利用尺度空间及多角度地形断面提取山谷山脊线

从数字高程模型中自动提取山脊线和山谷线,在测绘领域有着重要的意义。地形断面高程极值法是其中一种常用的方法,但此方法在提取过程中容易产生遗漏。针对此缺点,本文提出了基于尺度空间及多角度判断的地形断面高程极值法,主要步骤是构建影像金字塔,然后从上到下逐级提取并加密。试验验证了该方法的有效性,提取得到的山谷线或山脊线较为完整,并与实际地形相符合。     

部分变量误差模型的整体抗差最小二乘估计

部分变量误差模型(partial EIV model)的加权整体最小二乘(weighted total least-squares,WTLS)估计不具备抵御粗差的能力。鉴于粗差可能同时出现在观测值和系数矩阵中,本文在提出部分变量误差模型WTLS估计的两步迭代解法的基础上,运用抗差M估计的等价权方法,发展了一种整体抗差最小二乘(TRLS)估计方法,并采用一致最大功效统计量确定降权因子。针对WTLS估计两步迭代解法的特点,设计了两个不同的降权方案:第1个方案是在估计系数矩阵元素时,不对观测值降权,仅对系数矩阵降权;第2个方案是在估计系数矩阵元素时,既对系数矩阵降权,同时也对观测值降权。通过对模拟2D仿射变换和线性拟合实例进行计算和分析,结果表明第1方案优于第2方案,并且优于基于残差和验后单位权方差的抗差估计和现有的变量误差模型抗差估计。     

多尺度细节增强的遥感影像超分辨率重建

鉴于现有超分辨率重建方法难以突显重建影像细节信息的问题,提出多尺度细节增强的遥感影像超分辨率重建模型框架。首先,通过最小二乘滤波方法将序列影像分解成包含大尺度边缘的平滑信息和包含中小型尺度的细节信息;其次,利用插值方法得到相应的高分辨率细节信息和平滑信息,构造纹理细节增强函数,提升中小型细节的增强幅度;最终,融合细节信息和平滑信息,得到初始的超分辨率重建结果,并利用局部优化模型进一步改善重建影像质量。选取同时相和多时相遥感影像作为试验数据。试验结果表明,本文重建结果与插值方法、TV方法和MAP方法相比,在客观评价指标上均有显著提高,明显改善了重建影像的纹理细节。论文提出的多尺度细节增强的超分辨率重建方法,可以使重建影像提供更多高频细节信息,具有较好鲁棒性和普适性。     

总体最小二乘法在相机标定中的应用

对比总体最小二乘方法与最小二乘方法在相机标定中的适用性及优越性。在相机标定中,由于像点坐标和对应的地面点坐标均存在误差,因此采用总体最小二乘方法对误差方程中的系数矩阵及观测向量同时改正,能够建立更加合理的计算模型。文中以相机标定两步法为例,通过实例解算,证明利用总体最小二乘法能够得到精度更高的相机标定参数解。     

GPS 高程转换的总体最小二乘组合方法

在现有GPS高程转换的研究中,通常只采用单一的解算方法,然而,不同的计算方法由于适用的条件不同,在对同一组数据进行解算时,解算的精度也各有优劣。针对以上问题,文中提出GPS高程转换的总体最小二乘组合方法,对多种不同的高程转换方法进行组合,运用总体最小二乘法计算不同方法的权值,结合实际工程数据,验证该方法的可行性。计算结果表明,提出的方法能够有效地提高高程转换精度。     

遥感数据融合的进展与前瞻

数据融合是提升遥感影像应用能力的重要手段,一直是遥感信息处理与应用领域的研究热点。本文系统综述了遥感数据融合的进展与前瞻:首先对数据融合的层次与分类进行了总结和归纳,将遥感数据融合划分为同质遥感数据融合、异质遥感数据融合、遥感—站点数据融合、遥感—非观测数据融合4大类;在此基础上,重点针对时—空—谱光学遥感数据的融合,从多视超分辨率融合、多尺度融合、空—谱融合、时—空融合、时—空—谱一体化融合等方面进行了详细阐述;最后总结了遥感数据融合的前瞻研究方向,包括时—空—谱一体化融合的拓展、空天地观测数据的跨尺度融合、传感网环境下的在线融合、面向应用的融合方法等。     

改进的距离约束最小二乘模糊度搜索算法

针对短基线最小二乘模糊度搜索算法搜索效率低的缺点,该文提出了一种改善模糊度搜索空间以提高模糊度搜索效率的方法。最小二乘搜索算法通过基线长度范围确定模糊度搜索空间,完成模糊度的搜索和确认。距离约束的短基线模糊度搜索空间是一个空心椭球,各模糊度之间具有相关性,影响模糊度搜索效率。该文通过最小二乘去相关调整方法降低模糊度之间的相关性,减少搜索次数。实验证明,该算法的搜索效率提高了25%以上,且随着基线长度的增加,搜索效率有更多的提升。     

K-GM（1，1）模型在岩体变形监测中的应用

传统GM （1,1）模型存在着长期预测效果差、模型精度不高等问题,卡尔曼滤波能够排除建模过程中随机干扰因素,滤波值能够反映更真实的数据情况。为了能更好地提高变形监测的预测精度,基于传统GM （1,1）模型和卡尔曼滤波,提出K‐GM （1,1）模型,利用该模型对岩体变形监测数据进行建模预测,并与传统GM （1,1）模型预测结果进行对比分析,结果表明,K‐GM （1,1）模型具有较高的预测精度,可作为变形监测的一种新方法。     

改进后灰色神经网络及短期基坑沉降预测研究

在短期基坑沉降监测中,由于数据量少且呈非线性变化,沉降模型很难准确建立。灰色GM(1,1)对数据少、趋势性强、波动小的数据有较高的预测精度,但不能模拟复杂的非线性函数;BP神经网络可以对非线性数据进行学习训练,具有自学习、自适应能力;通过将GM(1,1)与BP神经网络组合,并优化网络部分的学习率、权值和阈值等,建立一种改进的灰色神经网络模型,该模型具有对非线性数据自学习、自适应能力和预测精度更高等优点。通过某基坑沉降监测分析,验证改进的灰色神经网络模型预测精度更高,适合短期建模,具有很好的实用性。     

基于部分最小二乘岭估计的粗差定值定位

在利用部分最小二乘原理进行粗差定值定位时,模型的法方程矩阵可能存在病态性,使得到的粗差定值定位结果不可靠。文中针对观测数据包含多个粗差且法方程病态问题,利用岭估计处理病态问题,建立部分最小二乘岭估计的粗差定值定位方法,给出粗差搜索步骤,利用迭代算法实现多个粗差的定值和定位。通过模拟算例分析部分最小二乘法、部分最小二乘岭估计在粗差搜索方面的效果,从另一个角度探讨粗差处理方法,推广现有的误差理论,证明文中方法的有效性。