利用特征组合检测算法的无人机遥感影像匹配研究

影像匹配是无人机遥感影像拼接和三维建模的基础和关键步骤。结合不同算法的优势,本文提出一种基于特征组合与RANSAC算法的无人机遥感影像匹配方法。该匹配方法首先采用AKAZE算法检测影像的特征点,然后利用SIFT描述符描述特征向量并获取特征点的主方向,最后基于单映射变换矩阵的RANSAC算法进行精准匹配。本文对基于特征组合与RANSAC算法的匹配效果进行了试验对比分析,试验结果表明：与常用匹配方法的匹配效果相比,本文的匹配方法继承了AKAZE算法的快速匹配能力,匹配总耗时介于AKAZE算法和SIFT算法之间,约为BRISK算法匹配耗时的20%;同时,该匹配方法继承了SIFT算法的多匹配点对性能,从整体匹配效果来看,本文的匹配方法优于AKAZE、SIFT、BRISK算法。     

一种Apriori的改进算法

提出了一种Apriori算法的改进算法 ,讨论了通过使用概率的方法估算任意数据项集同时出现的概率来求候选频繁项集的方法 ,并给出了相关算法。将本算法与Apriori算法产生的候选项集大小和扫描数据库次数进行了比较 ,该算法将关联规则挖掘的运行速度提高了一个数量级 ,非常适合挖掘数据库、长模式的关联规则。     

双向缓冲区算法及其在海图线状要素综合中的应用研究

本文分析了海图线状要素自动制图综合的现状以及现有常用的几种自动制图综合的算法,介绍了双向缓冲区算法的概念并给出了双向缓冲区算法的定义,研究并证明了双向缓冲区算法的特性。分析了利用双向缓冲区算法综合海图线状要素的原理,并比较了双向缓冲区算法与现有算法在综合海图线状要素上的优越性。给出了几种确定缓冲区半径的方法,并通过实验验证了由这几种方法确定缓冲区半径的可行性。     

一种利用K均值和SOM进行遥感图像分类的方法

探讨了一种将K均值算法和SOM神经网络算法相结合的方法,并将其应用于多光谱遥感图像分类,通过与K均值算法、ISODATA算法和SOM算法的对比实验,验证了该方法的有效性.     

Delaunay三角网建立的改进算法

本文深入研究了Delaunay三角网建立算法中的逐点插入法,详细介绍了算法的实现步骤,分析了其中影响算法效率的关键环节,并采用数据点集分块管理、三角形快速定位、改变点插入顺序等方法进行了算法优化,对三角形快速定位方法进行了改进。测试实验的结果说明,算法改进后Delaunay三角网建立的效率提高了4~6倍。     

化简方法在线要素匹配中的应用及性能评估

多源同名线要素数据局部细节差异较大,但整体形态基本上是一致的,化简算法可以删除线要素的局部细节,提取其主要形态,从而有助于匹配算法提升匹配正确率。不同化简算法的化简效果存在差异,提升匹配正确率的效果也存在差异。本文提出了利用线要素匹配来评估化简算法性能的方法。首先,阐述了动态化简带动动态匹配的方法和过程;其次,采用3种不同的化简算法进行试验,验证了所提方法提高已有匹配算法匹配正确率的有效性,以及对化简算法的普遍适用性;最后,根据加入3种化简算法的不同匹配结果,从匹配的角度对化简算法适用性进行了比较评估。     

基于本质矩阵的无人机影像精确匹配

无人机影像以其低成本、获取容易、信息量大等优点得到了广泛的应用。影像匹配是影像数据处理的重要环节,常用影像匹配的方法存在误匹配多或剔除大量正确匹配的问题。LMedS算法比其他稳健方法更严格,"5点算法"得到的本质矩阵可用于匹配点对共面的场景。本文使用LMedS算法结合"5点算法"求解本质矩阵作为剔除误差的模型,同时利用ORB算法提取速度快的特点,构建了一种精准同时兼顾了效率的匹配方法。本文对该算法开展了试验研究,并与其他常规算法进行比较。试验结果表明,本文算法保留的匹配点数数量多,分布较均匀,适用于多种场景,是一种有效、快速精准的影像匹配算法。     

