利用水深不确定度探测测深异常值的方法

利用最小二乘支持向量机(LS-SVM)合理地构造出海底趋势面关键在于训练样本的选取.在构造海底趋势面的过程中,提出并实现了一种基于不确定度优化训练样本的方法.为了检验该方法的有效性,选取实测的多波束测深数据进行验证,并与趋势面滤波法进行比较.结果表明,该方法能有效地抑制较大偏差训练样本的影响,构造的海底趋势面更为合理,...     

利用水深不确定度探测测深异常值的方法

利用最小二乘支持向量机(LS-SVM)合理地构造出海底趋势面关键在于训练样本的选取。在构造海底趋势面的过程中,提出并实现了一种基于不确定度优化训练样本的方法。为了检验该方法的有效性,选取实测的多波束测深数据进行验证,并与趋势面滤波法进行比较。结果表明,该方法能有效地抑制较大偏差训练样本的影响,构造的海底趋势面更为合理,测深异常值的剔除也更为有效。     

最小二乘支持向量机在海洋测深异常值探测中的应用

提出了利用最小二乘支持向量机(LS-SVM)构造海底趋势面,利用该趋势面对海洋测深异常值进行剔除的方法,并与趋势面滤波进行了分析和比较,用定理证明趋势面滤波只是LS-SVM取特定参数时的解。实测算例表明,通过调整LS-SVM的参数,使其构造的趋势面更合理,从而有效地剔除测深异常值。     

考虑自然邻点影响域的多波束测深数据趋势面滤波改进算法

针对传统趋势面滤波法在多波束测深数据粗差探测方面存在曲面拟合函数不确定、滤波不彻底以及部分水深点被不合理剔除的问题,通过引入散乱水深点局部最小范围——自然邻点影响域的概念,提出一种基于自然邻点影响域的多波束测深数据趋势面滤波改进算法。首先,通过对自然邻点影响域内的局部曲面进行分析,构造了影响域内特定局部坐标系下的统一曲面拟合函数;然后,利用该统一曲面拟合函数按照所提传递式迭代趋势面滤波法进行顺次迭代,逐步滤除影响正常水深点判定的粗差数据;最后,根据突变地形边界点在其相邻邻域地形内连续性不一致的特性,建立了面向突变地形边界点的判断准则。试验结果表明：该改进算法可适应不同复杂程度的海底地形,有效剔除多波束水深数据中的粗差点,同时对实际海底地形中的正常水深点和各种特殊水深点进行保留,显著提高了海底地形表达的精度。     

遗传算法在海洋测深异常数据处理中的应用

在海底地形变化连续、平缓的假设条件下,基于遗传算法理论提出了多波束测深异常数据探测新方法.为了说明该方法的正确性和合理性,将其与趋势面滤波法进行了分析和比较.结果证明该方法能充分利用遗传算法的优化特性,对海洋测深异常值进行合理、有效地探测.     

基于半参数模型的海洋深度数据滤波

在传统海洋深度数据滤波的趋势面模型基础上,考虑到海底地形的变化的复杂性,对于那些海底地形变化较大,尤其是呈波浪形变化的海底地形,通常多项式模型不能对海底地形进行较好的拟合,存在有较大的模型误差。由于半参数模型可以较好地将参数值与模型误差进行分离,因此在趋势面模型的基础上引入非参数分量来表示趋势面模型中的模型误差,将常规的趋势面模型转化为半参数趋势面模型。并为了使所建立的模型具有抗差性,进一步引入半参数抗差趋势面模型,对于含有大量异常值的测深数据能够进行有效的滤波。     

面向多波束测深数据的双向布料模拟自动滤波算法

针对现有多波束测深数据的滤波算法需要人工干预且难以实现自动滤波的问题,在布料模拟滤波基础上,提出了一种基于双向布料模拟(bidirectional cloth simulation filtering, BCSF)的多波束测深数据滤波算法。首先,基于二次曲面（Levenberg-Marquardt）算法拟合构建传递式迭代趋势面,消除海底负异常数据;然后,构建BCSF修正模型,确定最终海底滤波面,解决海底凹凸地形或具有成簇噪点的复杂海域地形容易产生的过度滤波问题;最后,对分类海底点与非海底点的距离阈值进行了自适应优化与估计,进一步提高BCSF滤波结果的准确性。将所提算法应用于实测多波束测深数据,实验结果表明,与布料模拟滤波相比,所提算法不仅克服了过度滤波的缺陷,而且实验区域的整体测试数据的噪点剔除率从12.87%下降到0.76%,局部测试数据的噪点剔除率从15.29%下降到1.09%;与基于不确定度理论的多波束测深滤波相比,所提算法更加简洁,易于技术实现,人工干预很少,保留了更多的地形细节,具有较好的鲁棒性和应用前景。     

基于拟准检定法的多波束测深粗差探测

针对最小二乘趋势面滤波法在多波束测深粗差探测中存在的不足,本文提出将拟准检定法应用于多波束粗差探测中,进而将拟准检定法探测粗差与最小二乘趋势面拟合有机结合起来。通过构造不同阶次的趋势面,并对实测数据进行分析,结果表明:拟准检定法剔除粗差后海底地形表面较为平滑,微小地形得以保存,跳点和孤立点得以剔除。     

基于趋势面的多波束测深粗差剔除研究

多波束测深的过程会受到多种因素的影响,必须对测深数据进行粗差剔除,以便获得能够真实反映海底地形的测深数据。简要介绍多波束测深数据粗差剔除方法,基于趋势面滤波进行实践验证,针对不同的地形,给出了较适用的滤波模型。     

