基于有理函数“天绘一号”影像无控制正射纠正

文中根据影像正射纠正的基本原理和方法,利用有理函数模型和天绘一号三线阵影像自身生成的DEM数据,实现天绘一号影像的正射纠正,并依据无控制条件下的影像纠正精度估算公式对影像正射纠正精度进行估算,按此方法在东北区域制作DOM,然后利用天绘一号卫星摄影参数检测场的航空影像成果对纠正的精度进行验证,实验结果表明,在天绘一号三线阵影像生成的DEM支持下进行天绘一号影像正射纠正具有较高的精度,能够满足制作1∶5万正射影像精度的要求。     

“天绘一号”影像正射纠正实验与精度分析

针对如何有效提高"天绘一号"卫星影像正射纠正精度的问题,本文基于有理函数模型,提出RPC参数+像方误差补偿方案,利用控制点提高RPC模型的精度。通过对连云港、怀柔地区"天绘一号"卫星影像进行正射纠正,对比无控纠正结果验证该方案。实验结果表明:利用RPC模型进行影像正射纠正是正确的、有效的,辅以稀少控制点就能获得较高精度,不使用任何控制点将会导致系统误差偏大,精度较低。本文研究可为修正卫星影像自带RPC参数误差、提高正射纠正精度提供参考。     

星载PALSAR影像几何精度定量评价与误差分析

选择有代表性的星载PALSAR影像,利用Doppler、距离、椭球方程建立其成像模型,对其几何定位精度进行了试验,获得了它的几何系统误差和儿何纠正误差的定量值.根据地面高程误差是影响SAR影像几何纠正精度丰要因素的原理,利用计算机仿真技术定量系统地分析了地面高程误差对其几何纠正精度的影响,获得了地面高程误差对视角的影响、视角误差对影像几何精度的影响以及单位高程误差对影像几何精度的影响等定量结论及影响变化规律,为PALSAR影像的处理与应用提供了科学的依据,更重要的是为SAR影像几何精度分析和误差分析提供了一种新的定量方法.     

不同地形类别条件下Quick Bird影像正射纠正精度分析

主要研究利用不同地形区域的高分辨率Quick Bird影像和DEM数据,采用物理模型或有理函数模型法进行正射纠正,通过多景影像实验研究其不同地形类别的Quick Bird影像正射纠正精度,为Quick Bird影像在大比例尺地形图更新过程中的应用提供参考.     

一种资源一号卫星影像的正射纠正方法

针对传统遥感软件处理影像数据正射纠正时控制点精度不高的问题,提出了一种快速、精确正射纠正的改进方案。该方法首先利用PCI、ArcGIS与ERDAS软件相兼容的特点,通过PCI影像处理软件对实验区阳原县高分辨率遥感卫星影像CBERDS-02C进行正射纠正,得出控制点精度残差结果;然后利用ArcGIS软件对纠正后影像进行精度改进;最后在ERDAS影像处理软件中选取同名点对影像纠正精度改进后效果进行验证。实验结果表明:通过对比分析精度改善前后控制点残差结果,在ArcGIS软件中对精度改进是切实可行的。     

卫星遥感影像几何纠正模型精度对比研究

选取一景平坦地区且建筑物较多的2 m GF-1多光谱和全色影像,在遥感影像原始物理模型未知的情况下,分别利用Direct Linear Transform模型和Polynomial模型对该影像进行几何纠正,并对比分析了纠正的结果精度。结果表明,在建筑物较多的平坦地区进行影像纠正时,Polynomial模型的精度高于Direct Linear Transform模型,且可快速获取具有实际利用价值的影像数据。     

基于RD模型的SAR影像正射纠正研究

介绍了基于RD模型进行SAR影像正射纠正的基本原理,并将不同方案的试验结果进行定量分析.实验研究表明,利用RD模型进行SAR影像正射纠正是正确、有效的,利用稀少控制点便能获得高精度.不使用任何控制点和DEM,只利用卫星参数进行纠正,导致系统误差大,在实际生产中的应用不广泛.高程误差对平面位置误差影响较大,DEM的高程误差越小,DOM精度越高.参考DEM的高程误差是DOM产品精度的关键因素.     

