第二大地边值问题引论EI北大核心CSCD

在空间大地测量时代,GNSS可以测定地面点的大地高,使重力扰动变成了直接观测量,以重力扰动为边界条件的第二边值问题在大地测量中得以实用化。它的解与GNSS组合正在成为一种颇有应用前景的海拔高测量方法。本文原理性地讨论了有两种不同边界面的球近似第二大地边值问题。第一种以地形面为边界面,给出了高程异常与地面垂线偏差的解析延拓解;第二种以参考椭球面为边界面,将其外部地形质量按照Helmert第二压缩法移至参考椭球面,然后将Hotine函数与从地球表面延拓至边界面的Helmert重力扰动进行卷积,并顾及地形间接影响,最后得到大地水准面高、椭球面垂线偏差、高程异常与地面垂线偏差的Helmert解。在讨论部分,进行了第二与第三大地边值问题的比较,提出了现有重力点高程从正高或正常高到大地高的改化方法,并展望了它的应用前景。     

从国家自然科学基金项目资助探讨大地测量学的学科架构与发展

大地测量学是地球科学的一个重要发展领域,通过对地球和行星几何与物理量的观测与分析,研究地球和行星几何形状、物质运动状态及其空间环境响应,为国家基础设施和国防建设提供时空和重力基准保障。随着大地测量学向地球科学基础研究和交叉应用等方面的不断延伸和快速发展,其研究水平得到了显著提高,在描绘、构建和认知地球和行星中占据了越来越重要的地位。本文基于历年来国家自然科学基金申请和资助项目,从项目类型、分支领域、依托单位、研究方向和关键词等方面进行了统计分析,梳理了学科发展特点,构建了学科架构知识图谱——大地测量学科树,以期为大地测量学领域相关学者提供参考。     

高空间分辨率遥感影像最优分割结果自动确定方法EI北大核心CSCD

针对现有方法普遍存在不能充分顾及遥感影像多波段光谱信息,以及忽视遥感影像中地理要素的多尺度特性等问题,提出一种自动确定高空间分辨率遥感影像最优分割结果的非监督评价方法。该方法基于信息熵生成光谱信息离散度,利用光谱信息离散度构建能表达分割对象内部光谱均质性指标和分割对象与其相邻分割对象间光谱异质性指标。基于构建的光谱均质性和光谱异质性指标,采用“粗估计+精确定”的策略,逐步得到一个多级优化后的影像最优分割结果。本文在3个不同下垫面影像区域进行试验。结果表明,该方法能有效地实现自动确定高空间分辨率遥感影像最优分割结果,与现有方法相比,本文方法确定出的影像最优分割结果质量更高,与参考分割结果更加贴近。     

多源遥感影像学习型特征双向一致性配准EI北大核心CSCD

针对多源遥感影像之间非线性辐射和几何畸变的差异严重影响配准质量的问题,本文提出一种具有双向一致性变换适用于多源遥感影像的配准方法。首先,利用微调的ResNet101网络模型提取多源遥感影像学习型特征,在特征匹配阶段,为提高同名特征匹配的可靠性,设计了一种双向一致性特征匹配网络模型;然后,基于小型轻量级网络加权回归变换模型参数,实现多源遥感影像稳健可靠的配准。试验利用Google Earth影像、卫星影像、无人机影像、Google Earth-卫星-无人机混合影像4种不同数据源对本文方法进行测试,并与具有代表性的多种方法进行比较,结果表明本文方法在配准精度、效率、稳健性方面具有优势,基本实现了2像素以内的自动配准精度。     

SAR影像变化检测的前景特征流形排序法EI北大核心CSCD

SAR影像变化检测的差异图分析法存在的两个问题:①连通区域内的部分变化区域易被误判为未变化区域;②中心先验假设并不适用于检测位于SAR影像边界的变化区域。本文针对以上两个问题设计了一种超像素分割和前景特征流行排序(manifold ranking,MR)的SAR影像变化检测方法(MRSFCD)。首先,通过单像素和邻域对数比算子进行加权融合构造差异图,可以保持变化区域内部的一致性并抑制噪声干扰。其次,对差异图进行超像素分割。然后,改进超像素的无向图连接方式,不对边界四周的超像素进行连接,利用超像素分割结果和灰度信息进行三次邻接。最后,将基于前景特征流行排序后得到的显著性图与单像素对数差异图进行点乘,对其进行阈值分割得到最终的二值变化图。本文通过采用3组双时相影像进行试验。结果表明,相较于其他变化检测算法,本文方法有效地提高了变化检测的精度。     