利用粒子群算法优化的GPS高程拟合精度分析

为了获取研究区域内必要的基础数据,采用高精度的拟合模型进行GPS高程拟合的方法备受青睐。多面函数法适用于地形条件较复杂的研究区域,传统的多面函数拟合法很难达到预期效果。针对模型参数难以获取的问题,提出了基于粒子群算法优化的高程拟合方法,将粒子群优化算法分别与传统高程拟合法及蚁群算法改进的拟合结果比对分析。实验研究表明,采用粒子群算法优化的拟合结果优于传统拟合方法,模型精度提高了43.3%。在提高模型精度的同时,验证了粒子群算法获取特征点的收敛效果优于蚁群算法。充分证明了基于粒子群算法寻优过程的有效性,且验证了改进拟合方法的可行性,为高程拟合模型的研究进一步提供了参考价值。     

顾及专题属性的空间聚类算法质量比较研究

顾及专题属性的空间聚类分析是空间数据挖掘中一个十分具有挑战性的研究课题。目前,顾及专题属性空间聚类分析一般可以分为划分的方法、层次的方法、基于模型的方法、基于密度的方法和混合的方法等。然而这些算法如何去比较质量、算法如何选取却是一个很少涉及却很重要的问题。本文对实际数据进行聚类分析实验,比较了11种顾及属性的空间聚类算法的质量,从整体质量差异和两两之间质量差异的角度分别进行了定性、定量分析,并分析了算法之间的相似度,这对于用户算法的选择、算法的评价具有指导意义。     

一种动态构建Delaunay三角网的算法

Delaunay三角剖分算法是构建数字高程模（DEM）的主要算法。在分析现有的Delaunay三角剖分的3种算法之后,指出现有算法存在的不足。并提出一种TIN的动态建模方法,利用分块技术来改进搜索方法,大大提高了Delaunay三角网的构建速度。实验结果表明,此算法和前面3种算法相比,效率有了很大提高。     

基于散射机制分解的ESPRIT植被高度反演新方法

ERPRIT算法估计的地表散射相位由于易受到森林去极化成分的影响而出现较大的偏差,从而导致植被高度反演结果严重偏低.针对这一问题,本文提出一种基于散射机制分解的ESPRIT植被高度反演算法.该算法关键点是利用Freeman分解理论和极化干涉互协方差矩阵估计得到更加准确的地表散射相位,以替代ESPRIT算法估计的地表散射相位,进而改善植被高度反演的精度.最后,分别利用欧空局（ESA）免费发布的PolSARpro软件模拟L波段极化干涉合成孔径雷达数据和PALSAR真实星载数据验证改进算法的有效性.     

利用层次聚类对移动曲面拟合滤波算法快速分类的研究

经典移动曲面滤波算法由于算法简练,适用范围广泛且滤波效果较好,适用于多种地形。但是传统移动曲面滤波方法存在较多缺陷,如计算阈值参数难以确定、各个格网间阈值参数缺少相关性、分类主要依据高差阈值及水平距离相关性较小等缺点。文中提出层次聚类算法,将三维地形转换为二维平面,利用相邻点水平距离和高差构建数据集,进行聚类判断点云的属性,采用ISPRS提供的15组样本,定性和定量分析本算法的滤波精度。为验证本聚类算法的优越性和科学性,同时与改进型移动曲面和PTD滤波算法进行精度对比,充分说明本算法相较于其他算法的优越性和高效性。     

植被高度的极化干涉互协方差矩阵分解反演法

经典三阶段极化干涉SAR植被高反演算法中地面散射相位估计不准确,从而导致植被高反演精度存在偏差。针对这一关键问题,本文提出基于极化干涉互协方差矩阵分解的植被高度反演新方法。该方法利用Freeman分解理论和极化干涉互协方差矩阵,估计出更准确的地面散射相位;然后,结合RVOG模型反演植被高度。利用欧空局（ESA）的软件PolSARpro模拟的L波段极化SAR数据和亚马逊森林地区的ALOS PALSAR L波段数据进行实验,结果表明本文提出的新算法提取的植被高度相比经典三阶段法精度更高,从而验证了算法的有效性和可靠性。     

星载SAR距离-多普勒定位算法中地球模型的修正

星载合成孔径雷达(Synthetic Aperture Radar,简称SAR)距离-多普勒定位算法(R-D算法)模型基于严格的成像几何构建,不需在视场中设置任何位置确知的特征点。但对具有一定高程的目标,以往的研究将目标高程直接加在平均赤道半径上对地球模型进行修正。由于地球体的椭球特征,这种修正并不能完全消除高程对定位误差的影响,会产生随纬度和目标高程变化的定位误差。本文介绍R-D定位算法的原理,推导将目标大地高归算至地球赤道半径的公式,给出地球模型合理的修正公式。最后根据实例和仿真分析,表明在低纬度的定位研究中,以往的修正方式仍然可以达到很高的精度;而在高纬度和高海拔地区,则会产生较大的定位误差,应使用更为合理的地球模型。     

