;系统性的总结了各类数据融合算法,将其分为面向空间维提升的融合算法、面向光谱维提升的融合算法以及面向时间维提升的融合算法3类,并对各类算法的优势与适用性进行了分析;归纳总结了遥感数据融合的质量评价指标,包括有参考影像的融合评价指标以及无参考影像的融合评价指标;最后对遥感数据融合进展进行了总结与展望。     

仿生偏振特征感知与导航信息融合的空间态势感知系统

偏振成像技术已经成为有效提升空间遥感信息应用能力的有力工具。通过模拟自然界的昆虫、鸟类及鱼类偏振视觉系统的信息感知与高精度导航机制,探索基于仿生偏振视觉环境信息感知与位置姿态测量中的科学问题。构建基于偏振成像目标特征与导航信息融合的仿生态势感知系统,建立了仿生信息感知与导航解算模型,提出基于生物偏振视觉的仿生信息感知与导航的信息融合与误差分析关键算法,设计实现一种空间环境特征感知及导航信息融合的态势感知系统原理样机,数据更新率高于25 Hz,角度测量重复精度优于0.05°。