中测法中计算假定倾角的改进意见

为了将象片改化为水平象片,从而应用前方交会公式解算高差,就必须已知象片的倾角α_x~0、α_(y_0)~0而α_x~0、α_y~0应该是象片的绝对倾角在该象片所在的象对内的基线系统（即以垂核面作为XOZ平面）的两个分量。根据现有中测法的计算方法,最后算得α_x~0、α_y~0实际上是经过了两次改化：先将近似值α_x、α_y改化为整个航线的统一座标系统,然后再改化到各象对的基线系统中去。这样就绕了一个弯子,理论上被复杂化了,特别是在改化的计算过程中出现了很多的符号δ_1α_(x_л)、δ_1α_(x_д)、δ△τ、δα_x象对等等。而本文的中心思想是希望经过一次改化,直接求得基线系统内的象片倾角α_x~0、α_y~0。这样不仅在理论上将问题简单化了,同时在很大程度上可以简化假定倾角的改化计算。     

豪司布兰德的“辅助记号”(解答某些测量问题所引用的原始公式)(续完)——第二部分 座标计算

由图得χ_3=χ_2+h_2,或χ_3=χ_1+h_1,h_2=αsin(β+m),但α=c(sinα)/(sin(α+β)),代入之,得     

极化SAR影像分类方法研究

极化SAR图像分类是SAR图像解译的重要内容,快速、准确的SAR图像分类是实现各种实际应用的前提.现基于极化SAR图像的特点,用H-α、Wishart分布及H-α-FCM三种方法对机载全极化SAR数据和星载全极化SAR数据做了分类实验研究.结果表明,由于H-α平面的划分过于简单,这不可避免的会导致分类结果的不稳定性;Wishart分类方法能够清楚地区分开自然地物的主要类型,更符合散射机制的自然分布,并考虑与后向散射强度有关的信息,以一种自适应的方式改变了H-α平面中的决策边界,改善了H-α分类结果;H-α-FCM分类方法能较好的克服H-α分类结果中地物类别的模糊问题.     

问题解答

在用视距测高法中,当视距相等时,为何α＞45°的高差反比α=45°的高差为小？     

北京地区温度场分布与地面空间结构关系的分形描述

提出构建北京市温度分布与空间结构的之间定量关系的思想。首先以2002-05-22 ETM 作为数据源,利用分形理论初步构建北京市温度分布与盒维数,最大、最小非均匀标度指数αm ax,αm in,(αm ax-αm in)以及信息维D(1)之间的关系;然后利用北京市1997-05-16和杭州1998-08-11的TM遥感数据对所建立的关系进行了验证。研究表明,温度分布与盒维数、αm in和D(1)之间存在较好的正相关关系,而与(αm ax-αm in)之间的关系在不同时间和城市存在较大的差异。温度分布与盒维数、αm in以及D(1)之间的定量关系,为定量解释城市空间结构与温度分布之间奠定了一个新基础。城市空间结构极为复杂,利用分形理论研究城市环境要素、现象与城市空间特征之间的关系时,对于分形参数的物理、现实意义一定要根据具体的研究时间、地点和目的给出谨慎的解释。     

平面α角坐标系及其应用的几个问题探讨

本文首先指出《解放军测绘学院学报》1991年第4期“平面α角坐标系及其应用”一文存在的问题,推导了不同平面α角坐标系转换的通用公式,给出了坐标增量、方位角及两直线夹角等参数在平面α角坐标系中的表示形式;重新分析了数字坐标仪X轴与Y轴不正交对方位角的影响,还通过一实例说明平面α角坐标系及其公式在实践中的应用。     

技术问答

问：1:10000航测外业规范附录18检查角公式△α~1=(1±0.03S/100)/(Scos2α)ρ~1△α~1=(1±0.05)/(Scos2α)ρ~1是怎样得来的？（山西 史文学）     

两点题的图解法

一．在两个已知点的同侧测设两个未知点。设A、B为已知点,x、y为未知点。（a）α_1,α_2,β_1,β_2都小于90°（图1）：首先分别在两个未知点上测出α_1,α_2,β_1,β_2四个角,于是就可以用分角器及圆规用图解法绘未知点于图上。     

一种利用Cloude-Pottier分解和极化白化滤波的全极化SAR图像分类算法

提出了一种新的基于Cloude-Pottier分解和极化白化滤波(PWF)的全极化SAR数据分类算法。该算法利用PWF的结果来代替反熵A对复WishartH/α分类结果进行进一步细化,按PWF的值将复WishartH/α分类结果由8类分为16类,然后再次进行Wishart迭代分类。实验结果表明,该算法能有效地提高分类精度,分类结果明显优于常规的复WishartH/α分类结果和复WishartH/α/A分类结果。     

技术问答

问：最近（1965年9月）出版的《斜视距高差计算用表》（国家测绘总局地形八队编算）的制表公式为：全丝截距时h′_2=(Kl_0sinαcos(α—34′))/(cos~217′)半丝截距时h′_2=(KL_0sinαcos(α—17′))/(cos~217′)全丝截距时负角改正数△h′_1=4Kl_0 sin~2αtg 17′     

导线方位角计算盘

导线的方位角是根据α=α_H+β±180°来逐步推算的,其中α_H为已知方位角。为提高工作效率,避免发生差错,我处朱锡明同志设计了一种方位角计算盘,并且能同时直接读出象限角。在我处试用中,大受放迎,现将其介绍于下。     

