基于图像表面积的分形布朗运动分数维算法研究

针对数字图像的特点，提出了一种计算图像表面积的简单方法。在此基础上，根据分形布朗运动理论，提出基于图像表面积的分数维计算方法。用遥感图像上几种典型地物的图像窗对该方法进行了实验，并与其他几种常用的分数维计算方法进行了比较。实验表明，本文提出的方法与理论预期相符合的程度高于其他分数维计算方法。     

一种顾及视觉层次的电子地图自适应节能显示方法EI北大核心CSCD

电子地图显示能耗过高是当前地图设计与应用领域亟须解决的问题之一。针对现有电子地图节能显示方法难以保持视觉层次的问题，本文归纳了地图颜色的3种视觉层次结构，设计了视觉层次的定量表达模型，提出了一种电子地图自适应节能显示优化方法。本文方法同时考虑视觉层次质量和地图能耗，将地图节能问题定义为一个“质量-能耗”双目标优化问题，利用启发式搜索算法寻找节能配色方案，在轻微改变地图外观的情况下显著降低显示能耗。将本文方法与语义约束的颜色调整方法进行对比，采用不同比例尺的电子地图设计读图试验。结果表明，本文方法在有效性、效率、颜色一致性方面均优于对比方法，可广泛应用于电子地图、移动导航地图的节能显示，提高设备的续航能力。     

综述三边交会的坐标解算方法

光电测距仪的发展，使测距精度及自动化程度日益提高，从而改进着测量的传统方法，三边交会定点已得到了广泛的应用。在实际工作中，三边交会的坐标解算有多种方法，计算工作的繁简及计算结果的精度不尽相同，本文列举了三边交会的各种坐标解算方法，并通过实例计算及比较，对各种坐标计算方法的优缺点进行了系统的讨论与评术。     

结合深度学习与规则特征的立面窗户检测方法

针对现有通过检测窗户角点实现窗户检测方法中存在窗户误检的问题，该文在窗角点分组阶段，以建筑物立面窗户的分布规律及其自身的几何结构特征为依据，提出一种参数自适应的窗角点分组方法。该方法是在使用深度学习方法获取窗户4个角点坐标的基础上，结合窗户角点及其连线的空间位置关系、平行垂直关系，建立窗角点分组判别依据，实现对窗角点检测结果的准确划分，进而得到有效窗户检测结果。为验证该方法的有效性，选用4个公开数据集进行窗户检测实验，结果表明：该方法可有效支持多类图像数据、实现全自动化运行，且与现有方法相比，具有更高的检测精度。     

对折迭后方交会的看法

后方交会有许多不同的计算方法。有些计算方法在交会角过小时，可以改变成折迭式计算，认为这样做的话，可以提高点位的计算精度。但又有些计算方法，如英国的安谢麦特计算式，它不能改变成折迭形计算。     

边角后交误差讨论

全站式电子经纬仪的出现，为边角后交提供了很大的方便，尤其在山区的施工放样，这种方法更能显示出优越性，有的单位已经将这种方法用于实皑测量，那么这种方法所确定的点位可靠程度如何，本文予以讨论。     

点质量融合模型的海空重力数据延拓分析

针对无高质量的数据对传统的虚拟点质量模型对重力数据改正时，易受系统误差影响及解算不稳定的问题，该文将海空重力数据中的系统误差用非参数分量表达，对点质量模型进行改进，建立了虚拟点质量的半参数模型，引入核估计方法，利用偏残差估计方法，进行三步拟合估计，得到了系统误差和点质量参数的估计值。在分离系统误差的基础上，引入正则化方法改善病态，将建立的模型与正则化方法相结合，建立了综合半参数核估计和正则化方法的点质量融合模型，可在无外部重力时估计系统误差，同时完成多源数据融合。基于EGM2008位模型产生海空重力异常数据，采用线性项和周期项系统误差进行仿真实验，结果表明改进后的点质量模型能够有效利用外部数据，在改善病态和分离系统误差方面提升精度效果明显。并以北卡罗来纳实测海空重力异常数据验证该文方法的有效性，结果表明在无外部数据时，该文方法能有效地分离系统误差，并且精度与引入外部数据改正后的正则化方法相当。     

