利用波形信息的加权曲面拟合LiDAR点云滤波

为发挥机载全波形激光探测与测量（light detection and ranging,LiDAR）技术优势,提高数字高程模型（digital elevation model,DEM）生成精度,提出了一种利用波形信息的加权曲面拟合LiDAR点云滤波方法。该方法利用全局收敛LM解算离散点云与波形参数,引入波形信息与抗差估计原理检测异常种子点,依据波形参数对地形曲面进行加权拟合,综合考虑滤波窗口尺寸与曲面拟合中误差影响设置自适应高差阈值。选取中国黑河综合遥感联合实验中的城市区域、耕地区域与山地区域数据进行实验,结果表明,相比传统方法,所提方法的波形分解结果更加可靠,点云滤波精度进一步提高,具备较高实用价值。     

基于ICP和模拟退火遗传算法的DEM无控匹配

为对DEM进行分析、管理和应用,有必要对DEM匹配技术进行研究。为此,提出一种基于ICP和模拟退火遗传算法的多源DEM无控匹配方法,利用扫描线生成DEM的点云并利用ICP进行粗匹配,并利用模拟退火遗传算法对参数精求解。实验结果表明,算法可以完成多源DEM的无控制匹配,运行效率优于遗传算法,求解精度优于ICP算法。     

关键点检测的复杂建筑物模型自动重建

利用机载LiDAR点云数据进行建筑物重建是当今摄影测量与遥感领域的一个热点问题,特别是复杂形状建筑物模型的精确自动构建一直是一个难题。本文提出一种基于关键点检测的复杂建筑物模型自动重建方法,采用RANSAC法与距离法相结合的分割方法自动提取建筑物屋顶各个平面的点云,并利用Alpha Shape算法提取出各个平面的精确轮廓,根据屋顶平面之间的空间拓扑关系分析建筑物的公共交线特征,在此特征约束下对提取的初始关键点进行修正,最终重建出精确的建筑物3维模型。选取不同类型复杂建筑物与包含复杂建筑物的城市区域点云进行实验,结果表明该算法具有较强实用价值。     

结合调和场与刚性匹配的三维形变模型

针对基于表面的三维模型形变方法可描述细粒度形变但不独立于三维几何表示,而基于空间的方法则刚好相反这一问题,该文提出了一种基于三维曲面调和场构建的三维形变模型。通过计算表面调和场,将模型划分为若干个形变单元;通过在每个形变单元上运用刚性形状匹配保证局部刚性形变,实现了三维模型的细节保持形变;基于调和值将形变单元上的形变插值到整个三维模型,支持三维模型的细粒度形变;为实现几何表示不相关性,该文提出了一种三维点云调和场计算方法。实验结果表明,该形变模型利用调和场将基于表面和基于空间两种方法的优点结合了起来,具有较好的实时性和可用性。     

面向序列影像的三维场景重建方法

针对序列影像三维场景重建过程中存在的自动化程度不高、模型精度不够等问题,该文提出了一种基于序列影像的三维场景重建方法。该方法利用尺度不变特征变换算子获得了大量稳定的特征点后,结合K-D树搜索策略以及随机抽样一致性误匹配剔除方法得到稳定的匹配点对,然后采用稀疏光束法平差获取序列影像的相对位置姿态参数,最后采用多视密集匹配方法实现场景目标的密集重建。实验结果表明:该文所提方法可以快速得到准确、完整的三维重建结果。     

全局收敛LM算法优化的机载激光测深信号提取方法

在机载激光测深系统中,水面与水底回波信号的提取精度是影响系统测深能力的关键因素,然而传统的信号提取方法易受噪声影响,精度低,对测量环境的适应性差。针对上述问题,提出一种全局收敛LM(Levenberg Marquardt)算法优化的机载激光测深信号提取方法。首先通过模糊筛选得到较为可靠的初值;然后利用基于全局收敛LM的波形分解算法对波形进行分析建模,从而获取每个初值点的高斯分解参数;最后通过多条件筛选确定精确的水面、水底回波信号位置。利用实测数据和模拟数据分别进行实验,结果表明提出方法对回波信号具有较高的检测正确率,且稳定性较强。     

基于偏微分方程的去噪方法

利用偏微分方程抑制图像噪声已经被认为是具有显著效果的图像去噪技术.在阐述图像噪声模型的基础上研究了图像去噪的偏微分方程模型,并对偏微分方程中的参数选择进行了讨论.为了保持图像的边缘信息,对经典模型参数进行了改进.实验结果表明,偏微分方程适用于图像噪声的抑制,并且可以在抑制图像噪声的同时,保持较好的边缘信息.     

采用Levenberg Marquardt的逐步递进波形分解方法

针对机载全波形Li DAR波形数据分解问题,提出一种采用Levenberg Marquardt的逐步递进波形分解方法。该方法基于Levenberg Marquardt的非线性最小二乘拟合算法,选取高斯函数模型并采用逐步递进的波形分解方式得到准确的模拟波形。对Riegl数据中的2条典型波形进行分解实验,并与普通非线性最小二乘方法的结果进行对比分析,证明该方法是可行有效的。     

线阵推扫式影像外定向的一种新算法

线阵推扫式影像外方位元素间的强相关性,导致法方程病态,外方位元素的最小二乘估计值误差较大.本文提出采用岭-压缩组合估计解决线阵列推扫式影像的外定向问题.该算法是综合岭估计和压缩估计的一种新有偏算法,它通过对最小二乘估计值的不同分量进行不同比例的压缩使估计值最优.文中采用10 m分辨率的SPOT 1全色影像和2.5 m分辨率的SPOT 5全色影像进行实验,并与商业遥感软件Erdas的实验结果进行比较.研究结果表明该算法能有效地克服线阵推扫式影像外方位元素间的相关性,定位精度较高,定向点精度在1个像素内,检查点精度在1.5个像素内,达到Erdas软件的定位精度.     

光学与SAR卫星遥感影像复合式“立体”定位技术的研究

针对某些特殊区域因气候或污染造成立体成像测图的困难,尝试将光学与SAR卫星遥感影像联立构成“立体像对”进行复合式定位,并对其原理与方法进行研究与试验。以线阵CCD构像模型及F．Leberl公式为基础,利用若干地面控制点对线阵CCD影像和SAR影像分别进行外定向,再依据外定向参数将两种影像构成一“立体像对”,从而建立复合式立体定位的数学模型,在已知一组同名像点的情况下,即可解算出相应地面点的大地坐标。初步试验表明,将具有一定重叠范围的多源卫星遥感影像构成“立体像对”进行复合式定位是可行的,且复合式立体定位可取得接近于传统立体像对的定位精度。