基于混合罚函数法的多尺度电离层层析确权方法

在利用GNSS进行像素基电离层层析时,多尺度层析方法利用权重因子将反演区域不同像素层析模型结合在一起,最终得到电离层电子密度反演结果,可以有效地解决电离层层析过程中不适应问题和最终的电离层电子密度失真现象。在多尺度电离层层析中,不同像素尺度层析模型之间权重是影响最终的电离层电子密度精度的重要因素。为了获得高精度电离层层析模型,考虑到权重因子存在着等式和不等式限制条件,采用解决最优化问题的罚函数法确定不同像素尺度电离层层析模型之间的权重。通过采用实测GNSS观测数据进行电离层多尺度电离层层析,对比了多尺度层析模型的各个子模型建模精度并进行分析,同时将罚函数法获得的模型精度与其他确权方法进行了对比,该方法可以有效地应用于多尺电离层度层析,且最终的层析模型精度优于其他确权方法,更优于单尺度电离层层析模型精度。     

深度学习的街景行道树自动识别提取研究

针对城市行道树调查中,街景影像背景环境复杂多变、行道树个体差异大,依靠目视判读费时费力的问题,该文基于车载移动测量系统采集的全景影像数据,利用深度学习算法,在快速区域卷积神经网络的目标检测方法基础上,建立适用于街景行道树检测的深度神经网络模型。模型采用基于共有显著性区域及冗余策略的行道树多示例目标候选区域选择方法,使用车载图像的几何约束进一步筛选合适的候选区域,从而实现行道树目标候选区域的统一选择,提升行道树目标的检测效果。实验结果表明,该文提出的方法能够实现多种行道树的准确自动识别与提取,进而大大降低行道树绿化调查的成本。