抗视差的宽基线弱纹理影像自动拼接算法EI北大核心CSCD

针对目前带有视差突变的宽基线弱纹理影像拼接效果差及需要人工干预的问题,本文从影像匹配和影像配准两方面进行改进,提出了面向宽基线弱纹理影像的抗视差全自动拼接算法。首先,采用融合了影像视角几何纠正的局部特征变换模型,由粗到精地实现弱纹理特征的准密集对应;然后,基于匹配点和深度神经网络,泛化学习宽基线影像间的可靠透视变换,以获取全局配准视差,局部视差则通过薄板样条函数来精确拟合;接着,将影像拼接结果的多边形边界进行规则化处理,通过全卷积网络将其训练为规则化矩形,在有效剔除空白区域的同时,最大限度地保留影像拼接内容;最后,选取4组无人机和地面近景宽基线弱纹理立体像对进行测试,并将本文算法的影像匹配及配准各阶段结果分别与现有代表性算法结果进行对比。试验结果表明,本文算法在匹配点数目、匹配精度及影像拼接质量等方面具有显著优势,并能够在影像弱纹理区域及视差突变场景表现出较好的稳定性。     

无人机影像DSM自动生成随机传播COLVLL算法EI北大核心CSCD

针对现有密集匹配方法在弱纹理及高差较大区域表现不佳,以及密集匹配融合生成DSM时导致信息丢失等问题,本文提出基于随机传播COLVLL的DSM生成方法。在对空三加密后的影像进行有效像对筛选的基础上,利用随机传播机制对DSM像素区域进行扫描迭代,结合VLL算法对随机生成的高程值进行迭代更新得到DSM。以弱纹理、大高差区域无人机影像为试验数据与现有生成DSM商业软件进行试验对比,并以ISPRS WGII/4提供的Vaihingen数据集为参考对本文方法生成DSM及真正射影像数据进行试验分析,结果均证明了本文方法的有效性和适用性。     

基于最小生成树的高分辨率遥感影像层次化分割方法研究EI北大核心CSCD

在更精细的空间尺度下,高分遥感影像呈现更丰富的地物细节信息,信息内容的复杂性、空间性和海量性等特征,给传统遥感影像分割方法带来挑战。针对这些挑战,寻求一种更有效的分割模型和并行化的处理方法是有效提高大尺度高分遥感影像分割精度和处理效率的关键。为此,论文提出基于最小生成树的高分遥感影像层次化分割方法及其并行化重构。前者利用层次化最小生成树模型实现影像复杂场景信息的有效刻画,在此基础上利用区域化模糊聚类模型构建层次化分割模型。后者基于子块切分的并行划分和并行模糊聚类分割方法,实现大尺度高分遥感影像的快速、有效分割。论文的主要工作如下。     

面向大视角差的无人机影像序列学习型特征匹配EI北大核心CSCD

针对无人机大视角差影像之间存在仿射变形大、遮挡严重、视角差异显著等问题导致的同名点匹配存在多解和大量误匹配难题,本文提出了一种适用于大视角差影像稳健匹配方法。利用改进的具有双头通信机制的D2-Net卷积神经网络提取倾斜影像的学习型特征,在之后的同名点匹配搜索阶段,为解决唯一匹配点受到较多潜在可行解干扰的问题,设计了一种由粗到精的提纯策略,在稳健匹配同名点对的同时大幅降低匹配开销成本。将HPatches数据集中多组不同场景的影像序列和实地采集的无人机大视角差影像序列作为数据源对提出的方法进行测试,并与具有代表性的基于手工设计的ASIFT方法和基于深度学习的多种方法进行了比较。结果表明,本文方法能够提取稳健的大视角差影像序列仿射不变学习型特征,在正确匹配点数、匹配点正确率、匹配点均方根误差和匹配时间开销方面具有优势。     

