雷达图像模拟方法分析

目前最常用的雷达图像模拟方法有两种：以信号为基础的模拟方法和以特征为基础的模拟方法。首先介绍了雷达图像模拟的重要性,然后分析了两种方法的原理和特点,给出了各自的模拟流程,最后根据某一场景的DEM数据实现了该场景雷达图像的模拟,讨论两种模拟方法的侧重点和应用范围。     

利用小波变换降低环境噪声对测深数据的影响

针对测深数据在环境噪声处理中存在的问题,利用海底信号和环境噪声小波变换模的极大值在不同尺度下具有下同的传播特性,提出了利用多尺度小波变换分折测深数据的方法,从而达到降低环境噪声对测深数据影响的目的,通过计算表明该方法具有较好的效果。     

合成孔径技术在光学领域的应用

介绍了合成孔径技术的发展及其基本原理,对国外合成孔径激光雷达的发展进行了综述,最后对合成孔径激光雷达的优势进行了分析.     

INS／DGPS支持的机载线阵推扫影像几何校正

论述了利用INS／DGPS系统的导航输出计算外方位元素的原理，介绍了行方位数据支持下机载线阵CCD影像直接和间接法几何校正的基本方法，重点分析并解决了直接法纠正中的目标定位、灰度重采样及间接法校正中最佳扫描行的确定问题。PHI高光谱影像的实验结果表明，文中的校正算法可达到优于1．5m的绝对定位精度及0．7m的相对精度。     

机载三线阵影像空中三角测量的关键问题

对机载三线阵影像空中三角测量中涉及的平差数学模型、GPS/IMU的系统误差补偿、对地面控制点的需求以及构架航线的影响四个关键技术问题进行了理论分析与实验验证。ADS40数据的实验结果表明,GPS/IMU的定位误差是系统性的,并主要表现在坐标基准的不同。通过设计适当的数学模型改正GPS/IMU的系统误差,利用低阶多项式或定向片平差,在极少量地面控制点支持下即可达到1个像素左右的定位精度。构架航线对平差结果的改善作用有限,实际作业中不建议采用。     

基于深度学习的GPS水准拟合方法

针对数学拟合法在进行全球定位系统(GPS)水准拟合时,因受自身模型限制,导致GPS水准拟合精度不高的问题,该文提出了一种基于EGM2008模型和深度学习的GPS水准拟合法.首先使用深度学习中的分段线性整流函数(ReLU)作为神经元激活函数加快网络的收敛速度,然后利用 自适应矩估计函数(Adam)作为优化函数加速获取最优解,并采用正则化丢弃法(Dropout)增强深度学习网络的泛化能力.通过实测数据计算表明:该文方法相比常用的多项式拟合法,丘陵地区外符合精度提高了约65％,达到1.7 cm;高差变化较大的山地外符合精度提高了约90％,达到1.2 cm.     

一种多波束声速剖面反演与海底地形校正技术

为了解决在多波束测深中声速剖面代表性误差会造成平坦海底地形凹凸变形的问题,提出了一种基于海底观测值的声速剖面反演与海底地形改正技术。该技术利用波束入射角以及单程回波时间信息,建立波束位移与误差声剖的函数关系,采用间接平差与LM（Levenberg-Marquardt）法反演得到与实际声速剖面相近的改正声速剖面,从而达到校正海底畸变地形的目的。海上实验数据验证表明:与含有误差的海上声剖值相比,反演改正后的声剖值更接近海上实际声剖值;水深改正的相对标准差降低50%以上,有效地削弱了畸变海底地形的影响。     

深度学习的BP神经网络在GNSS水准拟合中的应用

针对误差逆向传播BP (back propagation)神经网络在GNSS水准拟合中存在梯度消失、陷于局部最小点的问题,通过使用深度学习中的分段线性整流函数Relu(rectified linear units)作为神经元激活函数,自适应矩估计Adam (adaptive moment estimation)算法作为网络优化函数,提出了一种基于深度学习的BP神经网络模型。研究结果表明:改进后的BP神经网络内外符合精度分别提高近50%和25%,可达0.9 cm和2.4 cm,为GNSS水准拟合提供了新的思路。     

测深信息处理的最佳小波门限滤波法

针对测深数据在环境噪声处理中存在的问题,基于离散快速小波变换技术,根据信号检测中的Ｎｅｙｍａｎ－Ｐｅａｒｓｏｎ准则,本文提出了从环境噪声污染的测深信号中重构海底地形信息的最佳小波门限滤波法,从而达到了降低环境噪声对测深信息的影响。     

利用RPC模型进行IKONOS影像的精确定位

研究了IKONOS卫星影像基于RPC模型的立体定位算法与区域网平差方法。针对立体定位计算过程中RPC(Rational Polynomial Coefficients)模型存在的系统性误差,给出了物方和像方补偿方案。实验结果表明,各种补偿方案均可有效消除RPC模型的系统误差,取得优于1.3 m的定位精度;区域网平差的定位精度可达1.1 m,是最理想的定位方法。