运动目标轨迹的时空数据模型研究

运动目标的轨迹数据是空间信息系统的重要信息源。只有高效地利用运动目标的轨迹数据,才能更好地掌握多维动态变化的空间环境。本文在介绍了运动目标的概念和国内外研究现状之后,重点分析了运动目标的建模、存储、查询、索引及可视化技术并提出相应的解决方案。最终,实现对运动目标全过程的管理和应用。     

多核多类关联向量机的高分辨率影像目标检测

从高分辨率遥感图像数据中准确检测多类目标的任务对于检测速度和模型训练时间提出了较高的要求.文章提出了一种MKL_mRVM方法:该方法采用基于快速边缘似然最大算法直接计算mRVM分类器的决策函数,避免了传统RVM重复计算目标函数Hessian矩阵的过程,并且因为不需要构造一系列两类分类器,缩短了多类模型的训练时间;同时,将多个基础核引入多类模型,训练过程中采用交叉验证方法确定基础核权重,在随机分出的确认集上检验分类器的精度,选取使得分类模型精度最高的值作为权重的优化结果.实验结果表明,该方法能够在保持解的稀疏性的前提下,有效地缩短模型训练时间.     

一种多圆目标的联合检测方法

本文针对现有的几种用于圆检测的方法在检测多个圆时效果不理想,提出了一种运用Hough变换和最小二乘拟合联合检测的新的圆检测方法,它是首先用改进的Hough变换进行粗检测,再用最小二乘拟合进行精确检测,既利用了Hough变换检测多个圆的优势,又利用了最小二乘拟合不能检测多个圆但检测精度高的特点,所以该方法对于多个圆的检测,具有较强的适应能力。     

基于目标关联的多源卫星遥感图像兵营融合检测方法

目前的目标融合检测方法大都是基于多源遥感图像配准的,然而在实际的应用中,成像机理不同的多源遥感图像的精校正和图像间的配准是十分复杂的,难以确保其配准精度.为此,本文提出了一种基于目标关联的多源卫星遥感图像的兵营融合检测方法.该方法不对图像进行配准,而是根据单源图像的目标自动检测结果,利用图像的大地坐标信息,截取包含目标的同一地区的局部遥感图像,再分别提取多源遥感图像目标的特征,并根据其中冗余的特征,对提取的目标区域建立关联,再由关联检验确保特征关联的正确性,最后对目标特征进行融合决策,得到目标融合检测结果.实验结果表明,该方法能有效地利用多源遥感图像的信息,降低遥感图像目标检测的误判率,提高目标特征的准确度.     

时空轨迹多层级相似子段匹配方法

轨迹子段匹配是轨迹数据挖掘的重要手段,针对其计算复杂度较高、受噪声影响大的问题,提出了一种融合自适应希尔伯特地理网格编码的多层级轨迹编码树结构,在可接受的建树代价下,形成了从轨迹整段到最小片段的层次化组织形式和子段从属关系表达结构,并在轨迹片段编码树的基础上,设计了相似子段匹配算法,将复杂的空间计算转化为空间编码的字符串前缀匹配操作,极大地降低轨迹子段匹配的计算复杂度。实际轨迹数据的实验表明,在不影响匹配准确率的前提下,提出的子段匹配方法的效率与基于经典距离的相似性度量方法相比,有超过一个数量级的性能提升。     

顾及时空"点-线"关联特征的出行轨迹描述模型

关联出行研究是城市规划、交通出行、传染病防控、犯罪侦查等领域的研究热点,尤其当出行个体带有接头、等待等主观意图的前提下,如何有效识别其关联行为,是当前时空认知领域的难点。本文以犯罪时空轨迹为研究对象,首先分析了现有出行轨迹描述方法的不足,兼顾了出行轨迹的细节点特征和完整线特征,提出了顾及"点-线"特征的出行轨迹描述模型。然后,在此基础上,基于时空拓扑关系提出关联出行的轨迹判别方法,能描述"接头、等待、共处、同行"4种基本的关联出行轨迹模式,并可进一步区分19种不同的关联出行子类型。最后,通过试验对比,验证了该方法的有效性。     

