A hopfield neural network algorithm for automatic name placement for point feature

This paper presents a method of adding label to the map especially for the point feature. This method overcomes the shortcoming of traditional methods, e.g.Conflict-Backtracking method. Its kernel algorithm use the hopfield neural network to find the best label position for point feature. The experimental resuits proves that this algorithm has good permanence and high speed.     

一种顾及道路影响的点要素注记配置遗传禁忌搜索算法

为使地图上点要素注记配置更美观易读,利用遗传算法的全局寻优能力和禁忌搜索算法的"爬山能力",在考虑传统点要素注记配置约束条件的同时,考虑点要素与道路间的关系,提出了一种顾及道路要素影响的遗传禁忌搜索算法,并从解算精度、运行效率及稳健性3个方面对该算法进行评价。本文以福建省泉州市惠安县1：20万比例尺的乡村点状地形图数据进行试验,试验结果表明,与遗传算法、禁忌搜索算法和ArcGIS软件相比,该算法的算法精度和稳健性均有所提高,但是计算效率略低于禁忌算法,且点要素注记与点要素、道路要素的压盖量最少,与点要素、道路要素注记的交叉量最少。     

顾及空间分布与注记相关性的点要素注记配置算法EI北大核心CSCD

点状要素注记自动配置问题是数据可视化研究的难点之一。稠密型点状要素注记之间往往存在着较大的相关性和冲突性,从而导致注记效率低下及配置结果不合理的问题。本文通过充分挖掘稠密型点状要素的空间分布特征和注记相关性,提出了一种顾及空间分布与注记相关性的点要素注记配置算法。首先,充分挖掘点要素的局部空间分布特征和注记间的相关性构建注记关联度模型;其次,利用基于注记关联度模型的空间聚类算法对其整体空间分布特征进行描述和分析,将单一数据集划分为若干个独立的子数据集,以消除整体求解中独立数据集产生的干扰性和模糊性;最后,利用点要素的局部空间分布特征和注记相关性构建基于增序注记关联度模型的注记次序规则,并采用多层次元启发算法求解注记配置的近似最优解。试验结果表明:在5%~40%注记密度下的点要素注记配置,新算法较传统元启发式算法的求解效率提高10.41%~28.92%,注记质量评价函数值下降5.5~35.9,有效提升了点要素注记配置的效率和质量。     

剔除无人机影像BRISK特征误匹配点对算法

针对BRISK特征检测算法在遥感影像中匹配时同名点对冗余度高和全局性差等特点,考虑BRISK特征检测算法能获取大量无人机遥感影像特征点,Delaunay三角网算法能够利用影像的BRISK特征点的粗匹配点对构建三角网,本文综合两种算法的优点,提出了一种结合BRISK特征检测算法和Delaunay三角网算法的剔除无人机遥感影像误匹配点对方法。该方法利用两张影像的BRISK粗匹配特征点构建Delaunay三角网,利用遍历两张影像三角网中的三角形相似度剔除错误匹配点对,并利用摄影不变量原理进一步剔除误匹配点对,提高了两张影像的精度;对比分析了Delaunay三角网的射影不变量算法,RANSAC算法分别剔除原始影像组、加入椒盐噪声影像组及旋转影像组的BRISK特征误匹配点对的效果。试验结果表明,3组影像分别利用结合BRISK特征和Delaunay三角网的射影不变量算法的无人机遥感影像匹配方法获得的正确特征匹配点对冗余度低、全局性优。     

基于神经网络模型求取注记配置最优解

提出了一种点状注记自动配置的实用方法。其核心算法采用基于Ｈｏｐｆｉｅｌｄ神经网络模型求取点要素注记配置的最优解,克服了传统的冲突－回溯方法的不足。实验证明,该方法具有较好的性能和效率。     

