基于多源DEM的广西宁明县河网提取

以3种不同数据源和不同分辨率的DEM数据为基础,着重研究了不同数据源和分辨率对四级水系流域(县级区域)的河网提取的影响。实验表明,对四级水系及其支流的提取并不是分辨率越高越好。从提取的精度角度看,采用航空摄影测量方法得到的DEM的实验结果较为详细。而从分辨率来说,12.5 m分辨率的DEM最好。     

浅谈DEM的建立方法及应用

主要介绍DEM及其建立过程,研究DEM的特点及表示方法,并对不同的表示方法进行分析比对,重点介绍了DEM在地形曲面拟合、立体透视图、通视分析、计算地形属性等几个方面的应用,最后介绍这些应用在Map-GIS中的具体实现。     

LIDAR数据与多源数据融合的方法

通过分析LIDAR数据特点,并结合各种典型多源数据,论述如何在保持各数据源精度的前提下,实现多源数据融合的集成技术;提出一种基于地形约束条件下的点云DEM生产方法,并采用金字塔模型及线性四叉数瓦片式索引对数据进行管理,从而实现对多源数据的融合与快速浏览。     

多源遥感影像融合

遥感影像融合能富集同一地区不同数据源的信息大跨度波谱特性影像数据的融合,提供了有关各单个传感器的互补信息,使分类更精确;大跨度空间分辨力影 融合,有利于改善２多光谱影像的度,增强特征提取和目视判读能力,能有效地用于变化监测。     

多源融合导航系统的融合算法综述

多导航源的信息融合算法是多源融合导航系统的核心技术,根据各类算法的结构特性,将融合算法分为三大类:集中式融合算法、并行式融合算法和序贯式融合算法。通过对各类算法的仿真,总结出算法的特点和适用场景,并得出融合算法的发展趋势,为多源融合导航系统设计提供算法理论支撑。      

渤海湾多源重力数据的自适应融合处理

在最小二乘逐步配置基础上,提出了以调整观测信号自协方差及互协方差函数为主要形式的多源重力数据自适应融合处理方法,构建了基于配置结果的自适应融合以及基于观测信号的自适应融合两种融合模式。分别利用两种融合模式对渤海湾陆海交界区域的航空重力数据、卫星测高反演重力数据以及陆地重力数据进行了融合处理,其中基于观测信号的自适应融合模式取得了较优的融合效果,通过船测重力数据的外部检核表明,融合数据的总体精度优于3.7毫伽 。     

多源遥感影像数据融合方法探讨

在简要分析几种常用多源遥感图像融合方法的基础上,着重探讨了基于小波变换融合方法的特点以及小波变换与其他方法相结合使用的优势,为相关工作提供借鉴。     

多源遥感影像数据的融合方法探讨

在分析和总结多源遥感影像数据融合的基础上,探讨了多源遥感影像数据融合的层次、模型、结构及其特点.归纳总结了多源遥感影像数据融合方法,目的是提高多光谱影像分辨率的同时保持色调不变,从另一个角度理解为在已知低分辨率多光谱影像和高分辨率全色影像的基础上,模拟生成高分辨率多光谱影像.本文介绍了遥感影像融合技术,系统阐述了几种常见的遥感影像融合方法及其应用.     

多源导航电子地图数据融合更新方法研究

针对导航数据更新频率低、数据重复获取、工作量大等具体问题,在研究相关数据模型、空间变换原理和误差评价等相关理论的基础上,提出了多源矢量导航电子地图数据的融合方法,为导航电子地图数据的生产应用提供理论和技术支持。     

利用小波神经网络的GPS高程转换

介绍小波神经网络的基本结构及学习算法,并应用于GPS大地高转换为正常高。结合实际工程数据,与BP神经网络作比较分析,因小波网络较强的非线性使得它泛化性能更好,收敛速度更快,经实例论证,在同等条件下,小波神经网络方法用于GPS高程转换的精度优于BP神经网络,且其精度可满足常规工程需要,具有一定实用价值。     

