三维场景建模中地物与地形匹配方法研究

针对三维场景建模中地物与地形匹配的处理方法问题,分析三维场景建模中地物与地形不匹配产生原因,提出一种改进的解决地物与地形匹配的方法。通过在Delaunay三角网中嵌入地物特征约束条件,实现了地物与地形无缝匹配;通过局部地形修正,对地形影响点的高程添加改正值,减弱了匹配后地形的突变现象,使地形过渡自然。研究与实验结果表明：本文提出的方法较好地适用于精密三维场景建模中面状地物与地形的匹配。     

一种地物点云数据栅格化分类新方法

激光技术的不断发展对利用点云数据进行地物分类的方法提出了更高的要求。基于此提出了一种结合遥感领域地物分类特点,利用地物反射率的不同来实现地物分类的方法。该方法首先提取数据的反射率信息,然后将其作为栅格化后的属性值,最后利用监督分类、非监督分类和支持向量机分类方法对栅格化后的栅格影像进行地物分类。通过实验表明,支持向量机方法在保持较高训练和分类速度的同时还具有较高的分类精度,总精度和Kappa系数达到了88.69%和0.86,为点云数据分类提供了一种新的途径。     

基于增强DeepLabV3网络的高分辨率遥感影像分类

由于高分影像具有地物细节丰富、类别差异大等特点,现有的卷积神经网络影像分类方法普遍存在分类精度低、地物边界不准确等问题。鉴于此,本文提出一种基于增强DeepLabV3网络的影像分类模型。首先构建R-MCN网络结构,利用大小不同的卷积核并结合残差网络的思想进一步提取浅层网络的多尺度、多层次的特征信息;然后采用可学习的上采样方式,并将R-MCN提取的特征与高阶的语义信息相融合;最后通过提出的Mloss损失函数,获得遥感影像的地物分类结果。试验结果表明,相对于传统的卷积神经网络,本文方法能细化地物的边缘信息,改善分类效果,获得更高的影像分类精度。     

车载LiDAR点云数据中杆状地物自动提取与分类

针对城市道路场景中车载LiDAR点云数据质量差、各类地物相互遮掩的情况,提出杆状地物自动提取与分类算法。先通过改进数学形态学算法移除点云数据中的地面点,再根据杆状地物的形态特征,使用纵向格网模板初步提取杆状地物,然后对提取的疑似杆状地物进行点云数据规则化并通过统计分析移除噪声点,最后根据预先建立的杆状地物样本训练SVM分类模型,对提取的杆状地物进行分类。试验表明,本文方法能够在数据质量欠佳的情况下有效提取城市道路场景中的杆状地物,并对提取的杆状地物进行高精度分类。     

监督分类和目视修改相结合在高分辨率遥感影像中的应用

用计算机对遥感影像进行地物类型识别是遥感数字图像处理的一个重要内容,传统的地物分类一般采用MSS、TM和Spot等遥感影像作为数据源。与MSS、TM和Spot等传统遥感影像相比,QuickBird等高分辨率影像数据量大,混合像元减少、地物信息增大,能够被应用于土地分类。在监督分类中,对于达不到精度要求的模板,通常采用重新选择训练区的方法来进行修正,而本文采用目视修改的方法来对监督分类进行补充。本文方法可以改正初次分类中的误分、混分地物,使其归到正确的地物分类中,显著提高了土地分类的精度。为了验证算法的有效性,利用ERDASIMAGING遥感图像处理软件进行实验和精度评价。实验结果表明,监督分类和目视修改相结合的地物分类方法可以显著提高图像的分类精度。     

LiDAR-DP软件对点云数据自动分类结果分析

对激光雷达(Li DAR)点云数据使用点云数据处理软件(Li DAR-DP)时,利用其自动分类进行处理,对其使用渐进三角加密滤波算法得到的建筑物、桥梁和高架路、植被、水体以及其他各种特色地形地物的分类情况进行分析判断,并对自动滤波效果不好的区域,给出相应的解决方案。经本次分析,在地形地物复杂区域,自动滤波效果不好。在地形简单、地物规则且大型区域滤波效果真实可靠。Li DAR-DP软件在点云数据处理过程中,使用简便,能提高作业效率。     

