基于多源数据的三维地形可视化研究

文章介绍使用地形图数据和Landsat 8影像提取高程数据和土地利用专题数据,利用UNIGINE引擎制作出DEM三维模型,再结合土地利用专题数据以及数据量很低的通用地物贴图、模型,使用基于四叉树的地形渲染方法,可实现细节精致、体验流畅的大范围场景三维地形可视化。     

多基线差分雷达干涉测量的大型人工线状地物形变监测

大型人工线状地物是人类改造自然的产物,同人类生活息息相关。本文从大型人工线状地物定义出发,阐述了其形变现象、成因及衍生灾害;并利用多基线差分雷达干涉测量技术(DifferentialSyntheticApertureRadarInterferometry,DInSAR)实施大型人工线状地物形变监测。通过多数据源实验(ENVISATASAR,广州;PALSAR,香港大屿山;TerraSAR-X,深圳),分析了当前高级DInSAR方法,包括永久散射体和相干目标法在监测大型人工线状地物形变上的能力。实验结果表明,采用了不同的影像干涉对组合策略,永久散射体法适合大数据量SAR影像处理,而相干目标法适合小数据量SAR影像分析。微波穿透性和垂直临界基线随波长增加而增加。因此,在波段选择上,低相干区宜选用长波SAR数据(比如ALOSPALSAR)以获取稳健反演结果;而高相干区宜选用短波TerraSAR-X或者ENVISATASAR数据,以获取高精度地表形变场。结合线状地物几何和物理特性,分别从先验基础GIS/GPS数据、SAR数据源选择、PS点提取和模型改进四方面进行分析和探讨,认为面向线状地物形变监测多基线DInSAR模型的研发是亟待解决的问题。     

基于机载LiDAR的多面片建筑物3维重建方法研究

提出了顾及多面片建筑物模型拓扑关系的边界提取方法。针对多面片建筑物的特点并基于最小二乘法,设计了一套适合多面片建筑物的边界规则化方法,并生成了3维建筑物模型。实验证明,本文方法对于多面片建筑物模型的3维自动重建都是可行和有效的。     

球面线要素的多分辨率实时简化方法

在分析球面3维数据可视化特点的基础上,提出了视点相关的球面矢量数据LOD简化方法,基本原理是:以视点为基础在屏幕空间获取投影误差,反投影到模型空间得到动态简化阈值,并结合Douglas-Peucker算法,对矢量数据进行多分辨率实时简化表达.最后,开发实验系统并对相关方法进行了验证.结果表明:在不影响球面图形可视化效果下,数据量减少了约4～5倍,有效地提高了图形渲染速度和效率.     

一种DEM数据无损压缩的方法

数字高程模型(DEM)是网络3维地形可视化系统最重要的数据源之一,而且数据量巨大.数据压缩是缩短DEM在网络上的传输时间和节省存储空间的有效方法和途径.本文提出了用最小二乘预测模型和算术编码实现DEM最佳平均码长.并比较了几种预测方法,推导了最优线性二乘预测模型,优化了自适应算术编码的数据结构以加快编码的进程.最后对不同无损编码技术的压缩结果进行了分析,实验证明本文提出的压缩方案是可行的.     

基于Monte Carlo模拟的地物适宜尺度提取分析

半方差函数可探测空间过程的影响范围,常用于分析遥感信息提取的适宜尺度,然而在进行大样本数据处理时,会受到计算机运算、存储等方面性能的制约。传统的做法往往直接采用随机抽样来减少数据量,其虽然降低了分析过程对计算机性能的要求,但同时也会降低分析结果的精度。因此,本文提出一种Monte Carlo模拟影像空间结构估算方法,其以小的样本量对大样本进行大量随机重复采样,在降低单次模拟数据量、运算量的同时,以充分的模拟量保证分析结果的精度。在此基础上,为了减少模拟所需时间,本研究引入并行计算,采用多核单计算机平台,进行多种地物适宜尺度提取分析的并行处理。实验与分析表明,该方法能较好地估算目标区域常见地物的适宜表达尺度（估计误差较小）。     