多波束测深数据处理的抗差最小二乘配置迭代解法

针对利用最小二乘配置处理多波束测深数据,存在二次曲面数学模型通常无法精确表征海底地形的整体变化趋势以及观测数据存在粗差或异常点时,常规方法给出的协方差函数不能精确表征其统计特性的问题,本文提出了一种抗差最小二乘配置迭代解法。该方法首先进行协方差函数和观测值方差阵初始化,以多面函数拟合趋势项,然后应用等价权抗差估计并通过迭代计算,最终给出稳健的协方差函数参数解及最小二乘配置解。利用本文提出的方法及传统的方法处理实测的多波束测深数据,试验结果表明,相比于传统的方法,本文提出的方法能够较好地表征海底地形的整体变化趋势,一定程度上克服了多波束测深数据中粗差或异常点的影响。相比于传统的抗差方法,本文方法更为有效地识别出测深数据中异常点,推估效果较好,具有稳健性。     

航空影像分割的最小二乘支持向量机方法

将最小支持向量机LS-SVM用于航空影像的分割,讨论了不同核函数对分割结果的影响和稀疏化处理对决策函数的影响。试验表明了LS-SVM方法用于航空影像分割的可行性。     

一种组合最小二乘支持向量机的研究及其应用

将统计学习理论和LS-SVM用于变形分析预报,采用小生境遗传算法与交叉验证法相结合进行LS-SVM参数的选取,并用参数优选后的LS-SVM与混沌理论相结合对变形监测数据进行建模预测,并与BP和RBF两种神经网络的预测结果进行了比较分析。实例表明,基于组合LS-SVM的变形数据预报模型具有良好的效果。     

GPS高程拟合支持向量机模型

为了快速获取GPS高程异常值,提出了基于最小二乘支持向量机（LS—SVM）的GPS高程异常值求取模型,介绍了最小二乘支持向量机的原理与优越性。利用该模型进行了高程异常的拟合,并对已知点进行了检验。结果表明：其结果是可靠的,在有限样本情况下完全可以达到传统GPS高程拟舍的效果,且其实现起来更简单,具有一定的科学性和实用性。     

一种基于机器学习的城市发展模拟元胞模型

利用元胞自动机(Cellular Automata,CA)模拟土地利用变化,已经成为认识和理解其复杂动态演化过程的有效手段.传统的元胞自动机基于线性转换规则,较难表达土地利用变化的非线性边界问题.本文研究利用最小二乘支持向量机方法(LS-SVM),将原空间下的非线性可分问题,通过高斯径向基核函数映射到高维特征空间,简化...     

结合nDSM的高分辨率遥感影像深度学习分类方法

针对高分辨率遥感影像因其地物类内差异大、光谱信息相对欠缺导致现有影像分类方法存在错分现象较多、地物边界残缺不完整等问题,本文提出了一种归一化数字表面模型（nDSM）约束的高分辨率遥感影像深度学习分类方法。首先,将nDSM数据作为附加波段叠加在遥感影像上并获取训练样本;然后,利用优化的U-Net网络进行模型训练得到最优模型;最后,利用最优模型对附加了nDSM波段的遥感影像进行地物分类。试验结果表明,本文方法引入nDSM数据用于U-Net模型训练和分类,可有效提高影像分类精度,得到更加真实可靠的分类结果。     

超体素约束下的主动再学习LiDAR点云分类框架

针对点云分类的监督方法需要大量的训练样本、人工标注成本高的问题,本文提出了一种超体素约束下的主动再学习点云分类方法。首先,对点云进行特征提取;然后,通过超体素约束下的主动学习方法选择训练样本并进行人工标注;最后,利用再学习方法进行后处理,通过迭代计算类别统计特征不断优化分类结果。试验结果表明,相比于使用全部训练样本,超体素约束的主动学习方法可以在不足全部样本6%的情况下,达相同的分类精度,从而大幅度减少了人工标注成本,且经过再学习算法后进一步提高了分类精度。     

旋转多基线摄影光束法平差法方程矩阵带宽优化

提出了一种对近景旋转多基线摄影影像进行重新排序编号从而优化光束法区域网平差法方程系数矩阵带宽的方法。首先,根据影像间的相互联系及其地面覆盖范围,计算每张影像的等效摄站位置;然后根据等效摄站间的坐标关系对其进行重新排序编号,得到各影像的逻辑顺序;最后借助影像的逻辑顺序求解平差法方程系数矩阵实际带宽值。试验结果表明,通过上述方法求出的带宽相对于按照影像原始摄影编号计算出的带宽值有很大改进,一定程度上提升了近景旋转多基线摄影实际应用中计算机的运算效率,减少了平差运算对计算机内存的消耗。     

影像边缘特征与LS-SVM的点云边缘残缺区域修补方法

针对点云修补过程中点云边缘的残缺区域边界信息的不确定性问题,本文提出了一种基于影像边缘特征与LS-SVM的点云边缘残缺区域修补方法:首先将影像与点云进行配准,并利用亚像素边缘检测算法提取目标边缘特征;然后构造一特征平面,同时将训练样本集与目标边缘特征投影至该平面,以确定重采样范围与点位;通过利用最小二乘支持向量机回归方法,获得残缺区域的曲面方程并进行重采样,最终完成修补。实验证明,该方法得到的修补点云与原始数据融合平滑,修补效果符合实际目标的特征。     

遥感影像定标最佳样区的自动搜索方法

提出了在遥感影像定标过程中自动搜索样区的算法,以窗口内像元灰度值的标准差作为衡量该窗口内像元灰度均匀性的测度,并以此确定用于定标的最佳样区,实验验证了其实效性.