基于空间插值的影像纠正精度的空间可视化表达

现有影像纠正精度以控制点精度评定为基础 ,对于精度探讨采用可视化技术从整体上进行表达。以相似变换作为影像纠正的基本模型 ,推导了纠正后任意点精度与控制点精度的关系 ,并基于此选择采用距离倒数乘方法作为空间插值方法 ,插值影像纠正后任意点不同方向上的以及点位的精度。在此基础上 ,采用精度可视化的概念对影像纠正的质量加以描述 ,通过一个加密前后影像纠正的实例说明其应用的方法 ,并获得了一些有益的结论     

基于神经网络模型的遥感影像几何校正研究

在遥感影像几何校正方法中,通常认为精度最高的是共线方程模型.针对共线方程模型定向参数解算过程中误差方程的病态问题,提出了利用基于控制点的神经网络方法进行高分辨率遥感影像几何校正方法,并从理论上进行了可行性分析.实验证明,在具有一定数量控制点作为训练样本的条件下,应用BP和RBF神经网络进行遥感影像几何校正,可以达到比共线方程模型更高的精度;神经网络模型能够自动抑制含较大误差控制点对模型纠正精度的影响,在实际应用中可以提高几何校正效率.     

基于北斗和GPS的高分二号全色影像正射精度验证与分析

高分二号(GF-2)卫星几何精纠正是其广泛应用的前提。以福州市作为实验区,选择北斗卫星导航系统(北斗)和GPS野外测量获取控制点和检查点,采用像方平移、像方漂移和像方仿射变换3种方法对有理函数模型进行误差补偿,验证分析控制点测量精度、分布、数目以及纠正方法对GF-2全色影像纠正的影响,并分析了北斗应用于GF-2全色影像正射纠正的潜力。实验结果表明:少量分布均匀的控制点就可以消除GF-2全色影像纠正后的系统几何误差;3种纠正方法中像方仿射变换方法精度最高,其中GPS控制测量下检查点平面均方根误差为1.49 m,北斗RTK控制测量下检查点平面均方根误差为1.51 m,GPS与北斗RTK控制测量下的影像纠正精度接近;北斗2种测量模式中,只有RTK模式能够满足GF-2全色影像纠正需求。上述研究表明,GF-2全色影像能够利用GPS和北斗RTK模式控制测量下的少量分布均匀高精度控制点达到较高纠正精度,满足实际应用需求。     

小波去噪的灰色动态模型在变形预测中的应用

针对GM(1,1)模型对随机波动性较大的数据拟合较差、预测精度低的缺点,提出了基于小波去噪的灰色动态模型。首先运用小波滤波消除数据噪声,使数据更具规律性;再利用灰色动态模型预测变形;最后对高层建筑物沉降监测数据的预测值与实测值进行对比分析。结果表明,该模型的预测误差较小、精度较高,适合在变形预测中应用。     

最优权组合预测法在采煤沉陷变形预测中的应用

煤矿地表沉降变形预测多基于煤矿开采沉陷预计理论展开,基于变形分析理论的变形预测模型目前多集中在单模型预测。本文基于组合预测思想,以非等间隔灰色预测模型与BP神经网络模型为预测单模型,以陕西北部某煤矿采煤工作面上方实测地表沉降值为数据源,以最优加权法对单模型预测结果开展了最优权组合,组合模型中两种单模型的权重分别为0.466 7、0.533 3。选取部分监测点的预测结果进行模型精度评价,结果表明：3种预测模型精度均达到了一级。经对比3种模型预测结果,最优权组合预测的模型精度较单模型明显提升,预测结果较非等间隔灰色预测模型与BP神经网络预测模型有明显增益。     

改进的灰色GM-AR组合模型在基坑监测数据处理中的应用

灰色预测模型在变形监测领域已得到广泛的应用和发展,灰色模型在理论上可以进行中长期预测,但实际应用中随着时间的推移预测精度也随之下降,为了解决这一问题,本文对GM(1,1)模型进行了改进并将改进后的GM(1,1)模型与时间序列模型组合,利用GM-AR模型进行预测可提高模型的预测精度,并应用实例证明了该方法的可行性。     

