基于凸壳构造技术的领海基点选取问题研究

领海基点的选取数量及其空间点位分布的不同,对海域划界结果有着重要的影响.在传统的领海基点选取工作中缺乏一种有效的用于检验选取方案优劣的数学模型,因而这一工作中存在着不确定性因素.为了解决这个问题,提出了利用最小凸包(凸壳)构造技术实现领海基点最优选取的思路和方法,并在此基础上对某群岛的领海基点选取方案作了实例分析.     

观测时长对不同长度的GNSS基线解算精度影响分析

观测时长与基线长度是影响GNSS(global navigation satellite system)基线解算精度的重要因素。定量分析观测时长对不同长度的GNSS基线解算精度的影响,是不同应用场景下解算时长设置和基线选择的前提。选取不同基线长度的若干IGS(international GNSS service)站,根据不同观测时长利用GAMIT软件进行静态解算,分析结果表明,对于不同长度的基线,解算精度达到毫米级所需时间不同。对于1 000 km长度的基线,观测时长需要24 h;对于50 km长度的基线,观测时长需要10 h;而对于5 km的基线,4 h的观测时长即可达到优于10 mm的精度。     

附有基线长度约束的模糊度快速解算方法

在超短基线数据处理中,基线长度可以通过钢尺精确测量,把基线长度作为约束条件,提出了一种附有基线长度约束的快速解算模糊度的搜索新方法.根据双差观测方程得出模糊度浮点解,在浮点解周围建立模糊度搜索空间,利用基线长度约束条件搜索模糊度整数解,进而快速确定基线解.通过一个算例展示该方法的效果.     

附有基线约束的LAMBDA算法整周模糊度确定

利用刚性载体上基线长度不变的特性,提高传统LAMBDA算法搜索模糊度的效率和准确度.对附有基线约束的单频LAMBDA算法进行了探讨,研究了动态定位中,利用较少历元,通过基线长度约束,提高模糊度解算成功率.     

一种优化的公共主影像选取方法

针对PS-DINSAR技术中公共主影像的选取问题,提出了基于测量平差理论的归化权值和的方法。该方法在综合相关系数方法的基础上,综合考虑了时间基线、有效空间基线和多普勒质心频率差的影响,利用平差的思想进行定权,来选择公共主影像。归化权值和的方法主影像的选择更加合理、可靠。基于ERS-1/2的影像数据进行实验的实验说明:该算法在主影像的选取上更加稳定,数据的统计特性也更优化,对PS公共主影像的优化选择有重要参考价值。     

影像一致性优化的视图选取策略

在三维重建中,网格优化通常用于解决密集点云构建的三角网格含有较多噪声且缺少细节的问题。现有的变分优化方法利用完整的影像数据对初始网格进行影像一致性优化,但在一定程度上忽视了影像信息的冗余以及视图的质量对网格优化的影响。对此,本文提出主视图选取与从视图选取策略,以提升网格优化的效率与质量。首先综合影像梯度幅值与轮廓检测,构建马尔科夫随机场,为每个三角面选取主视图;其次根据相应的观测条件为每个主视图选取从视图;然后计算主、从视图间归一化加权的影像一致性;最后利用梯度下降法最小化表面能量函数,实现网格优化。试验在定性和定量上证实了本文方法的有效性,表明本文方法能恢复更多精细细节,且优化的时间更短、精度更高。     

影像一致性优化的视图选取策略

在三维重建中,网格优化通常用于解决密集点云构建的三角网格含有较多噪声且缺少细节的问题。现有的变分优化方法利用完整的影像数据对初始网格进行影像一致性优化,但在一定程度上忽视了影像信息的冗余以及视图的质量对网格优化的影响。对此,本文提出主视图选取与从视图选取策略,以提升网格优化的效率与质量。首先综合影像梯度幅值与轮廓检测,构建马尔科夫随机场,为每个三角面选取主视图;其次根据相应的观测条件为每个主视图选取从视图;然后计算主、从视图间归一化加权的影像一致性;最后利用梯度下降法最小化表面能量函数,实现网格优化。试验在定性和定量上证实了本文方法的有效性,表明本文方法能恢复更多精细细节,且优化的时间更短、精度更高。     