分布式遥感模型库的构建及其运行机制

波谱特性是地物目标的基本特性之一,是定性、定量遥感的基础。我国新一代地物波谱库建设以目标地物结构、波谱、知识库、模型库的相互配套为特色,旨在解决以前地物波谱库建设和使用中存在的一些问题,使地物波谱库在空间信息产业化过程中发挥更大的作用。论述了遥感模型库在新一代波谱数据库中的地位和作用,并就遥感模型库的组成、网络环境下的体系结构与开发技术,以及波谱知识库和元数据支持下的遥感模型库运行机制进行了探讨。提出基于网络的三层分布式遥感模型库体系结构和基于组件的模型库构建方法。同时还根据遥感模型库建设的具体情况,讨论了遥感模型方法元数据,并提出基于元数据的遥感模型库管理和运行机制。上述设计思想保证了遥感模型库具有动态的扩充机制和较强的代码可重用性,使模型库能够得到及时更新和扩充,从而保持库的先进性与实用性。     

基于加权指数函数模型的高光谱图像分类方法

高光谱图像的众多波段为地物分类提供了充分的特征信息,同时也为如何有效利用这些特性带来难题。为了充分利用高光谱图像的光谱信息实现地物目标的精确分类,根据其像素光谱曲线所呈现出的多峰特性,提出一种基于加权指数函数模型（Weighted Exponential Function, WEF））的高光谱图像分类方法。首先,采用WEF建立像素光谱曲线的理想模型,其中WEF模型由多个具有不同权重的指数函数相加而成。由于该模型中参数较多,导致参数求解较为困难。因此,为简单起见固定所有像素WEF模型中的峰值位置,并将由所有峰值位置构建矢量集。然后,根据最小二乘原理求解WEF模型的参数,以拟合光谱曲线。利用求得的参数集代替光谱测度矢量作为像素特征。最后,采用模糊C均值（Fuzzy C-means, FCM）算法实现图像分类。为了验证提出方法的可行性和有效性,分别以提出的分类方法、基于主成分分析（Principal Component Analysis, PCA）的分类方法、基于最小噪声分离（Minimum Noise Fraction, MNF）的分类方法和以光谱测度矢量为分类特征的FCM方法对Salinas和PaviaU图像进行分类实验,并据此对实验结果进行定性和定量评价。在Salinas图像中提出的分类方法比其它方法的分类精度从51%提高到了60%,在PaviaU图像中分类精度从43%提高到了51%。此外,提出的分类方法在降低了高光谱图像数据量的同时,保留了高光谱图像丰富的光谱信息。     

一种面向对象的像元级遥感图像分类方法

本文提出一种面向对象的像元级分类方法(混合模型),并将其与单纯的以像元和面向对象的两种方法同时应用于分辨率分别为30m和0.5m的环境星CCD数据和航空影像进行对比分析。分类结果中不同地物类别之间光谱可分性的大小,很大程度上可反映分类结果的可靠性。若地物类型之间的光谱差异大,说明分类方法能将光谱差异大的地物很好地划分,显示出较可靠的分类结果;相反,如果分类结果中地物类型光谱差异小,则反映分类方法不够可靠。鉴此,本文通过计算分类结果中不同类别所对应的原始遥感影像像元之间的J-M(Jeffries-Matusita Distance)距离来度量分类结果中地物之间的光谱可分性,并用J-M距离比较分析了3种图像分类方法对2种不同分辨率影像的分类结果中各个类别之间的光谱可分性的变化。分析结果表明,混合模型不但能够得到较连续的分类结果,同时能够保持分类结果中类别之间的可分性。本文对分类结果进行了精度验证,结果发现混合模型的分类精度较其他2种方法要高。2种不同分辨率的遥感影像分析结果得到相同的结论,表明该模型适用于中分辨率和高分辨率影像。     

基于GIS交通网络的室内3维网络模型研究

在2维交通网络逻辑数据模型基础上,讨论了概念化的楼层网络,进行了室内连通的3维网络模型的研究。基于ArcGIS的交通网络模型建立了试验区的室内3维网络模型,并给出分析结果,该方法为室内3维网络模型研究提供了技术支持。