基于mGA-SVM算法的高分影像面向对象分类研究

高分辨率遥感卫星影像是获取地物精细类别的重要数据源,快速准确地获取土地利用和土地覆盖分类信息可为土地利用规划、土地管理等提供重要的数据支撑和决策依据。本文开展了高分辨率影像面向对象分类研究,首先,利用多尺度分割方法对高分辨率影像进行分割,基于分割对象,选取不同地物类别样本并计算光谱特征、纹理特征、几何特征。然后,针对特征冗余问题,利用最大相关最小冗余算法选择优先级较高特征,在此基础上结合遗传算法对特征集进行适当扩充(m GA)。在面向对象分类过程中,通过利用遗传算法对支持向量机模型进行快速参数寻优,并在此基础上对分割对象进行分类。最终地物总体精度达到85.93%,Kappa系数为0.828 2。并将分类结果与最近邻分类和随机森林分类结果进行了比较,地物分类精度提高了4.05%和6.81%。实验结果表明:基于m GA特征优化及SVM参数选择进行改进的面向对象的分类方法是有效的。     

BP神经网络的道路场景杆状地物自动分类

针对车载激光扫描数据中杆状地物分类精度不高、自动化程度低的问题,本文提出一种基于BP神经网络的分类方法。首先根据杆状地物点云特征选取10个特征值,获取杆状地物聚类单元的特征向量,构建特征矩阵;然后使用样本集训练BP神经网络模型并保存该分类模型;最后使用BP神经网络分类模型对试验区内的杆状地物进行分类。试验结果表明,该方法对杆状地物的分类精度可达95.34%,验证了文中所述方法对杆状地物分类的有效性。     

高光谱遥感数据的DNA计算分类

提出了一种基于DNA计算的高光谱遥感数据光谱匹配分类新方法。该方法利用DNA编码提取各类地物光谱所携带的物理吸收与反射特征信息,将地物光谱特征转换为DNA编码空间特征,通过DNA计算基因操作寻找各类地物最典型的DNA信息链。在此基础上,利用DNA计算原理建立一系列模糊规则,对高光谱数据进行光谱匹配分类。通过与传统的光谱匹配算法(二值编码,光谱角,光谱差分特征编码)的分类结果进行比较,证明该算法分类精度优于传统高光谱数据的光谱匹配分类方法,具有实用价值。     

惯性／地形匹配组合导航系统的一种故障诊断方法

本文提出了一种基于突变点检测的惯性／地形匹配组合导航系统故障诊断方法以提高低空飞行器导航精度和可靠性。同现有的故障诊断方法相比，该方法的假设条件在实际导航应用中是可以实现的。该方法的基本思想是：(1)对地形匹配输出信息进行突变点检测，并将之分割成若干个子区，由此可诊断出在突变点附近地形匹配是否出现故障；(2)利用短时间内的惯性导航信息，对若干个地形匹配子区信息进行故障分析和检验，从而获得地形匹配的正确输出、错误输出以及不确定输出信息；(3)对地形匹配的不确定输出信息继续进行分割处理，直至地形匹配不确定输出信息无法继续分割为止。仿真试验结果和空中飞行试验数据处理结果表明，采用本文提出的方法不仅可以有效地剔除地形匹配故障信息，而且可以很好地界定正确地形匹配输出与错误地形匹配输出。     

基于通视与D-P算法相结合的地形特征点提取方法

文章首先简述了已有的等高线特征点算法,分析了他们的不足,提出了基于通视和D-P算法相结合的地形特征点提取算法,这种算法较好的弥补了已有算法的不足,提高了效率。     

基于特征点的影像匹配方法探讨

基于特征点的图像匹配方法是高精度、快速有效和适用性广的匹配算法,它包括特征提取和特征匹配2个步骤。本文在对这一问题进行研究分析的基础上,对相关文献进行综述,介绍并分析了几种典型特征点提取算子的原理和优缺点,为不同应用目的的特征点提取方法选取提供借鉴;特征匹配方面总结了基于特征点匹配的常用方法,就SIFT这一热点做了详细介绍,并进行了实验;最后对匹配中有待进一步研究的问题给出了意见。     