PS-DInSAR公共主影像的优化选取

在充分顾及DInSAR时空基线跨度及多普勒质心频率差异3个因素对干涉相关性影响的基础上,提出一种PS—DInSAR公共主影像的优化选取算法,采用综合相关测度作为总体干涉相关性的衡量指标,给出具体的综合相关函数模型及其求解方法。借助欧洲空间局（ESA）ERS-1／2卫星从1992—2002年间飞越上海地区所获取的25幅C波段SAR影像作为源数据,开展了PS—DInSAR公共主影像的优化选取实验。计算结果与分析表明,综合相关系数模型用于PS公共主影像的优化选取是有效的和可靠的。     

GPS基线解算的优化技术

对影响GPS基线解算质量的主要因素进行分析和研究,根据多年GPS测量实践经验,结合实例阐明基于GPSuvey软件的GPS基线解算的优化技术和方法.     

附有基线长度约束的单频数据单历元LAMBDA方法整周模糊度确定

针对某些GPS动态定位中基线长度精确已知的特性,提出了附有基线长度约束的LAMBDA方法,同时在实践中使用两步搜索,对LAMBDA方法进行了优化。实测数据处理结果表明,该方法对LAMBDA方法的改进效果较为显著,能在基线长度已知条件下较高成功率地确定单频单历元数据的整周模糊度。     

基于长度修正的预测算法优化

当自变量之间存在多重相关性时,若利用最小二乘法建立预测模型,参数估计会存在误差。若应用偏最小二乘回归算法建立预测模型,可以克服自变量之间多重相关性问题,计算结果更为可靠。长度修正的偏最小二乘回归算法从预测的角度对偏最小二乘模型进行了改进。以芹山水电站的水平位移预测为例,验证了长度修正的偏最小二乘回归法比普通偏最小二乘回归法在预测方面效果更好。     

PS InSAR公共主影像优化选取的一种新方法

在原有的公共主影像优化选取模型的基础上,对影响干涉图相关性的3个主要参数进一步综合优化,提出并实现了一种基于三基线和最小的公共主影像优化选取新方法。理论分析和实验结果表明,与原有方法相比,新的公共主影像优化选取方法简单、可行,选取的公共主影像合理、准确。     

影响GPS测量的误差分析及基线解算优化处理方法

简单介绍了影响GPS测量的误差源,并对这些误差给GPS测量造成的影响进行了分析,提出了基线解算质量控制的参考指标和控制指标。最后以TGO软件为例详细地介绍了通过基线解算优化来处理消除上述部分误差的对应措施,并指出了基线解算优化处理过程中一些值得注意的事项。     

短基线GPS定向系统及搜索模糊度优化算法的研究

GPS载波相位测量相对定位可以达到毫米级精度,利用GPS载波相位测量方向可以达到2密位的精度。研究了载波相位双差测量方向的原理和应用最小二乘法解算基线矢量的算法,详细讨论快速解算整周模糊度的优化算法。实验结果表明,应用双GPS测量方向的原理和搜索模糊度优化算法正确,其定向精度达2密位,解算时间小于0.3秒,并运用于产品中。     

离散优化框架下的多基线InSAR相位解缠方法

多基线相位解缠技术通过扩展InSAR干涉相位的模糊度区间,突破了单基线解缠的相位连续性限制。然而,相位噪声始终困扰着多基线解缠,聚类分析算法能够在一定程度上抑制噪声,但聚类簇边界的相位连续性难以保障。针对该问题,本文提出了一种离散优化多基线InSAR抗噪相位解缠方法,该方法将经典的多基线解缠模型转化为离散优化问题,构建了多基线解缠解析框架。本文方法以双向遍历的形式求解相位模糊度,针对相位噪声引起的模糊度个数突变问题,采用分块聚类的策略予以校正,提高了算法的抗噪稳健性,解决了聚类簇边界跳变问题。本文基于模拟数据集及实测数据集验证了本文方法的有效性。结果表明,本文方法相对于传统聚类方法,均方根误差减少了约20%。     

