城市场景结构感知的网格模型简化算法

针对二次误差测度(QEM)网格简化算法全局几何特征信息损失严重的缺点,提出一种具有结构感知功能面向城市三维模型重建的网格简化算法。该算法顾及城市影像中平面结构特征,以代理平面为全局特征约束条件,使模型在简化过程中全局结构特征更多地被保持,以利于多层次细节模型(LOD技术)、网格优化提速等模型后续操作。以倾斜摄影获取影像生成的初始三角网格模型为试验数据,采用所给算法对其进行网格简化并与QEM算法进行对比。结果表明:所给算法简化精度及简化效率均优于QEM算法。     

基于积分图像的面状注记配置方法研究

提出了一种基于积分图像的面状图形注记自动配置算法,设计并实现了基于积分图像的面状注记配置的核心算法.实验表明,该算法能快速准确地定位待标记注记的位置,合理而又美观地实现面状图形注记的自动配置.该算法已成功应用于深圳市地籍测绘大队的房产测绘系统中.     

一种顾及高程的无人机景观匹配定位方法

针对目前无人机飞行器主要依靠GNSS定位且易受干扰失效的问题,该文提出了一种基于景观匹配的无人机辅助三维定位方法,该方法首先将基准影像与DEM进行配准生成底图数据,然后采用SIFT算法将无人机实时飞行图像与底图数据进行匹配,得到同名点对并获取无人机飞行图像的平面与高程坐标,再利用空间后方交会对飞行图像进行解析,解算无人机的三维坐标,实现顾及高程的三维定位导航。实验结果证明该方法可以降低无人机对GNSS的依赖,实现无人机GNSS信号受干扰或失效时的定位导航。     

倾斜影像自适应初始物方面元优化匹配算法

采用基于物方面元的最小二乘影像匹配方法匹配倾斜影像时,常出现深度不连续或高差较大区域影像连接点度数低或空三点过少问题。针对此问题,本文提出一种基于自适应初始物方面元的倾斜影像匹配算法。算法利用倾斜影像已有的初始内外方位元素及匹配过程中产生的物点信息,采用多片前方交会和物方差分的方法自适应计算物方面元的高程及法向量方向角初值,进而解决采用物方面元最小二乘影像匹配方法匹配地物高差较大区域的倾斜影像时,因初值不准导致在像方匹配同名点困难的问题。分别采用本文算法和物方面元初始状态为水平面元的最小二乘影像匹配方法对两组倾斜影像进行对比匹配验证。试验结果证明了本文算法的有效性。     

扫描地图的定向与纠正

介绍了通过识别地图编号得到地图位置信息，进而利用公里格网点对扫描地图进行定向与纠正的过程。对其中的关键原理和算法进行了详细的描述。     

基于GPS与GIS集成的车辆导航系统设计与实现

介绍了基于GPS与GIS集成的车辆导航系统设计与实现 ,探讨了导航系统中电子地图的空间数据组织 ,提出了GPS信号与GIS路网数据匹配、快速的邮路选择、最佳路径选择、地图随驾驶方向快速实时旋转技术及语音提示、语音识别技术的使用。     

密集光流法正射影像镶嵌线智能提取

针对正射影像拼接时影像间存在复杂的几何错位问题,提出一种基于密集光流法正射影像镶嵌线智能搜索方法.利用影像密集光流、梯度信息和灰度信息构造代价影像并视其为带权无向图,以图割模型为基础,采用最大流最小割原理自诊断搜索镶嵌线.实验结果表明,采用所提方法得到的稀疏建筑区镶嵌线代价像素数大于100的仅占路径长度的0.7％,且相...     

一种快速高效的无缝纹理匀光方法

针对倾斜影像三维重建后纹理间存在明显的色差、接缝且处理低效的问题,本文提出了一种快速高效的无缝纹理匀光方法。该方法首先对输入的去畸变影像进行影像增强预处理,通过对模型所有的顶点和边建立约束方程,求解得到每个顶点的颜色改正值;其次根据3个顶点插值得到三角面内部像素的颜色改正值;然后通过纹理扩充得到全局无色差的纹理块;最后对纹理块进行降分辨率泊松编辑。试验结果表明,采用本文方法进行纹理匀光处理,具有纹理块间无色差、接缝线处纹理过渡自然、计算速度更快等优势,能增强三维模型的可读性与改善三维模型的显示效果。     

一种平滑程度可控的等高线平滑方法

提出了一种能够通过具有实际意义的参数控制等高线平滑程度,通过等高线平滑可以控制等高线细节的表达程度的方法,能够完成不同尺度下等高线的简化;算法通过结合曲线平滑和迭代最大残差抑制方法,完成等高线平滑程度控制,此时全体高程点平面位移均低于给定平滑容差.首先通过自适应算法选取最大平滑因子,对全体高程点进行平滑处理,选择点位位移最大高程点进行局部处理,以一定倍率逐渐减小平滑因子,使得该点点位位移低于给定平滑容差;不断重复该过程,直到全体高程点点位位移均低于给定平滑容差,从而完成等高线平滑程度的控制.经实验验证,等高线平滑后曲线曲率更小,曲率变化更加均匀,且等高线精度能够通过参数进行控制.     

面向对象高分遥感影像典型自然地物半自动提取

针对目前高空间分辨率遥感影像（简称高分遥感影像）地物全自动提取无法完全实现的现实,本文结合自然地物的光谱和纹理特征,提出一种面向对象的高分遥感影像典型自然地物半自动提取方法。首先构建最小生成树（Minimum Spanning Tree, MST）进行影像初始分割,根据影像灰度平均归一化值和标准差统计对象的光谱、纹理等特征。用户通过“种子点”交互选取提供前景样本,并基于区域邻接图（Region Adjacency Graph, RAG）寻找合并代价最小的区域扩充前景样本。在自动构建的环形缓冲区内选择背景样本,利用特征空间高斯滤波实现全连接条件随机场中均值场更新。依据全连接条件随机场描述全局信息,结合不同地物的提取准则最终得到自然地物的提取结果。以航空和高分二号(GF-2)遥感影像为实验数据,分别对林地、草地、耕地、裸地和水体等典型自然地物进行提取。结果显示,基于本文方法的航空影像典型自然地物提取总精度和Kappa值为0.959和0.948,相较于SVM方法分别提升了20.757%和0.268。高分二号(GF-2)遥感影像的提取总精度和Kappa值为0.959和0.941,相比SVM方法分别提高了1.698%和0.133。证明所给方法能够通过较少的用户交互,实现高分遥感影像典型自然地物高精度智能提取。