基于先验特征的台风云系影像分割方法研究

传统的基于数学形态学的台风云系影像分割方法多采用圆形或菱形模板进行,这种方法的缺点是当运算模板较大或经多次腐蚀、膨胀运算后,不能很好地保留台风云系影像原始的形态信息。为了解决此问题,探讨了一种基于先验特征的台风云系影像分割原理与方法,即先提取台风云系影像的大致形态,并以此作为形态学模板;然后利用形态学方法提取台风云系影像;最后,以2008年7月28日18时的09号FY-2C气象卫星云图台风云顶温度数据为例进行分析,同时根据本次示例台风(200809号台风)形状自定义的模板来腐蚀分割台风云系影像,并详细对比和分析了不同形状、大小的模板对台风云系影像分割结果的影响。实验表明,基于先验特征的自定义台风云系结构模板,其分割结果不仅较好地保留了台风云系影像的形状特征,而且腐蚀后保留的台风云系信息最多。     

利用模糊密度聚类和双向缓冲区自动识别热点区

通过数据挖掘手段获取聚集模式（即热点）等地理空间知识是地理信息智能化服务的基础和前提。点群聚集模式的提取本质上是热点及其边界（热点区）的探测。首先分析了使用空间聚类提取热点并以凸壳表达热点轮廓的不足,进而提出一种利用模糊密度聚类和双向缓冲区的热点区自动识别方法。该方法借鉴模糊集理论,通过计算对象之间的模糊隶属度改进基于密度的聚类算法,用以提取点群的聚集模式;在此基础上,将模糊隶属度作为对象间的影响程度,采用正负缓冲区建立热点边界。以郑州市城区的科研机构点为例进行实验,结果表明,提出的方法既能有效区分空间点的类型（噪声点与非噪声点）,又能生成连续平滑的热点边界,总体效果优于对比方法。     

地貌与几何特征相结合的盆地提取方法

立足于盆地的地貌和几何特性,设计了一种DEM数据中的盆地自动提取方法。该方法以盆地的几何特征为中心建立盆周对盆心的闭合度描述模型,在海拔高度和地势起伏度为参数的地貌聚类划分基础上提取平原地貌区,测算周围山地对它的包围闭合度;再结合盆地面积、盆周盆心高差等特征识别盆地区域。实验结果表明,该方法可正确提取我国三大地貌阶梯上的各类盆地。     

计算机自动识别分类技术在森林遥感中的应用

本文叙述应用计算机自动识别分类技术在航天遥感图像中对森林资源进行分类的一些探索研究。本文介绍了采用自编程序“地理坐标系和图像坐标系的精密仿射变换”、“识别型增强技术”、“多光谱信息的特征提取”、“多光谱模糊算法聚类分析”等一系列算法后所取得的分类图像结果,与实地及目视解译相比较,森林分类相对精度达90％。     

一种基于局部曲率特征的点云精简算法

平均曲率是分析三维表面的重要几何特征之一。根据平均曲率进行海量散乱点云数据的精简,首先通过空间包围盒法建立K邻域,然后对K邻域内的点拟合二次曲面计算平均曲率,最后以邻近区域内点的平均曲率中误差为阈值,结合点的精简概率判定点是否保留。通过与传统方法对比,证实了文中方法在保留特征点和压缩上具有较好的优势。     

TCFM技术的卫星导风数据在台风模拟中的应用初探

利用傅里叶相位分析方法与最大相关法结合的云导风技术TCFM(Technique based on combination of Fourier phase analysis and maximum correlation), 对2005-08-05的强热带风暴“麦莎”天气过程中静止气象卫星得到的30min间隔云图时间序列进行导风计算, 并将导风结果应用于中尺度数值模式ARPS(The Advanced Regional Prediction System), 结合其资料分析系统ADAS(ARPS Data Analysis System), 对台风“麦莎”登陆前的过程进行模拟。尽管洋面上常规资料稀缺, 但卫星导风数据的同化使用结果表明, TCFM技术得到的导风资料能够显著改善台风眼壁东部区域的垂直气流活动, 使台风螺旋雨带更加明显, 符合实际。     

基于随机森林模型的台风风暴潮最大增水预测

本文利用1989—2018年在广东省、福建省、浙江省登陆的98场台风风暴潮数据,选取最小中心气压、最大风速、登陆时中心气压、登陆时风速、登陆时台风强度、登陆地点、登陆方向7个输入因子,采用随机森林回归模型构建预测台风风暴潮最大增水的模型,并用真实数据进行验证。将模型应用于未来年份台风风暴潮的预测,以2019年台风“利奇马”为例验证了模型的实用性。利用Mike21软件模拟的验潮站最大增水构建验潮站最大增水预测模型,并应用于广东省港口站和北津站的最大增水预测,试验结果表明具有可行性。     