Height Assignment Improvement in Kalpana-1 Atmospheric Motion Vectors

The real-time operational use of atmospheric motion vectors (AMVs) at numerical weather prediction (NWP) centers in India are being adversely affected due to inaccurate height assignment of cloud tracers, especially in thin semi-transparent clouds. In India, the operational derivation of AMVs from the Indian geostationary satellite Kalpana-1 began few years ago. A statistical empirical method (SEM) of height assignment, based on a genetic algorithm, is currently used to estimate the height of the retrieved vectors from Kalpana-1. This method has many limitations. In this paper, attempts have been made to implement the widely used and well tested height assignment methods such as the infrared window (WIN) technique, the H₂O intercept, and the cloud base method in the Kalpana-1 AMV retrieval algorithm. The new height assignment algorithm significantly improves the statistics of the retrieved winds when compared to radiosondes, especially in high and mid levels winds.     

转换GPS高程的遗传神经网络方法

遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法,其主要特点是群体搜索策略和群体中个体之间的信息交换,搜索不依赖于梯度信息。把遗传算法和神经网络智能技术相结合,利用神经网络作为模型,以遗传算法作为权值进化算法进行GPS高程转换,提出了该算法的基本思想和算法实现过程。并通过实例进行计算,结果表明该算法用于GPS高程转换具有较好的精度,具有一定的实用价值。     

转换GPS高程的遗传神经网络方法

遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法,其主要特点是群体搜索策略和群体中个体之间的信息交换,搜索不依赖于梯度信息.把遗传算法和神经网络智能技术相结合,利用神经网络作为模型,以遗传算法作为权值进化算法进行GPS高程转换,提出了该算法的基本思想和算法实现过程.并通过实例进行计算,结果表明该算法用于GPS高程转换具有较好的精度,具有一定的实用价值.     

Height datum unification between Shenzhen and Hong Kong using the solution of the linearized fixed-gravimetric boundary value problem

The paper proposes a new algorithm to unify height datums in different regions, which is based on the solution of the linearized fixed-gravimetric boundary value problem. Compared with traditional methods, this method uses GPS ellipsoidal height and gravity disturbances on the surface of the earth to obtain a quasigeoid, which is not related to any local vertical datums. As an example, we calculate the height datum difference between Shenzhen and Hong Kong by applying this new method. The result shows that the height difference obtained by this new method is consistent with the ground leveling result to a few centimeters.     

PolInSAR森林高度反演中方法及波段选择引起的不确定性分析

森林高度是反映森林资源数量和质量的重要参数,极化干涉合成孔径雷达PolInSAR (Polarimetric Synthetic Aperture Radar Interferometry)技术在森林高度反演中极具潜力。由于森林散射特征受波长影响明显,由此引起的散射机理差异使得基于PolInSAR技术反演的森林高度结果具有很大的不确定性。为了定量化该不确定性的影响,本文以模拟森林场景为例,对PolInSAR技术森林高度反演中常用的4种方法——极化相位中心高度估测法、复相干相位中心差分法、复相干幅度反演法以及相干幅度、相位联合反演法,以及它们在常用的4个微波波段P、L、C和X中的森林高度估测结果进行了分析;明确了匀质森林场景中,算法、波段选择引起的森林高度估测结果的不确定性。研究结果表明：在森林场景基本一致的情况下,估测算法的选择直接影响森林高度估测结果,其中复相干幅度反演法在4个波段的估测结果中精度均最高,但各估测点的估测结果离散度及不确定度较大。波长对4类估测方法估测结果的影响差异明显：复相干幅度反演法的反演结果几乎不受波长的影响,而相干幅度、相位联合反演法受波长影响明显,在P和L波...     

改进BP神经网络算法用于GPS高程转换的应用

介绍了用改进的BP神经网络算法转换GPS高程为正常高,并以青东煤矿首采工作面地表移动观测站的GPS数据为例,与标准的BP算法和多项式曲面拟合方法作比较,改进的BP算法在转换GPS高程中减少了BP神经网络的训练时间,提高了转换效率,且精度良好,可用于GPS高程转换。