对无定向导线计算方法的分析

无定向导线计算方法较多，计算过程繁简不一，计算结果的精度也有差异。本文列举了各种无定向导线的计算方法，通过实例计算，对各种计算方法的优缺点进行一些系统的分析和讨论。     

标准时频变换的台风期间电离层TEC异常分析

针对台风期间电离层异常探测中传统方法所存在参考背景值精度低，且容易受到多种外界环境因素干扰的问题，该文提出了一种基于标准时频变换理论的电离层异常探测方法。电离层总电子含量(TEC)变化在其标准时频谱中可以自动显示，运用标准时频变换理论具有的无为方法可以将变化的主成分直接提取，得到高精度的参考背景值。使用该方法对2016年第14号台风“莫兰蒂”和台风轨迹下落站点的电离层TEC变化进行异常探测。结果显示，与传统方法相比，该方法的探测结果更加突出异常发生的时段，能够较好地反映异常特征，且不易受空间环境影响；在台风期间，电离层异常主要集中在9月13日，此时台风达到最大强度时刻，表现为正异常现象，异常幅度为2～12 TECU。     

局部均值分解和奇异值分解在GNSS站坐标时间序列信号降噪中的应用

为了有效地提取GNSS站坐标时间序列的有用信息，降低噪声干扰，本文提出一种局部均值分解和奇异值分解相结合的信号降噪方法，并利用5个测站的实测坐标时间序列对新方法进行了验证。首先通过局部均值分解将坐标时间序列分解成一系列PF分量和余项，然后利用连续均方误差方法确定高频分量与低频分量的分界点，保持低频分量不变，运用奇异值分解方法对高频分量进行降噪重构，最后将重构的高频分量与低频分量叠加得到最终的降噪坐标时间序列，并对降噪效果进行对比分析。结果表明，与单纯的奇异值分解方法相比，局部均值分解和奇异值分解相结合方法能够自适应地选择合适的奇异值个数进行信号重构，提高了降噪效果。     

图像纹理基元分类的马尔柯夫随机场方法

提出基于马尔柯夫随机场（MRF）的图像纹理基元分类新方法。利用MRF里中心像元特征值与邻近像元特征值之间的约束关系,反映图像纹理基元的特征以及不同的MRF参数。根据由同一类别的图像求得的MRF参数计算出的标准差最小这一性质来进行图像纹理的分类。通过不同实验方案的对比,以及与不同分类方法的比较,证实提出的图像纹理基元分类方法具有一定的优势。     

MRELBP特征、Franklin矩和SVM相结合的遥感图像建筑物识别方法

为了进一步提高遥感图像建筑物区域的识别精度,提出了一种基于中值稳健扩展局部二值模式(median robust extended local binary pattern,MRELBP)、Franklin矩和布谷鸟优化支持向量机(support vector machine,SVM)的分类方法。首先,通过MRELBP特征算子计算图像块的纹理特征向量,并根据Franklin矩得到形状特征向量,组合图像块的纹理特征向量和形状特征向量得到综合特征向量;然后,利用训练样本对SVM进行训练,同时由布谷鸟搜索算法对SVM的核函数参数和惩罚因子进行优化;最后,通过训练好的SVM得到建筑物区域识别结果。通过30组试验的结果表明,与基于三原色(red green blue,RGB)和SVM的分类方法、基于LBP和SVM的分类方法、基于Zernike矩和SVM的分类方法相比,本文提出的方法所识别的遥感图像建筑物区域准确度更高。     

基于Gabor函数的遥感影像特征与分类

随着SPOT,IKONOS,QUICKBIRD等高分辨率遥感影像的广泛应用,作为遥感影像重要信息之一的纹理信息的提取和利用,在遥感影像分类中呈现出了举足轻重的作用.本文介绍了影像纹理分析中常用的Gabor函数的原理、分类的方法、Gabor变换的特点及应用.     