基于权重散射特征的FSVM算法在极化SAR影像分类中的应用

提出了一种基于权重散射特征的模糊支持向量机的极化SAR数据监督分类方法。首先,对极化SAR数据进行H/SPAN/A/α散射特征提取;其次,根据样本可分离度设置最佳散射特征权重参数C,得到最优分类输入数据(H/6SPAN/A/α);最后,利用FSVM算法对数据进行监督分类。实验结果证明,所提出的FSVMH/6SPAN/A/α分类结果优于FSVM-H/SPAN/A/α。     

基于Sentinel-1A雷达影像地表覆盖信息提取研究

为提取不同类别地表覆盖信息,本文利用Sentinel-1A双极化星载合成孔径雷达影像,使用Cloude极化分解方法获得雷达卫星探测到的地表目标散射机制信息,并以由散射熵H和α角所构成的特征空间中不同地表覆盖区域所对应的不同散射机制区域为基础,划分监督样本并结合Wishart迭代监督分类方法以及SVM分类方法进行地表覆盖信息提取,结果显示,根据H-α特征空间进行的监督分类方法中H/α-Wishart分类方法精度评价Kappa系数为0.804,H/α-SVM方法Kappa系数为0.827,两种不同方法的地表覆盖分类结果都能够达到较高的分类准确性,说明根据H-α特征空间进行地表覆盖信息提取是有效、可行的分类方法.     

基于IEM模拟的干旱区多时相数据含水含盐量反演模型及分析

根据干旱区的一些自然地理特征，利用IEM模型生成干旱区的多时相（少雨期、多雨期）后向散射数据，然后对数据进行统计分析。一方面印证了多雨期与少雨期后向散射差（αwet^0-αdry^0）与土壤介电常数高度相关的实验观察；另外一方面根据大量的模拟数据找到确切的（αwet^0-αdry^0）与土壤介电常数的关系。最后对盐渍化干旱区的情况（有的干旱区有严重的盐渍化）进行了探讨，发现后向散射系数差（αwet^0-αdry^0）与大介电常数虚部差成较好的线性关系，这为反演土壤含盐量提供了一定依据，但由于介电常数虚部是由含水含盐量两个量决定的，所以要直接反演出含水含盐量还需要进一步研究。     

解线性方程组求三边后交点坐标

下面介绍一种用线性方程组直接计算测边交会点坐标的方法。如图所示，设已知A、B、C三点坐标分别为：（x_A，y_A），（x_B，y_B），（x_C，y_C）；今测得距离PA，PB，PC分别为α_1、α_2、α_3求P点坐标（x_P，y_P）。     

RADARSAT-2全极化SAR数据地表覆盖分类

全极化合成孔径雷达(SAR)能够测量每一观测目标的全散射矩阵,但地物分布的复杂性往往造成不同地物具有相似的后向散射信号特征,因而增加了地物信息提取的难度。文中基于北京地区的RADARSAT-2全极化雷达数据,在图像处理的特征分解的基础上,利用PolSARPro软件提取包含地物散射机理信息的各种极化参数,按H-α、A-α、H-A对全极化SAR影像进行基于散射机理的分类,继而将分类结果作为Wishart H/A/α、Wishart H/α的初始类别划分。最后,采用决策树分类算法对基于Wishart分布的监督分类及以上两种分类算法进行融合处理,从而实现地物的分类,并将分类结果与经典的分类算法进行对比分析,验证了文中方法的有效性。     

菱形视差环节

在精密导线中,常用视差角和基线来计算边长,如图1：CD为基线长S,与导线AB成对称,在A,B两点精密观测视差角α_1及α_2,则AB之水平距离L为     

平面α角坐标系及其应用

本文提出了平面α角坐标系的概念,研究了它的有关特性及其与平面直角坐标系之间的关系;给出了在平面α角坐标系中距离、面积、方位角及夹角的表示形式;作为平面α角坐标系的应用,详细分析了由于数字坐标仪的X轴与Y轴的不正交对坐标、距离、面积、方位角和夹角等参数所造成的影响;还给出了一种简便可行的求取数字坐标仪X轴与Y轴交角的方法。     

基于VTK的点云数据三维重建

三维激光扫描技术又被称为实景复制技术,点云数据的三维重建是实现实景复制的关键,是当前的研究热点。本文主要研究了基于VTK的点云数据三维重建方法。首先介绍了VTK和三维重建方法;然后以VS2010为开发平台,引入VTK,实现了点云数据的α-shape重建、基于轮廓线的重建和PowerCrust重建。试验结果表明:α-shape重建结果的质量取决于参数α的取值;基于轮廓线的重建效率高,可以处理海量点云;PowerCrust重建结果质量高,但是效率低。     

基于粒子群算法的全极化SAR图像非监督分类算法研究

提出了一种基于H/α/A和粒子群优化(PSO)算法的全极化SAR数据非监督分类方法。该方法利用H/α/A对全极化SAR数据进行基于散射机理的初分类,计算各类别的聚类中心,并利用计算结果对PSO算法进行初始化,然后采用PSO对极化SAR数据进行迭代分类。在运算过程中,引入了基于最大似然准则的复Wishart距离,以提高分类器的性能。实验结果验证了该算法的有效性,所提出算法的分类结果优于传统的Wishart-H/α/A分类方法。