基于可移动区域的点状要素注记配置

注记候选位置的确定是注记配置的重要基础,直接影响到注记算法的实现方式和最终配置效果。现有注记研究广泛使用的注记模型,其候选位置未充分利用图面空间,一定程度上制约了注记效果的进一步提升。在此背景下,提出注记候选区域模型,以要素邻域内所有无冲突压盖的候选区域作为注记配置基础,在考虑点、线、面要素压盖的前提下完成点注记配置。同其他研究相比,该算法在注记结果上取得较大提高,能更好地满足地图生产需要。     

管线设计的断面数据处理方法

把空间矢量数据的压缩方法道格拉斯-普克法引入到断面数据的抽稀处理中,并对算法进行改进。首先按照一定算法进行整条断面线的粗滤处理,找出地形特征点、平面转折点、地物点等作为关键点,然后依据关键点对断面线进行分段,在段内使用道格拉斯-普克法进行细滤。通过实验能有效地抽稀断面点。     

管线设计的断面数据处理方法

把空间矢量数据的压缩方法道格拉斯一普克法引入到断面数据的抽稀处理中,并对算法进行改进。首先按照一定算法进行整条断面线的粗滤处理,找出地形特征点、平面转折点、地物点等作为关键点,然后依据关键点对断面线进行分段,在段内使用道格拉斯一普克法进行细滤。通过实验能有效地抽稀断面点。     

激光雷达点云平面拟合过滤算法

在分析激光雷达点云空间分布特征的基础上,提出了基于斜率的激光点云平面拟合过滤算法,并利用该算法对机载激光雷达点云的特征提取进行了实验研究.结果表明,此算法能有效地拟合激光点云的连续平滑的水平平面、倾斜平面和垂直平面,在DTM、建筑屋顶和垂直墙壁等特征提取中具有较好的效果.     

顾及遥感影像场景类别信息的视觉单词优化分类

传统词包模型的视觉词典忽略了场景本身包含的类别信息,难以区分不同类别但外观相似的场景,针对这个问题,本文提出一种顾及场景类别信息的视觉单词优化方法,分别使用Boiman的分配策略和主成分分析对不同场景类别视觉单词的模糊性和单词冗余进行优化,增强视觉词典的辨识能力。本文算法通过计算不同视觉单词的影像频率,剔除视觉词典中影像频率较小的视觉单词,得到每种场景的类别视觉词典,计算类别直方图,将类别直方图和原始视觉直方图融合,得到不同类别场景的融合直方图,将其作为SVM分类器的输入向量进行训练和分类。选取遥感场景标准数据集,验证算法,实验结果表明:本算法能适应不同大小的视觉词典,在模型中增加场景类别信息,增强了词包模型的辨识能力,有效降低场景错分概率,总体分类精度高达89.5%,优于传统的基于金字塔匹配词包模型的遥感影像场景分类算法。     

基于特征点的影像视差分析

本文介绍了一种基于特征点的数字立体影像匹配方法。该法采用Frstner算子提取特征点,然后应用一种松驰迭代算法,实现了同名特征点之间的立体匹配。为实现立体像对的自动相对定向和数字地形模型自动生成提供了一种切实可行的方法。     

电子地图动态注记自动配置的方法

分类实现了数据库中点、线、面状要素名称注记的自动配置,重点实现线状要素和面状要素的注记自动配置,并提出了适合屏幕浏览的动态注记自动配置算法。最终将算法应用于地图自动综合软件GenTools中,旨在提高电子地图动态注记自动配置的自动化程度与注记质量,促使注记自动配置研究成果的实用化。     

面向海洋应用的无人机遥感图像配准研究

在海洋应用中,大面积水体的同名点匹配相比陆地更加困难,制约了无人机遥感图像的配准精度和收敛速度。本文提出了一种改进算法适用于海洋无人机遥感应用,采用主成分分析（PCA）和水体阈值方法去除水体,获得图像中非水体区域的分块图像,然后利用仿射-尺度不变特征变换算法（ASIFT）进行图像的特征点提取和重叠图像非水体区域的同名点匹配。通过海岛、海岸线的无人机遥感试验结果表明,基于改进算法,在不增加时间开销的情况下,可以增加30%~50%的同名点数量,精度提高约5%~10%。文中方法适应用于海洋无人机遥感的序列图像配准,为海岛、海岸线的遥感监测提供了有效的技术支持。     