面向地震风险评估的高分辨率遥感影像建筑物信息提取与研究EI北大核心CSCD

地震灾害具有突发性和不可预测性,严重威胁人类生命财产安全和社会稳定。进行区域尺度地震风险评估,既有助于相关部门制定城市规划和应急管理方案,最大限度减轻地震灾害风险,也可提高人民群众对潜在灾害的风险意识。承灾体、建(构)筑物数据是进行地震风险评估的基础数据之一。然而,当前存在建筑物数据获取难、更新速度慢等局限,无法满足区域尺度地震风险评估中建筑物数据准确性高、获取方便、更新及时等要求。同时,也缺乏结合社会脆弱性因素构建情景地震的应用案例。论文针对上述不足,以基于多源异构数据和机器学习方法快速、准确获取建筑物信息及其地震风险评估为研究目标,主要研究内容如下。     

基于光学遥感卫星影像的南极冰流速产品和方法研究综述EI北大核心CSCD

冰流速是反映在全球气候变化条件下南极冰盖变化及其稳定性最直接和最基本的指标之一,也是精确估算南极冰盖对全球海平面上升贡献的关键数据之一。光学遥感影像因其空间覆盖广、时间和空间分辨率高等优势,是南极冰流速大规模提取的重要数据源。本文首先对现有利用光学遥感影像进行南极冰流速提取的方法进行了综述,介绍了相关的软件和工具。然后,总结了20世纪60年代以来基于光学遥感影像生成的南极冰流速产品,并对南极典型区域的冰流速产品在物质平衡估算、冰架长时序变化监测等方面的应用进行了分析。最后,总结了光学遥感影像用于南极冰流速提取的优势及未来的发展趋势。     

融合半监督学习的无监督遥感影像场景分类EI北大核心CSCD

自监督学习可以不依赖样本标签对遥感影像进行特征提取,但是特征分类仍然依赖有监督方法。为了克服有监督特征分类过程的不足,实现遥感影像特征的无监督自动分类,本文提出一种融合半监督学习的无监督语义聚类方法。首先,使用自监督学习提取遥感影像特征,抽象出图像包含的高层语义信息;然后,基于特征相似度寻找每个样本最相似的近邻,使用在线聚类将相似样本聚为一类,训练一个线性分类器;最后,根据聚类结果为高置信度样本生成伪标签,构造标注样本集,使用半监督方法对模型微调。在4个公开遥感影像场景分类数据集EuroSAT、GID、AID和NWPU-RESISC45上进行验证,分类精度分别达到了94.84%、63.55%、76.42%和86.24%。本文方法结合了在线聚类和半监督学习的优点,缓解了已有方法存在的误差积累和样本利用不充分的问题,在完全不使用标注样本的情况下,充分利用自监督特征训练分类模型,对遥感影像进行场景分类,达到接近有监督学习的分类效果,具有良好的应用价值。     

工程测量学发展的历史现状与展望

从工程测量学的定义出发,结合典型史料,阐述了工程测量学的发展历史,论述了工程测量学的发展现状与近半个多世纪以来科学飞速进步和工程建设巨大发展的关系,指出了工程测量学科发展的方向和特点,提出了对工程测量发展趋势的看法,展望工程测量将进一步向宏观和微观方面发展。     

广义带限航空矢量重力确定大地水准面的两步积分法EI北大核心CSCD

依据物理大地测量学的广义带限水平边值问题理论,本文提出了基于带限航空矢量重力水平分量确定大地水准面的两步积分法。首先,依据广义带限水平边值问题解将带限航空矢量重力水平分量转化为飞行高度面上的带限扰动位;然后,利用带限Dirichlet边值问题解将飞行高度面上的带限扰动位向下延拓到海平面(海拔高程起算面,也称平均海面)上的带限扰动位;最后,依据Bruns公式将海平面上的扰动位转化为大地水准面高度。利用EGM2008重力位模型开展数值仿真计算试验,结果表明,广义带限水平边值问题解具有较好的低通滤波特性,能有效抑制观测高频噪声的影响;当带限航空矢量重力水平分量观测误差取3×10^(-5)m/s 2、测量飞行高度取6 km时,基于带限Dirichlet边值问题解的带限大地水准面计算精度优于3 cm,初步验证了两步积分法的计算稳定性和有效性。     