顾及局部特征的线状要素制图综合

针对传统的线状要素化简方法难以准确描述线要素局部结构特征的问题,该文提出了一种顾及局部结构特征的线状要素制图综合方法。引入m阶邻居坐标点概念,分析坐标点对线要素局部结构特征的贡献程度;建立了局部结构特征度量方法,实现了简单线要素的自动化简;基于该化简过程,从拓扑不变性角度顾及线状要素的整体形态及不同线状要素之间的拓扑关系,实现了复合线划网络的自动综合。基于对简单线划目标和复杂线划网络的实验结果表明:通过调整m的取值,可以完成不同尺度下线要素的自动制图综合,且化简结果较好地保持了原始线划要素的整体形态特征。     

基于视觉的大半径圆曲线车道线识别

车道线识别是自动驾驶中车道保持系统的关键技术,为提高大半径圆曲线车道线识别精度,本文将两侧弯曲车道线化分为多区域,利用直线段和贝塞尔曲线进行拟合。首先在感兴趣区域(ROI)进行图像预处理,并根据车道线特征像素点的分布情况,通过车道线变化规律判定转向;然后根据转向按照不同的比例和方式进行左右车道线的区域划分;最后通过Hough变换识别相应区域的直线段,将小于阈值的直线段用直线连接、大于阈值的利用贝塞尔曲线连接,以识别完整弯曲车道线。试验结果表明,该算法对大半径车道圆曲线的识别具有较好的稳健性。     

一种基于ISS-SHOT特征的点云配准算法

针对点云配准过程中易产生错误对应点、收敛速度慢、配准时间长等问题,提出了一种基于内部形态描述子(ISS)及方向直方图描述子(SHOT)特征的点云配准算法。运用体素格网法下采样后,采用ISS算法提取特征点,并用SHOT对特征点进行描述,利用余弦相似度匹配对应点对,再采用RANSAC算法剔除错误对应点对,使得两片点云获得良好的初始位姿,最后采用点到平面的ICP算法进行精确配准。试验结果表明,与传统ICP算法及基于ISS的SAC-IA+ICP算法相比,本文算法配准精度及配准效率更高,对数据量大、重叠率较低点云具有很好的稳健性。     

一种基于链码的线特征提取方法

文章针对目前线特征提取算法中不规则曲线不能得到有效逼近的问题,提出一种基于链码的线特征提取方法.它采用V0到V7的顺序对边缘二值图像进行链码跟踪,然后通过距离判断去逼近物体的边缘线特征.实验结果表明,该算法不仅可以高效准确提取出物体的直线边缘,而且能用直线段精确地逼近不规则物体的边界.     

利用车载LiDAR点云数据提取城市道路边界

随着高精地图产业的兴起,精确提取道路边界点云数据成为研究的重点.本文首先将车载LiDAR扫描系统获取的城市道路数据根据采集轨迹进行分段,对每一段路段点云进行滤波处理;然后通过分析点云的高程与平面信息,采用点云分割算法分离路面与非路面点云,再对处理后的路面点云进行投影;最后运用边界特征估计提取算法获取道路边界点云.通过对...     

融合多特征深度学习的地面激光点云语义分割

针对当前点云语义分割研究对地面站激光点云特征利用不足、正确率较低的问题,该文提出了一种基于多尺度球形邻域特征的深度神经网络算法。该算法基于多尺度球形邻域计算的地面激光点云的粗糙度、高斯曲率,以及全方差、线性度等基于协方差的多种特征,结合XYZ坐标、RGB颜色、激光反射强度组成47维特征向量作为神经网络的输入,经过多组参数组合实验优化神经网络结构,最后通过softmax分类器输出每个点的类别。利用Semantic-3D测试集验证所提的深度神经网络模型,取得了较好的分类精度,总体正确率和平均交并比分别达到了86.6%和55.0%。实验结果表明,所提算法充分利用了地面站激光点云的特征,可有效提升语义分割的正确率。     

基于曲率特征的点云去噪及定量评价方法研究

由于仪器测距、测角误差,物体反射率,人为操作,遮挡及环境变化等原因,扫描获取的点云数据中存在大量的噪声点。为了高效去除噪声并保持原始点云数据的特征信息,本文提出了基于移动最小二乘曲率特征的点云去噪算法。首先采用移动最小二乘法（MLS）精确计算点云的曲率信息,然后根据曲率信息进行点云去噪,最后利用基于信息熵理论的定量评价方法验证本文方法的可行性。