正射影象图生产中的两个问题——ZOOM放大倍率与图幅接边问题

本文针对使用OR-1正射投影仪制作正射影象图生产中碰到的两个问题：ZOOM放大信率与图幅接边问题，从理论上进行了分析讨论，并编写了一个相应的程序，有效地控制缝隙内影家的放大倍率之变化。本文对减小接边差的原理与方法也作了讨论。     

对高分辨率遥感影像基于仿射变换的严格几何模型的讨论

根据CCD线阵列对地面扫描的实际情况，修正得到高分辨率遥感影像方位参数求解的严格几何模型，并进行了理论上的论证，得出相应的计算公式。实验证明，该模型理论上更为严密，与原模型的实用效果基本一致。     

一种激光扫描数据与数码照片的配准方法

提出了一种激光扫描数据和数字图像配准的方法。该方法基于立体像对匹配点与三维扫描点云的最近邻迭代配准。配准中，采用M-估计的选择权迭代在最邻近点搜索算法中逐步消除立体像对误匹配粗差点的影响，得到正确的收敛结果，并基于地面实验证明此方法是可行的和有效的。     

基于GPGPU的并行影像匹配算法

提出一种基于GPGPU的CUDA架构快速影像匹配并行算法,它能够在SIMT模式下完成高性能并行计算。并行算法根据GPU的并行结构和硬件特点,采用执行配置技术、高速存储技术和全局存储技术三种加速技术,优化数据存储结构,提高数据访问效率。实验结果表明,并行算法充分利用GPU的并行处理能力,在处理1280×1024分辨率的8位灰度图像时可达到最高多处理器warp占有率,速度是基于CPU实现的7倍。CUDA在高运算强度数据处理中呈现出的实时处理能力和计算能力,为进一步加速影像匹配性能和GPU通用计算提供了新的方法和思路。     

基于欧氏距离测度的激光点云配准

针对激光扫描测量系统得到的多视角点云数据,提出用离散对应特征和迭代最近点(ICP)算法相结合的方法,对点云模型多视配准技术进行了研究。首先给出单位四元数和旋转矩阵的关系以及线性最小二乘法原理;然后利用基于离散对应特征的方法求出刚体变换的一个初值,并用迭代最近点(ICP)算法精确估计刚体变换参数;最后用工件36副真实点云模型的配准结果证明此方法的有效性。     

利用数字摄影测量探测橡树草原变化

数字摄影测量的一个新的应用,即自然景观的变化监测,它是我们近年围绕遥感生态测量学所做的一些初步尝试。用加州橡树草原区１９７０ 年和１９９５ 年１∶１２ ,０００ 比例尺航空摄影立体像对,构建有别于数字地形模型的数字表面模型。由于数字表面模型上记录着树冠和其它景观的三维表面坐标,我们可以测量树高与树冠郁闭度,从而比较２５ 年间橡树草原的变化。用数字表面模型有助于改善遥感多光谱分析所探测到变化的精度,使融合三维表面数据和多光谱数据以提高遥感信息提取的精度成为可能。     

DEM约束的卫星影像定位法

作为"云控制"摄影测量理论和方法的发展,研究了DEM约束的立体卫星影像区域网平差方法。与DEM仅作为高程控制信息使用,或者是通过DEM表面匹配实现绝对定向的间接定位方法不同,DEM作为平高控制信息被直接引入至基于RFM模型的卫星影像区域网平差之中。本文方法将连接点地面高程与DEM格网内插高程之差作为虚拟观测值构建约束方程,不仅利用了DEM高程信息,并且利用了其地形曲面包含的平面信息,以"云控制"方式在区域网平差过程中有效消除卫星影像RPC参数中包含的整体偏移及区域网内部的扭曲变形,实现了无地面控制点条件下卫星影像平面及高程绝对定位精度的大幅提升。使用覆盖山东全境的330景天绘一号立体卫星影像进行试验,分别以AW3D30、ASTER GDEM和SRTM GL3共3种开源DEM作为控制信息,并使用100个外业实测控制点进行精度评测。试验表明,以DEM作为控制可显著提高区域网平差的平面与高程精度,卫星影像绝对定位精度与DEM自身精度有关。当使用AW3D30作为控制时,可以取得与使用100个外业控制点平差同等精度,平面中误差为5.0 m(约1像素),高程中误差为2.9 m。试验结果证明了DEM替代外业控制点作为平差控制信息的有效性与可行性。     

基于约束满足神经网络的整体影像匹配

将影像匹配看作一个约束满足问题（ＣＳＰｓ）,并用约束满足神经网络（ＣＳＮＮ）来实现整体影像匹配。根据新松弛标号法对网络的结构和迭代方式进行了改进,使其能够处理复杂地形条件下影像匹配中存在的“零匹配”和“多匹配”问题。实验表明,该匹配算法可快速、有效地处理复杂地形条件下的影像匹配问题     

创新需要超前创新需要投入创新要敢于否定

在最近召开的全国技术创新大会上,江泽民指出:"可以预料,21世纪科技创新将进一步成为经济和社会发展的主导力量."创新是科技进步的核心,没有创新,就谈不上科技进步.在此,我就个人长期科研实践的经历与经验,谈谈"创新"的一点体会.     

基于空间约束的神经网络影像匹配

提出了一种可充分利用影像灰度信息和特征信息的基于视差变权空间连续性约束的整体影像匹配方法,并将其映射到 Ｈｏｐｆｉｅｌｄ网络,利用神经网络所固有的大规模并行处理能力,可以高速、可靠、高精度地完成影像匹配,并大大提高了复杂地形条件下影像匹配的可靠性。实验证明该算法具有一定的实用性。