基于卷积神经网络的高分辨率遥感影像目标检测方法研究EI北大核心CSCD

高分辨率遥感影像目标检测作为高分对地观测系统中影像信息自动提取及分析理解的重要内容,对高分对地观测系统应用价值的发挥具有重要影响。卷积神经网络作为最热门的深度学习模型,由于其可以根据海量数据和标注自行进行有效图像特征提取和学习,在训练数据充足的情况下,模型具有良好的泛化能力,能够在复杂多变的条件下依然保持良好的稳健性和普适性。因此,基于卷积神经网络的目标检测架构被相继提出,但现有网络架构多是针对自然图像设计的,相对于自然图像,高分辨率遥感影像存在背景更加复杂、目标尺度更小、同类目标尺度变化更大和影像尺寸更大等特点;将这些网络架构直接用于高分辨率遥感影像目标检测会存在网络目标建议框尺度不匹配,待检影像相对于网络输入过大,以及缺乏训练数据等问题。针对上述问题,论文系统性地开展基于卷积神经网络的高分辨遥感影像目标检测方法研究。主要研究内容如下。     

智能手机影像支持的水质监测算法与应用EI北大核心CSCD

智能手机为基于公众科学的水质监测提供了新的手段,但是目前还缺乏基于智能手机拍摄的水体影像的水质参数反演的系统性研究。针对这种情况,本文首先构建了基于水面数码照片的典型水质参数反演和水体污染识别模型,包括水色指数、透明度、营养状态等级、蓝藻水华、黑臭水体;然后,基于这些模型开发了基于智能手机安卓系统的“观水色”app,并在一些典型研究区对“观水色”app进行了应用及评价,获得了较好的水质监测精度;最后,分析了白平衡、不同数码相机设备、照片存储格式对于基于智能手机的水质监测的影响及其应对策略。本文的研究成果将有利于推动智能手机在水质监测中的广泛应用。     

GNSS对流层水汽监测研究进展与展望EI北大核心CSCD

对流层是近地空间环境中与人类活动联系最为密切的大气层,而水汽是低层大气圈中最重要的组成部分之一。尽管水汽在对流层中所占比例较小,但在一系列天气和多种气候变化中都扮演着重要角色。随着全球导航卫星系统(GNSS)的快速发展,GNSS对流层水汽监测成为重要的研究和应用方向。本文系统介绍了GNSS多维水汽监测及其在相关方面应用的研究现状和进展。GNSS水汽监测研究方面,当前主要集中在二维大气可降水量监测和三维湿折射率/水汽密度廓线反演两部分;GNSS水汽应用研究方面,当前主要包括定位、短临降雨及旱涝监测、数值同化预报等。     

结合多尺度共享编码的半监督网络航空影像语义分割EI北大核心CSCD

在半监督语义分割中,主要采用编码-主从解码器结构使无标签样本参与计算以提高分割精度,但编码器的连续下采样操作易丢失浅层细节特征,从而导致地物边界分割不完整。为此,本文提出结合多尺度共享编码的半监督网络架构对航空影像进行语义分割,该网络的编码器采用ResNet-50获取影像浅层特征,并通过在ResNet-50末端嵌入多尺度共享编码模块来链接浅层特征,以构建密集特征金字塔和扩大感受野,从而获取目标地物多尺度细节信息。将本文网络与UNet、DeepLabv3+、FCN监督网络和CCT、XModalNet、VLCNet半监督网络在LandCover.ai和DroneDeploy数据集上分别进行了对比试验和精度评估。结果表明:本文网络在标签数量与精度方面均具有明显优势,对于LandCover.ai数据集,在6000张标签样本和6500张无标签样本的前提下,整体mIoU提升1.15%,对于DroneDeploy数据集,在30张标签样本和5张无标签样本的前提下,整体mIoU提升0.94%,同时显著提升影像地物的分割精度,得到更清晰、完整的地物边界。     

工业摄影测量技术发展与应用EI北大核心CSCD

在制造业朝着自动化、柔性化、智能化发展的潮流中,传统的工业测量技术难以同时胜任高精度、高效率、高便捷性的要求,本文提出以工业摄影测量技术为基础的测量系统,其具有实时性、便捷性、自动化和智能化的特点,获取的高质量的三维数据,可用于逆向工程、质量检测、辅助智能制造等典型工业应用场景。同时介绍了该测量系统的技术路线,从硬件设计、算法优化等方面提出了见解。     

多源遥感影像及处理方法在城市发展普查中应用的对比研究北大核心CSCD

利用多种遥感影像处理技术从不同分辨率影像中提取城市绿地及城镇居民地,以同时期航片中对应的地物为基准进行误差统计。研究结果表明:IKONOS影像利用植被指数提取城市绿地的精度高于其他方法及影像;分辨率越高的影像,提取城镇居民地的精度越高;IKONOS使用比值变换融合的影像提取城镇居民地的精度最高,但是处理过程花费时间较长。