VR-GIS技术在高压输电线选线中的应用研究——以康定-崇州500kv送电线路为例

VR-GIS技术是一门新兴技术,已经在很多领域得到广泛应用。本文基于ERDAS、ArcGIS、MapGIS等遥感和GIS专业软件,将VR-GIS技术应用到高压输电线选线中,制作康定-崇州500kv送电线路(大杠～沙坪段)走廊带的三维景观飞行模拟系统,再现研究区真实地形、地貌,使工作人员沉浸于虚拟环境中,为其分析和处理问题提供方便,解决因自然环境恶劣造成的外业调查困难等问题。     

改进的自适应遗传算法在遥感图像分割中的应用

为了自动确定遥感图像分割的最佳阈值,本文提出了一种改进的自适应遗传算法,并利用该算法对二维Otsu图像阈值分割函数进行了全局优化,提高了分割闻值的求解速度。该算法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,克服基本遗传算法的收敛性差、易早熟问题。实验结果表明,该算法具有良好的收敛速度和稳定性,达到较好的图像分割效果,大大缩短了计算时间。     

多视处理对SAR船只探测的影响

合成孔径雷达(Synthetic Aperture Radar, SAR)成像过程中会出现斑点噪声,一般用多视处理减少图像的斑点噪声,这对合成孔径雷达船只探测造成了一定的影响.本文对不同视数SAR图像的等效视数、空间分辨率和船只海面对比度进行了分析,结果表明:一方面,多视处理增加了等效视数,改善了图像质量,更有利于船只探测;但另一方面,多视处理又降低了图像空间分辨率和船只海面对比度,对船只探测产生不利影响.最后本文选取了窗口滤波法和K分布法两种典型的SAR船只探测方法对多视处理的SIR-C SAR图像进行了船只探测试验,得到了最适合船只探测的多视处理的视数.     

基于MSA特征的遥感图像多目标关联算法

遥感图像中多目标关联存在以下两个问题:一是低时间分辨率观测使得目标状态信息无法准确估计,基于Kalman滤波的多目标关联算法不再适用;二是基于图像特征的目标关联算法又无法处理大场景观测中多个目标关联引起的模糊性.针对上述问题,提出一种基于多尺度自卷积特征匹配和关联代价矩阵最优化的多目标关联算法.实验表明该算法对遥感图像中多目标关联问题具有一定的适用性.     

同位素示踪剂在流域水文模拟中的应用

主要目的是通过对同位素在流域水文模拟应用中的一些假定、限制条件以及方法进行澄清和系统化,从而促进同位素在流域水文模拟中一些新的研究方向和研究热点.主要从三个方面,即同位素流量过程线分割、流域平均滞时与不同水源混合、与水文模型耦合,讨论同位素示踪剂在流域水文模拟中的研究进展情况.同时指出了同位素在流域水文模拟中应用存在的一些主要问题,包括:①降雨同位素含量的时空变化;②不同径流成分的采样;③径流输出同位素含量的空间变化;④流域平均滞时分布函数的确定;⑤水文同位素耦合模型.     

小波理论在遥感图像融合中应用

小波变换用于多源遥感图像融合已得到了国内外学者的广泛关注,并且又提出了很多小波变换与传统融合方法结合的融合算法。本文在对这些算法进行总结的基础上,讨论了基于小波包变换和最优树变换以及多进制小波变换在融合中的应用,分析他们在融合中各自的特色,以便使用时根据具体情况进行选择。     

SAR图像点目标检测新方法

分析了2L-IHP目标检测算法,提出了一种基于幅度和相位信息的SAR图像目标检测方法,实现了SAR图像中人工目标的有效检测.     

一种Brovey变换图像融合法的改进算法

分析了的Brovey变换融合算法,提出了一种新的基于Brovey变换、对数变换亮度调整的图像融合方法,试验数据的对比和分析证明了其保留多光谱影像的光谱信息.     

基于时刻独立脉冲耦合神经网络的高空间分辨率摇感影像分割

高空间分辨率遥感影像中地物目标内部光谱信息复杂性的增强,使得传统基于光谱特征值的数据处理方法效果不再显著,影像分割为解决这一问题提供了一种思路,成为当前高空间分辨率遥感影像处理的研究焦点.时刻独立脉冲耦合神经网络具有状态相近、空间相邻神经元相互耦合同步脉冲激发和区域之间神经元脉冲激发时刻独立两大特点,已被应用于非遥感影像分割中,并取得较好效果.本文结合高空间分辨率遥感影像特点,通过对网络参数进行实验和分析,提出一个基于时刻独立脉冲耦合神经网络的高空间分辨率遥感影像分割方法,并利用空间分辨率0.3m的航空影像进行了数据试验,将分割结果进行讨论并与现有时刻独立脉冲耦合神经网络方法和ISODATA方法分割结果进行对比分析.结果表明:时刻独立脉冲耦合神经网络在高空间分辨率遥感影像分割处理中具有很好的应用前景.     

基于相关系数匹配的混合像元分解算法

遥感影像中的混合像元不仅影响地物识别和分类的精度,而且已成为遥感科学向定量化发展的主要障碍.为此,人们已经提出了多种混合像元分解算法,其中应用最为广泛的是最小二乘法.该方法虽然具有意义明确、简单易行等特点,但也易受局部噪声、大气效应、环境辐射等因素的影响.本文将混合像元分解问题归结为一个基于光谱匹配的非线性最优化问题,并针对最小二乘法的不足提出了一种新的基于相关系数匹配(spectral correlation matching, SCM)的混合像元分解技术.通过在北京市北三环及其以北区域内案例的研究表明:在城市区域内,利用图像选取终端端元的办法,基于相关系数匹配的混合像元分解算法的总体精度高于带全约束的最小二乘法(LS)的分解结果.对比分析表明:在目标光谱的绝对值整体放大或缩小而光谱形状得到了很好的保持、及局部噪声使得光谱值显著变化但光谱形状得到了一定程度保持时,基于光谱形状的相关系数法可以得到比基于光谱绝对值的最小二乘法精度更高的分解结果.