SVM多窗口纹理土地利用信息提取技术

针对单一窗口纹理分类时地物破碎,分类精度不高等问题,提出了一种基于支持向量机多窗口纹理的遥感图像分类方法。该方法在对SPOT5遥感影像进行纹理特征提取的基础上,构建了结合多窗口纹理的SVM模型。以陕西省佛坪县长角坝乡为试验区,利用此模型对该区域的土地利用类型进行分类研究,并将分类结果与单一窗口纹理SVM分类和单元数据(光谱)SVM分类结果进行了比较分析。结果表明:多窗口纹理参与的土地利用分类总精度达到85.33%,比单一窗口纹理分类提高了13.11%,而与单元数据SVM分类相比提高了近24.10%,取得了较好的分类效果,有效地解决了单一窗口纹理分类时地物破碎、分类精度不高等问题。     

三种纹理分类方法在航片纹理分类中的试验与分析

采用三种比较典型又各具特色的纹理分类方法，对航片影像纹理分类进行了试验。通过对结果的分析得到一些结论，这些结论对于选用和搭配影像纹理分类方法有一定的指导作用。     

面向对象的高分辨率遥感影像土地覆盖信息提取

利用高分辨率影象提取土地覆盖信息的关键技术在于如何利用丰富的纹理信息来弥补光谱信息的不足。面向对象的图像分类技术改变了传统的面向像素的分类技术:(1)用来解译图像的信息并不在单个像元中,而是在图像对象和其相互关系中;采用多分辨率对象分割方法生成图像对象,提高了分类信息的信噪比;基于对象的分类技术不同于纯粹的光谱信息分类,图像对象还包含了许多的可用于分类的一些其他特征:形状、纹理、相互关系、上下关系等信息。面向对象的土地覆盖分类结果与传统分类方法相比,其特征提取算子更加地适合于几何信息和结构信息丰富的高分辨率图像的自动识别分类。     

航空影像纹理分类的最小二乘法和问题的分析

本文介绍航空影像理分类的最小二乘法原理和算法，该方法是建立在影像纹理ＭＲＦ参数测定的基础上，七种航空影像纹理的试验表明这种分类是有效的。通过对影像纹理的分形维以及影像分辨力对纹理分类的影响分析，表明采用了多重信息可以提高分类的正确率。     

基于免疫粒子群优化算法的影像纹理分类

粒子群优化算法是基于群智能的随机全局优化方法,它源于对鸟群简化社会系统的模拟。为了提高标准粒子群优化算法的收敛性能,将生物免疫系统的记忆能力和多样性引入标准粒子群优化算法,提出一种免疫粒子群优化算法。在提取纹理样本Laws纹理能量模板特征、小波特征等纹理特征的基础上,提出针对分类问题的粒子表达方法和群体寻优策略,实现了基于免疫粒子群算法的纹理分类。实验结果表明,与标准粒子群优化算法相比,免疫粒子群优化算法在获取训练样本类别中心时具有较好的收敛性能,并且基于该算法的影像纹理分类具有较高的分类精度。     

纹理模型法用于影像纹理分类

在分析分形维和马尔可夫随机场两种主要纹理模型法的基础上,提出了先用马尔可夫随机场方法进行纹理分类,再用分形维方法对那些具有相同马尔可夫随机场模型及参数值相近的纹理影像进行分类的方法。该方法不仅能提供出影像纹理的纹理基元,还能给出影像粗糙性、自相似程度,减少了纳伪误差。     

基于遗传算法的影像纹理分类

阐述了遗传算法的基本原理,提出了与马尔柯夫随机场相结合的遗传算法在影像纹理分类中的应用。通过对４种纹理取样的实验,表明这种影像纹理分类方法可以提高分类的正确率。