突出边缘特征的图像融合方法研究

介绍了像素级图像融合及特征级图像融合方法,分析了两种融合层次的优点。在此基础上,提出了两种突出边缘特征的图像融合方法,两种方案均对人们感兴趣的边缘特征进行增强,并在融合过程中考虑了边缘提取时的假边缘和双边缘情况。实验结果显示,边缘增强方案1提高了边缘定位的准确性,边缘增强方案2有效解决了方案1中融合影像缺少空间细节信息的问题。两种方案有效地增强了融合后图像的边缘特征,有利于图像的后续判读及图像识别。     

利用本体的WFS要素语义检索研究

为了实现基于多源WFS服务要素层次的语义检索,提出了一个要素本体的五元模型。在此框架下,研究了要素本体的自动构建方法,形式化定义了要素的空间关系,并扩展了逻辑关系以及空间关系的推理规则来实现要素层次的联合推理检索,并给出了联合规则推理的要素语义检索算法。实例证明,本文方法对多源WFS的语义查询具有实际的可行性,为多源WFS服务要素的语义检索提供了一个新的方法。     

基于地形图分幅及要素分类代码的对象标识研究

地理要素对象标识是空间信息系统的重要组成部分。文中对地理要素对象标识的概念进行阐述,对其性质、类型及生成方法进行分析与总结。在此基础之上提出一种基于基本比例尺地形图分幅和地理要素分类代码的地理要素对象标识,深入分析该对象标识的特性及功能特点,并对其在基础地理空间数据增量更新中的应用进行探讨。     

基于特征系统的病态性诊断

基于特征系统的特征分析法和条件数法是最为常用的诊断病态性的方法。本文试图就这两个方法的概念、区别与联系 ,以及存在的模糊认识进行研究和澄清。指出条件数法能够改进特征分析法存在的问题 ,但是又不能够完全取代它 ,并对条件数法应用于测量平差系统的病态性诊断作了有意义的探讨。最后给出了几点结论     

基于LM算法的机载LiDAR全波形数据分解研究

全波形机载激光雷达系统采集的波形数据蕴含着丰富的地物信息,因此,这些地物信息的提取方法具有很大的研究价值。本文通过对全波形数据的去噪平滑以及LM参数优化算法实现了波形分解,并利用其结果生成的点云数据与系统点云数据进行对比,结合部分点云剖面图分析其给实际生产应用所带来的帮助,实验表明,本文所用方法可以有效地提高数据中地物信息的质量。     

一种基于知识的航空影像中道路半自动提取方法

利用线特征算子和多种线状地物跟踪方法建立了一种基于知识的航空影像中道路半自动提取方法。该算法计算量小 ,判断速度快 ,准确率较高 ,并且有较好的适应性。试验表明这是一种良好的道路提取方法。     

基于Partial-EIV模型的TLS姿态估计方法

推导了基于乘性姿态角误差的观测方程,顾及其系数矩阵也含有误差的特点提出一种利用整体最小二乘原理估计姿态参数的新思路。该问题的系数矩阵中同时存在随机元素和固定元素且存在结构性特征,故引入Partial-EIV模型,设计了一种符合其系数矩阵结构特点的新模型。最后通过两组仿真实验将其与已有姿态估计方法进行对比,得出结论:基于Partial-EIV模型的整体最小二乘解法解算精度高于常规最小二乘法;其解算效果与基于乘性姿态角误差的最小二乘法基本一致。表明本文提出的方法正确有效。     

A feature extraction method based on spectral segmentation and integration of hyperspectral images

In response to the curse of dimensionality in hyperspectral images (HSIs), to date, numerous dimensionality reduction methods have been proposed among which the feature extraction (FE) methods are of particular interest. This paper introduces a new supervised pixel-based FE called spectral segmentation and integration (SSI). In SSI, the spectral signature curve (SSC) of the pixels are identically divided into some non-overlapping segments, called channels. The existing bands in each channel are then integrated using a mean-weighted operator, leading to some new features in a very lower number than the original bands. SSI applies a particle swarm optimization (PSO) algorithm to globally search and locate the optimum positions and widths of the channels. For the sake of evaluation and comparison, the features provided by the proposed SSI method were applied to the well-known SVM classifier. The results were compared to not only a most recent pixel-based FE method, namely, spectral region splitting but also six conventional FE methods, including nonparametric weighted feature extraction, decision boundaries feature extraction, clustering-based feature extraction, semi-supervised local discriminant analysis, band correlation clustering and principal component analysis. Experimental results, obtained on two HSIs, proved the superiority of the proposed SSI.