基于RBF神经网络的GPS高程拟合方法的研究

GPS高程拟合一直是工程应用中的一个研究热点,其中神经网络拟合方法得到了广泛的应用。本文利用RBF神经网络模型进行GPS高程拟合实验,主要针对模型中隐含节点数和最佳SPREAD值的确定进行实验研究,并利用MATLAB神经网络工具箱实现了GPS高程拟合。同时,将RBF神经网络拟合结果与BP网络拟合结果进行对比分析,结果表明,RBF网络拟合效果要优于BP网络,得到的拟合精度要高。     

一种含稳健权的神经网络GNSS高程拟合模型

在高程拟合解算过程中,为数不多较大误差或残留系统误差可能会使估计参数的结果歪曲,导致拟合数学模型变形失真。本文在研究GNSS高程拟合神经网络模型的基础上,将具有抵抗粗差能力的选权迭代稳健估计因子引入BP神经网络高程拟合计算,通过思维进化算法对网络初始权值和阈值进行优化,提出一种具有抗差性的神经网络高程拟合方法的思路,并通过算例验证了模型在高程拟合过程中的有效性。     

基于LM-BP神经网络的GPS高程拟合算法研究

提出了基于LM-BP神经网络方法转换的GPS高程拟合算法,并与传统拟合方法进行了比较。经实例验证,基于LM-BP神经网络的GPS高程拟合优于传统拟合方法,特别是在拟合点较少的大范围GPS拟合中显著改善了拟合高程的精度,具有一定的实用价值。     

基于混沌粒子群优化神经网络的GPS高程拟合研究

针对普通神经网络模型存在预测精度低等问题,采用粒子群优化神经网络权值和阈值的预测方法,建立基于该方法的BP神经网络高程异常拟合模型。为克服粒子群算法易陷入局部最优,提出并建立改进算法,即先用混沌变量初始化粒子位置,当出现早熟收敛时,对局部较优的部分粒子和全局极值采用混沌优化策略,从而提高了模型的训练精度。试验结果表明,该方法具有更好的准确性和稳定性。     

GPS高程拟合的BP人工神经网络算法及结构探讨

分析了GPS高程异常求解的三种常用方法,对转换GPS高程的BP人工神经网络算法及模型结构进行了较详细的试验研究,结合GPS测量和水准测量资料,对拟合精度进行了分析比较,得出了有实用价值的结论。     

BP神经网络和SVR用于GPS高程拟合研究分析

首先介绍BP神经网络和SVR方法(支持向量机回归)用于GPS高程拟合的原理,然后通过实际数据比较BP算法和SVR在GPS高程拟合中精度。结果表明,以结构风险最小化为准则的学习方法SVR,其泛化能力明显比BP神经网络好,在工程中具有一定的实际应用价值。     

基于GSA-BP神经网络的GNSS高程拟合方法

针对传统BP神经网络模型进行全球导航卫星系统(Global Navigation Satellite System, GNSS)高程拟合时存在的收敛速度慢,易陷入局部极小值和拟合精度受初始参数选取影响大的问题,提出一种遗传模拟退火算法(Genetic Simulated Annealing,GSA)优化的BP神经网络模...     

人工神经网络在GPS高程异常拟合中的应用

由GPS静态相对定位得到三维基线向量,通过GPS网平差,可以得到高精度的相对于WGS-84椭球的GPS大地高,而我国使用的是正常高,由于大地高等于正常高与高程异常之和,要使GPS高程在工程实际中得到应用,必须先求出高程异常,进而获得正常高.结合GPS测量和水准测量资料,用人工神经网络方法拟合高程异常,对拟合精度进行了分析比较,得出了有实用价值的结论.     

Elman神经网络在GPS高程拟合中的应用

根据Elman神经网络模型能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,将其运用到GPS高程拟合中,通过实例数据比较Elman神经网络与几何解析法、BP神经网络和广义回归神经网络的拟合效果,结果表明该方法拟合效果最佳。