基于边缘检测的优化算法的小波阈值图像去噪

目前,小波阈值去噪方法简单有效,已成为图像去噪领域中常用的去噪方法.但传统的小波阈值去噪方法存在一些缺点,在去除图像噪声的过程中会出现去噪不彻底、噪声残留和噪声误判的问题.本文首先利用小波边缘检测算法确定图像边缘特征的小波系数;然后,根据噪声的方差设置优化阈值函数去噪,即在以往统一阈值基础上加以修改,使阈值能随着分解尺度的变化而改变,对传统的软闽值和硬阈值的优点予以保留,改进它们的缺点,生成一种新的阈值函数,使它在处理小波系数时更加灵活.经过优化的小波阈值去噪后得到平滑图像;最后,把小波边缘检测图像镶嵌入平滑图像中.实验表明,与传统的小波阈值去噪方法相比,该算法解决了传统阈值函数在去噪过程中出现的问题,进行有效去噪的同时保留图像的细节,使图像更加清晰,提高了信噪比.     

面积误差最小约束下矢量数据向栅格数据转换的优化算法

在总结现有的矢量数据向栅格数据转换算法的基础上,提出一种面积误差最小约束下的优化算法。该算法保证了多边形矢量数据在栅格化后的面积误差尽可能最小,从而提高所得栅格数据在面积分析相关领域中应用的可信度。     

融合多时相高分影像的建筑物轮廓优化方法

针对高分影像建筑物提取存在错分和漏分等问题,常见的单幅影像矩形轮廓优化由于投影差、树木和阴影遮挡等问题边缘准确度不够,本文提出了一种融合多时相建筑物轮廓优化方法。首先,将两期高分影像进行匹配等预处理,利用基于偏移阴影分类验证提取建筑物初始结果。然后,分别获得两期影像中各建筑物轮廓的最小面积外接矩形,并对同名建筑物的最小面积外接矩形的各对应角点进行匹配。最后,通过对比两期影像的对应最小面积外接矩形的对应边上建筑物像素点的数量,选择像素点数量多的边作为适宜边进行平移以获得最优边,四条边都是最优边后进行直线正交得到最终符合建筑物原始形态的轮廓。试验结果表明,本文方法相比传统方法和其他轮廓优化方法在精确度和完整度上均有提高。     

基于粒子群优化算法的最大类间方差多阈值图像分割

最大类间方差法是图像分割中一种常用的阈值分割方法,对于单阈值分割具有显著的效果,但是对于多阈值分割,计算复杂度大、耗时较多。本文将粒子群优化算法与最大类间方差法结合,提出了一种新的图像分割方法,该方法利用粒子群优化算法的寻优高效性,并由灰度图像的最大类间方差值作为适应值,搜索最优分割阈值,实现图像的多阈值分割。实验结果显示,新方法大大缩短了寻找最优阈值的时间,降低了运算复杂度,提高了图像分割速度,说明基于粒子群优化算法的图像分割算法是可行的、有效的。     

改进型果蝇算法优化的灰色神经网络变形预测

针对灰色神经网络权值阈值的不确定性,该文提出改进型果蝇优化算法优化的灰色神经网络预测模型。通过添加逃脱系数修改适应度函数,同时引入三维空间搜索的概念扩大了果蝇搜索范围对基本果蝇优化算法进行改进,避免算法陷入早熟收敛的陷阱,加快收敛速度,有效地提高了算法的优化性能。利用改进型果蝇优化算法优化灰色神经网络参数建立预测模型。选用实际工程沉降数据仿真模拟,验证该模型的预测性能,并将预测结果与果蝇优化算法灰色神经网络、粒子群优化灰色神经网络和灰色神经网络进行比较。结果表明,改进型果蝇优化算法优化的灰色神经网络预测模型预测精度更高,拟合程度更好。