运动干扰站的SAR-GMTI余弦调相转发干扰

针对多通道合成孔径雷达地面动目标显示SAR—GMTI提出一种基于运动干扰站的余弦调相转发干扰方法。该方法利用运动干扰站转发式干扰的成像特性实现方位向扩展,利用余弦调相信号特性实现距离向扩展,将二者有机结合,可同时实现干扰目标在方位向和距离向的2维扩展。以三通道干涉对消技术为例分析了其对GMTI的对抗性能,理论分析和仿真实验表明:该方法对SAR和SAR-GMTI均可产生灵活可控的2维条带状或面状遮盖干扰效果,但由于多通道GMTI对干扰的抑制和对消,干扰目标幅度受正弦调制系数影响将出现增强或削弱。     

运动目标及其可视化方法研究

在分析运动目标的内涵、基本特征及分类的基础上,探讨了运动目标的可视化表达方法。针对传统可视化技术在表达运动目标方面存在的不足,提出了一种改进型的可视化实现技术——基于显示模型技术的运动目标可视化实现方法。     

大规模场景中多分辨率地形TIN模型

为了实现大规模场景的多分辨率显示,文中利用LOD细节分层思想提出了一种地形TIN模型.重点解决不同分辨率TIN模型间的连续过渡问题,以及分块TIN模型的创建问题,包括TIN构网时的数据结构设计和算法优化.     

结合倾斜影像的实景三维场景增强显示北大核心CSCD

针对实景三维场景在近地面视角或面对复杂特殊地物时存在的模型破损、纹理变形、悬浮物及细节表现精度不高等问题,本文提出了一种场景增强显示方法。利用计算纠正后的无畸变影像,查找匹配与场景呈现最相近的目标影像并将其精准叠加至三维模型上,完成二维影像与三维模型间的视觉融合和自然过渡;同时实现三维漫游过程中影像的动态调度和实时绘制,以支撑超大场景的持续增强显示。实践证明,该方法不仅可以弥补实景三维模型的显示不足,提升场景视觉浏览效果,还可以结合最新航飞影像增强场景表达的现势性,提升实景三维的推广应用价值,研究成果可有助于开展自然资源管理、国土空间规划、应急救灾、城市治理等领域工作。     

Modem通道时延对多台站TWSTFT的影响分析

针对多通道调制解调器(Modem)不同接收通道间时延值差异对双向卫星时间频率传递(TWSTFT)结果产生较大影响的问题,该文通过使用卫星模拟转发器的方法,实时测量地面站设备时延。采用多台站间两两双向的方法,归算后验证设备时延对三站闭合差结果的影响。依托国家授时中心的卫星双向比对网,开展了各地面站间基于中星12号卫星的TWSTFT试验。结果表明,通道时延对闭合差结果影响较大,在通道时延扣除前,误差可达数十纳秒;而在扣除后,结果优于0.2ns。这表明:多通道Modem各通道时延值不同引起的误差可有效测量并扣除,从而多台站开展TWSTFT是可行的。这样不仅提高了TWSTFT的执行效率,方便快捷地检验地面站间时间同步的准确度,而且节约了卫星资源的占用率。     

GPS改进的移动球形全景影像三维重建方法

针对传统方法难以直接用大规模测量范围的移动球形全景影像较好地实现三维重建的问题,该文提出基于GPS改进的三维重建方法。采用增量式运动恢复结构算法,基于GPS改进了影像匹配,场景初始化和光束法调整等主要步骤,较好地加快了影像匹配速度,实现大规模影像数据集的EG图的有效构建;减少了两两匹配的误差对初始位姿估计的影响,实现更快更好的模型重建;采用基于GPS位置信息加权的光束法调整优化影像位姿和场景模型,实现三维重建尺度的准确恢复。实验结果表明,本文方法不仅有效地解决了传统增量式运动恢复结构算法在大规模重建过程中丢失影像的问题,还显著地提高了位姿估计效率,并且合理地优化了场景重建效果。     

一种运动平均优化的并行式光束法平差方法

针对当前大规模影像运动恢复结构中并行式光束法平差收敛性差、精度低的问题，该文提出了一种融合运动平均优化的并行式光束法平差方法。该方法将大规模影像间的匹配关系表示为共视图，利用图分算法将整个区块分为多个子区块，并对各子区块进行快速局部光束法平差；图分后，将各子区块作为顶点构建子区块聚类图；在聚类图上利用运动平均优化，获得各子区块的全局旋转和全局平移参数，同时保持子区块内部的刚体结构和不同子区块间的几何相关性；最后，融合各子区块的重叠区域得到完整场景，实现对整个区块的平差优化。使用大规模无人机影像和地面近景影像数据进行实验，结果表明，相比传统方法，该文方法计算效率提高了10倍；相比当前的并行式方法，该文方法在精度、收敛性和计算时间方面都有明显提高。     

高分辨率遥感影像场景的多尺度神经网络分类法

高分辨率遥感影像场景分类是实现复杂场景快速自动识别的基础,在军事、救灾等领域有十分重要的意义。为了在有限的遥感数据集上获得高识别精度,本文提出了一种基于联合多尺度卷积神经网络模型的高分辨率遥感影像场景分类方法。不同于传统的卷积神经网络模型,JMCNN建立了一个具有3个不同尺度通道的端对端多尺度联合卷积网络模型,包括多通道特征提取器、多尺度特征联合和Softmax分类3个部分。首先,多通道特征提取器提取图像中、高层多尺度特征;然后,多尺度特征联合对多个通道的中、高层多尺度特征进行多次融合以增强特征表达;最后,Softmax对高层特征进行分类。本文在UC Merced和SIRI遥感数据集进行测试,试验表明JMCNN模型在特征表达和计算速度方面均有显著提高,在小样本数据量下分别达到89.3%和88.3%的识别精度。     

面向交通应用场景的增强现实地图载负量 及多尺度显示模型

为探究解决AR Maps表达中普遍存在的视觉过载问题的方法,基于实景视觉信息量提出了一种新的面向交通应用场景的AR Maps载负量计算方法;以此为基础提出了AR Maps多尺度显示模型构建方法,建立了AR Maps多尺度显示模型;根据此模型进行了AR Maps POI标签的显示控制方法的研究;实现了AR Maps原型系统并进行实验。结果表明,在交通应用场景下,AR Maps载负量计算方法和多尺度显示模型可以有效解决AR Maps中存在的视觉过载问题,并具有一定的实用性和可靠性,能够为AR Maps表达的研究提供科学性依据。     

面向大场景3维可视化的矢量数据组织研究

针对矢量数据在大规模3维场景中的快速可视化需求,分析了矢量数据在大规模3维场景中的绘制方式和显示特点,提出了一种基于LOD的矢-栅混合数据模型。首先,介绍了LOD技术的基本原理和实现机制,然后,采用矢量数据简化与栅格化技术,设计集矢量和栅格模型为一体的混合数据模型,构建了多分辨率的矢量数据库,利用3维GIS的视点控制机制,建立显示尺度与矢量、栅格金字塔层的对应函数,最后以"神州遨游"为基础平台,在大规模3维场景中对道路、境界、水系等基础矢量数据进行了实验。实验表明,矢量数据在3维大规模场景中实时绘制时结合了两种数据模型的优点,具有更灵活的选择性,提高了数据的传输效率及显示效果,实现了多分辨率矢量数据的自适应快速表达。