多层特征与上下文信息相结合的光学遥感影像目标检测

目标检测是遥感影像分析的基础和关键。针对光学遥感影像中目标尺度多样、小目标居多、相似性及背景复杂等问题,本文提出一种将卷积神经网络(CNN)和混合波尔兹曼机(HRBM)相结合的遥感影像目标检测方法。首先设计细节—语义特征融合网络(D-SFN)提取卷积神经网络低层和高层融合特征,提升目标特征的判别力,特别是小目标;其次考虑上下文信息对目标检测的影响,结合上下文信息进一步加强目标表征的准确性,提升检测精度。在NWPU数据集上试验表明,本文方法能够显著提升目标检测精度且具有一定程度的稳健性。     

基于MSA特征的遥感图像多目标关联算法

遥感图像中多目标关联存在以下两个问题:一是低时间分辨率观测使得目标状态信息无法准确估计,基于Kalman滤波的多目标关联算法不再适用;二是基于图像特征的目标关联算法又无法处理大场景观测中多个目标关联引起的模糊性.针对上述问题,提出一种基于多尺度自卷积特征匹配和关联代价矩阵最优化的多目标关联算法.实验表明该算法对遥感图像中多目标关联问题具有一定的适用性.     

多粒度时空对象的校史信息可视化研究

针对现有校史信息可视化存在的形式单一、表达内容缺乏等问题,该文基于多粒度时空对象的思想对校史信息可视化进行了探索.分析了校史信息可视化数据的特点,构建了基于多粒度时空对象的校史信息及其可视化表达方法的分类体系.最后在该分类体系的指导下,以某大学为例,进行了校史信息可视化的技术实现.研究结果表明,基于多粒度时空对象的校史信息可视化更有利于校史的全面、真实和动态展示.     

多源时空数据的地表分类信息挖掘

随着国土空间的发展,自然资源管理、国土空间规划等对于地表分类信息的需求日益增大,如何采用数据挖掘手段高效准确地获取地表分类信息成为目前重要的研究方向.本文在对多源数据进行分析研究的基础上,以地理国情监测、基础测绘、天地图等多源时空数据为数据源,参考第三次全国国土调查分类方案,综合采用多维度地表分类、语义规则映射、空间综...     

基于灰关联聚类分析的多点时空非线性模型及其应用

用灰关联分析与模糊聚类方法进行变形点的多点分析,用地质定性分析与数学定量分析相结合的方式对三峡链子崖危岩体Ｔ０￣Ｔ６缝区进行了整体变形分析与空间预测模型的建立。结果表明,多点时空非线性模型是解决贫信息条件下整体变形预测的理想方法。     

基于灰关联聚类分析的多点时空非线性模型及其应用

用灰关联分析与模糊聚类方法进行变形点的多点分析,用地质定性分析与数学定量分析相结合的方式对三峡链子崖危岩体T₀~T₆缝区进行了整体变形分析与空间预测模型的建立。结果表明,多点时空非线性模型是解决贫信息条件下整体变形预测的理想方法。     

多尺度联合特征点检测和描述网络

针对影像视角、光照或尺度变化较大,目前常用特征提取算法匹配效果不理想的问题,提出一种用于联合检测特征点和提取特征描述子的多尺度网络,在特征点检测和描述中融入多尺度信息,提升特征点的鲁棒性。通过在影像数据上对该算法进行实验验证,发现该算法可以有效提高特征点的可重复性以及特征描述子的辨识力,从而提升匹配精度,并且可以得到更准确的单应估计结果。     

基于城市重要目标的多源关联数据集应用

充分运用基于城市重要目标的城市多源关联数据集对提高城市反恐维稳、应急处突能力具有重大意义.针对当前城市目标重要程度尚未量化评价的问题,综合城市主要建筑物数据、矢量数据、DEM数据、设施POI数据等建立多源关联数据集;构建目标价值多指标评价模型,运用层次分析法对城市重要目标进行评价排序,为日常重点目标监控、突发事件下防卫目标选择提供依据;基于城市重要目标,探究可达性计算方法,并结合可达性进行目标支援保障能力和区位条件分析,为机动支援力量部署提供参考.     

