地面检校场直接地理定位的精度分析

为了验证地面检校场代替空对地检校场的可行性,本文参照国际上已经成熟的方案布设了不同的检校场,在建立国产POS与SWDC-4A系统集成检校的数学模型之后,基于不同的检校场进行了多传感器集成直接地理定位的实验,并对最终的结果进行精度分析。结果表明,利用地面检校场进行直接地理定位可以达到平面中误差0.3m、高程中误差0.4m的精度,这种检校方法可靠稳定,能够代替空对地检校场进行实际作业。     

基于实例分割模型的建筑物自动提取

传统的遥感影像目标提取方法大多采用目视解译或基于像素信息进行处理,难以适用于高分辨率影像中的复杂场景。而现有的卷积神经网络语义分割模型,由于难以达到较高的精度会出现提取目标粘连的情况。针对该问题,本文对实例分割模型Mask R-CNN进行改进,提出了一种高效、准确的高分辨率遥感影像建筑物提取算法。首先,在Mask R-CNN原有的特征提取部分每个层级的特征图后再增加一层卷积操作,以降低上采样造成的混叠效应;然后,在原有掩膜预测结构的基础上增加一个分支,改善掩膜预测的效果;最后,将改进后的网络在建筑物数据集上进行训练。结果表明,本文方法能够准确独立预测每个建筑物顶部,没有目标粘连情况,且mAP值较Mask R-CNN有所提高,能够有效实现遥感影像建筑物精细化提取。     

城市大区域3维建模初探

在对已有3维数据模型分析的基础上，引用制图综合思想，着重探讨快速构建城市大区域建筑物的数据模型，提出一种箱式分割数据模型来构造建筑物。其中的分割是对建筑物实体的分割，这样可以在3维GIS中直接实现对建筑物的每一层或每一用户的图形属性互查及各种分析。最后，在此模型的基础上提出一种城市大区域快速3维建模思路。     

遥感动态监测自动发现方法研究现状及发展趋势

在分析遥感影像特征和土地利用动态监测现状的基础上,根据土地利用遥感动态监测变化信息数据处理方法的不同,将其进行科学分类,对各类数据处理方法的原理、特点进行总结分析,并对当前遥感动态监测变化信息自动发现方法的发展趋势进行了展望。     

基于目标灰度的土地利用变化信息边界提取

在变化信息自动发现的基础上,基于目标灰度信息,研究遥感影像中土地利用变化信息的边界提取方法。提出了一种典型区域法,方法是利用区域中分割目标密集的多个典型小区域的灰度直方图计算所有目标的分割阈值。由于影像中地物众多,为了减少噪声的影响,提高计算速度,先利用双阈值分割法对目标进行粗分割,再对其进行小波变换,利用其模值,以及结合目标灰度信息,可以将目标边界快速地提取出来。     

基于跨平台技术的领导用图系统设计

传统纸质地图已无法满足政府日常办公和应对突发事件的需求。本文以各级领导指挥决策地图服务需求为导向,采用JavaScript语言,以Cordova为开发平台,以Windows、IOS、Android等多种操作系统的互联网终端设备为载体,将地理信息、多媒体、移动网络等技术充分融合,开发出集成多种功能模块的综合跨平台领导用图系统,使地图服务手段突破时间、空间和载体的束缚,可有效地提高政府日常办公效率,并为其提供可靠的辅助决策依据。     

地下管网CAD数据到SHP文件转换的方案研究

为解决地下管网CAD数据转为SHP文件的问题,本文在详细分析了CAD数据与SHP文件各自特点的基础之上,编程实现了从CAD数据到SHP文件的数据转换,并根据市政管线符号表示实现了数据的符号化显示,以及地下管线的数据更新入库。以某地级市地下管网数据为例,证明该方法可以真正实现数据的无损转换。     

基于地面检校场的POS辅助空三精度分析

参照加拿大Applanix与德国IGI公司的方案,布设了不同的检校场以获取国产POS与SWDC-4A相机的检校参数,并结合国家863重点项目的地面检校场对检校成果进行精度分析。结果表明,该地面检校场能够代替实际作业飞行所需的空对地检校场,不仅大大节省了成本,也为检校场的建设方案提供了参考和依据。     

对比Harris算子和Susan算子的建筑物边界规则化方法

建筑物顶部边界的精确提取在建立数字城市等方面发挥着非常重要的作用。本文针对从遥感影像中粗提取的建筑物边界不规则的问题,结合Harris算子和Susan算子,提出了一种对粗提取后的建筑物边界进行规则化拟合的处理方法。首先对粗提取的建筑物顶部边界进行预处理以剔除噪声影响;然后分别使用Harris算法和Susan算法对预处理后的建筑物边界进行角点检测提取;最后对检测提取的边界角点进行点号排序和规则化拟合连接得到规则的建筑物边界。试验结果表明,通过该方法处理后的建筑物边界平滑且与其实际边界基本一致。     

结合阈值分割和数学形态学的建筑物阴影检测

随着高分辨率遥感影像技术的不断发展,从高分辨率遥感数据中提取建筑物信息将会成为城市数字化的重要信息来源。建筑物阴影包含了建筑物的高度、形状及位置等信息,准确提取建筑物阴影对后续影像的处理具有重要的意义。在阈值分割和数学形态学两种算法原理的基础上,结合两种算法实现了建筑物阴影的提取及优化。试验表明,两种算法的结合能够比较准确的提取出建筑物阴影信息,排除小阴影区域的干扰,并能较好地检测出阴影的边界,保证建筑物阴影的形状和大小。