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。     

对渐进三角网点云数据滤波算法的改进

针对渐进三角网滤波算法（PTD）进行拓普康LiDAR点云数据处理过程中易将地物点误判为地面点的缺陷,本文提出两种改进方法。一种是采用局部坡度拟合法对PDT算法进行改进,将点云数据按高程值与拟合坡面法求解的拟合高程值的差由小到大进行排序,将为地面点可能性更大的点优先判定,从而获取更加精确的TIN;另一种是引入薄板样条曲线（TPS）插值法,对PTD算法进行改进,将PTD中候选点判断参数改为TPS法中的弯曲能量增长值,从而减少误判。结果表明,使用以上两种改进算法,综合考虑第1类误差和第2类误差影响,在大部分地形特征下比传统PTD算法表现更优,对低矮植被、桥、斜坡等特殊地物的滤波效果更佳。     

摄影测量中几种特征点提取算法比较

特征点提取技术一直是数字摄影测量和计算机视觉中的研究热点。从兴趣算子的角度研究了摄影测量中几种主流特征点提取算法,并从提取角点数、提取时间等方面,定量地比较和分析了各算法的性能、优缺点,并得出了一定的结论。     

基于特征点法向量的点云配准算法

在传统的迭代最近点算法（ICP）中,需要两片点云具有良好的初始位置,否则在配准时容易陷入局部最优。针对该问题,本文提出了一种基于特征点提取与配对的粗配准方法,以调整两片点云重叠部分的初始位置。首先,利用SIFT算法提取两片点云公共部分的特征点;其次,根据特征点法向量之间的欧氏距离将两片点云的特征点两两配对;然后,利用法向量的夹角对特征点对进行提纯;最后,通过单位四元数法,求解出旋转及平移矩阵,完成粗配准。试验表明,本文基于特征点法向量的粗配准方法可为精配准提供良好的初始位置,在一定程度上避免配准时陷入局部最优的现象。     

有监督的邻域保留嵌入的高光谱遥感影像特征提取算法

超光谱遥感图像特征提取对于图像分类具有重要意义,本文提出一种名为判别监督邻域保留嵌入的新型特征提取算法(discriminative supervised neighborhood preserving embedding, DSNPE)。在高维超光谱遥感图像特征提取过程中, DSNPE不但能保留图像的局部流形结构和邻域信息,而且采用像素点由邻域同类像素点线性表示,将邻域中同类和非同类像素点分开处理,利用判别分式求解最优投影矩阵,使高维像素点投影到低维空间时,同类点离得尽可能近,非同类点离得尽可能远,有利于图像的分类。对三幅超光谱遥感图像的特征提取及分类的实验说明：与主成分分析（PCA）、非参数权重特征提取（NWFE）、局部保留投影 (LPP)、邻域保留嵌入（NPE）等相比,具有一定的优越性和可判别性。     

多光谱遥感影像亮度空间相位一致性特征点检测

提出了一种基于亮度空间和相位一致性理论的多光谱遥感影像特征点检测算法。首先利用参数自适应的灰度变换函数建立影像亮度空间;然后结合相位一致性方法在影像亮度空间进行候选特征点检测,并将候选特征点映射到原始影像上进行非极大值抑制;最后在尺度空间计算特征点的特征尺度值。本文方法有效结合了亮度空间特征检测和相位一致性特征检测的优势,对多光谱遥感影像的辐射变化具有较强的稳健性。试验结果证明,与传统特征点检测算法相比,本文方法在特征重复率和重复特征数量方面都具有明显的优势。     

基于小波的高分辨率遥感影像纹理分类方法研究

在基于小波的纹理分类算法的基础上，提出了逐点特征加权和活动窗口算法，使小波纹理分析能够用于高分辨率遥感影像的分类。逐点特征加权算法用样本的均值和方差构造偏离量，对纹理特征进行自适应加权。实验结果表明，本文提出的算法能够有效地提高分类精度．使地物的内部和边缘的分类效果都得到改善。