时空数据的动态关联技术研究

为了检测时空数据之间的发展变化关系,本文研究时空数据的动态关联技术,提出了一种动态关联算法和一种基本的时空变化类型。该算法用几何特征和属性特征相结合的方法进行匹配和变化检测,可以匹配时空对象并自动提取变化情况,能够解决一对一、一对多、多对一和多对多的变化关系,并且可以检测出时空对象的移动变化情况。     

武汉市出租车轨迹二氧化碳排放的时空模式分析

车辆尾气是道路交通二氧化碳（CO₂）排放的重要来源,目前的研究主要集中在区域CO₂排放清单的计算和分析上,鲜有从微观层面上进行CO₂排放的反演分析。采用微观尾气排放模型对出租车行程轨迹的CO₂排放量进行定量反演,进而从点、线、面3个粒度对武汉市出租车行程轨迹CO₂排放的时空模式进行分析。研究结果表明,利用出租车轨迹可以有效地反演出租车CO₂排放量,并发现其在不同日期和时段具有明显的规律性。通过时空聚类技术发现了点粒度下的出租车CO₂排放的类簇数目存在一定的时空变化规律,采用数据场模型展示了线粒度下的道路线段出租车CO₂排放强度存在明显的时空分布规律,利用时空自相关技术揭示了面粒度下的区域出租车CO₂排放量具有较高的时空正相关性。研究成果可以为城市减排措施制定等提供辅助支持。     

多维度轨迹数据的SQL时空查询方法

轨迹数据包含了时间、空间和身份属性等要素信息,数据量大且复杂,分析难度高。面对如此多维度并且数据量庞大的数据,分析前的数据抽稀、检索是必要的。通过SQL时空查询的方法进行轨迹数据的检索,选择合适的可视化方法,尽可能精准地筛选出兴趣轨迹数据,可以更大程度地支持大众用户对轨迹数据的分析需求。     

基于时空轨迹数据的传染病传播风险评估

本文利用CRAWDAD提供的2009年10月份纽约市的出租车时空轨迹数据,依据复杂网络理论在城市交通网络中的应用,提出了一种方法求解出租车空间密度表示移动人群的时空密度变化,并用不同时段的平均速度表示人群的移动速度综合判定传染病在市内传播的高风险区域,重点分析了13时传染病传播的风险区位。通过建立空间密度与平均速度的二维特征空间,并将齐夫定律与能够遍历曼哈顿区的最大速度作为条件确定传染病传播的风险边界。结果反映在二维特征空间中,由最大遍历速度、安全行驶的空间密度临界值与数据上边界围成的三角区内节点对应的实际区位为传染病传播的高危区域。     

基于SMVF的高频雷达自适应多目标检测

针对高频雷达强海杂波和干扰环境下的多目标检测问题,结合S-method时频分布和Vitcrbi算法提出了一种多分量线性调频信号瞬时频率估计方法—SMVF法(S-method viterbi fitting),然后根据所提取的瞬时频率的直线拟合性能,提出了一种自适应多目标检测算法。实测数据的处理结果,表明了该算法在低信噪比时,与WDM法(wigncr distribution maxima) , WDV法( wigncr distribution vitcrbi)相比,估计精度提高约2000,验证了该算法的可行性和有效性。     

基于神经网络的无人机影像多目标检测方法

针对现有方法检测无人机目标时精度与泛化能力不足,提出一种基于回归的多目标检测方法.使用密集连接增强层间信息传递,添加批量再规范化(Batch Renormalization,BRN)层加速模型训练,降低样本分布不均而导致的精度偏低,使用密集连接结构聚合上采样层不同层信息.以开源数据集Vision Drone为基础建立优化数据集训练模型.结果表明,提出模型检测精度达89.57％平均精度均值,相比(You Only Look Once v3,YOLOv3)模型和(Region Full Convolutional Network,R-FCN)分别提高6.53％和3.11％,检测速度达27每秒传输帧数,在不同场景表现稳定.