改进蝙蝠算法优化极限学习机的大坝变形预测模型分析

针对大坝变形监测数据中存在的非线性关系强和传统大坝预测模型精度不高等问题,本文利用改进蝙蝠算法选取最优的参数作为极限学习机的连接权值和阈值,并提出了一种基于改进蝙蝠算法（IBA）优化极限学习机（ELM）的大坝变形预测模型（IBA-ELM）。将IBA-ELM模型应用于工程实例,通过对某地水库大坝监测数据预测分析,验证IBA-ELM模型、BA-ELM和GA-ELM模型预测结果并进行精度评价,3种模型的预测值与实测值平均绝对误差分别为1.178 3、0.459 8、0.335 6 mm,IBA-ELM模型的预测精度高于另外2种模型,表明IBA-ELM模型能有效提高大坝变形预测能力。     

高速铁路沉降变形的组合预测方法

为实现各种预测模型的优势互补,提高沉降预测精度,分析单项沉降预测模型各自的特点,将组合预测方法应用到高速铁路沉降变形预测分析中;介绍组合预测基本方法和常用的定权方法,提出模型建立的步骤和具体原则,研究出一种变权最优预测的方法。通过工程实例验证表明,该组合方法预测精度较高,拟合能力更强,可作为高速铁路的沉降预测模型。     

GM(1,1)多项式拟合模型在变形监测中的应用

GM(1,1)具有要求样本数据少,运算方便,短期预测精度高等优点,因此而得到广泛应用;但它也存在一定的局限性,其主要适用于单一的指数增长的模型,对序列数据出现异常情况很难预测。为了改善这一局限性,将其与多项式拟合进行组合,通过实例分析证明组合模型比单一模型拟合精度更高,达到比较好的效果。     

建筑物沉降监测中的改进灰色模型

针对传统非等间距GM(1,1)模型在建筑物沉降监测中预测精度不够高的问题,提出了一种新的非等间距GM(1,1)建模方法。此法基于初始条件改进及把灰色微分方程的白化方程中的灰导数用离散形式进行表示的改进相结合、提高非等间距GM(1,1)模型的建模精度。结合桂林市某广场的集商用、住房于一体的高层建筑的沉降变形监测实例,将本模型的沉降预测的结果同文献中另一非等间距GM(1,1)改进方法进行对比分析和检验,充分验证了建筑物沉降变形分析预报中本模型方法的可行性和优越性,对进一步促进非等间距GM(1,1)模型在沉降变形预测中的应用起到了积极的作用。     

GNSS自动化监测系统的大坝变形预测方法研究

以GNSS自动化监测系统的大坝变形预测方法为主要研究目的,针对大坝GNSS自动化监测数据大样本、高采样率、连续等特点,提出了一种结合小波分析与BP、NAR神经网络预测大坝变形的新方法。利用多尺度小波分析对GNSS大坝变形数据序列进行分解与重构,对重构后的低频近似序列采用BP神经网络进行建模预测,对重构后的高频细节序列采取NAR动态神经网络进行建模预测,最后叠加各尺度下预测结果获得大坝变形预测值。应用结果表明,该方法预测精度高、泛化性能好,可广泛应用于采用GNSS自动化监测系统的大坝变形预测。     

应用时间序列方法作大坝变形预报

本文首先介绍时序分析的三个基本模型——ARMA模型、AR模型和MA模型,以及各模型的统计性质。然后以某大坝1715廊道的激光视准线观测位移值(已利用倒垂观测把相对位移化为绝对位移)为例,着重叙述大坝变形分析的建模过程,得到了一个AR(2)模型并对大坝变形作了预报,结果具有相当好的预报精度。从而说明,时序分析法将是大坝变形分析的一个有力工具。     

变异时序回归GM(1,1)模型

鉴于在GM(1,1)预测模型中,灰参数与背景值导致的GM(1,1)模型的残差,本文提出将残差引入到时序中,对时序进行变异,利用不同的曲线回归方程对变异时序进行估计.基于对不同回归方程估计结果的误差分析,选用最佳的回归方程作为GM(1,1)变异时序预测方程;并将预测结果作为GM(1,1)模型的变量k.实例计算表明,变异时...