地理国情水系要素的自动提取

在地表覆盖水系图斑采集的基础上,利用Rosenfeld细化算法实现地理国情水系要素中心线的自动提取。首先兼顾提取质量确定图像由矢量转换为栅格的最佳像素值,然后根据内存访问效率和图像块大小的关系选择图像分块处理技术。此外,采用图像形态学的膨胀与腐蚀算法、线段长度条件约束和曲线节点抽稀等技术确保中心线提取质量。试验结果表明,本文提出的方法准确、高效,在生产实践中具有一定的应用价值。     

土地变更调查之管理信息标注入库探讨

土地变更调查是土地利用和管理工作重要的基础性工作之一,用地管理信息标注入库是对土地利用现状变更信息的完善补充,是确保土地变更调查数据真实准确的重要措施。本文结合国家相关规程及技术要求,探讨总结了管理信息标注入库的一般工作流程及部分可能出现问题的解决方法。     

岩质路堑边坡施工监测及稳定性分析

以某高速公路岩质路堑边坡为例,通过施工现场监测及稳定性分析,结果显示初始设计状态下坡体深层位移和坡面位移接近滑动临界值。采取变更设计后,利用现场监测结合蒙特卡洛数值模拟的方法对该路堑边坡的加固效果进行稳定性和可靠性分析。经过加固后的边坡能较好地维持稳定,支护措施可靠。这种现场监测结合蒙特卡洛数值模拟的方法为路堑边坡的动态设计提供了依据,并能及时作出趋势性预测,为路堑岩质边坡的合理支护提供一种新的思路。     

SML语言在ERDAS中建立空间模型的方法及示例

简单探讨和研究了ERDAS的SML语言的使用以及此种语言在实际使用过程中图形化的流程,主要内容包括空间模型工具的组成、图形模型的基本类型、图形模型的形成过程、模型生成器的功能组成、空间模型的建立以及操作过程、条件操作函数的应用等。并列举了一个简单的例子,进一步说明了这种语言的使用方法。     

U-Blox 6接收机解码与定位测试

U-Blox接收机的原始数据以自定义的UBX协议存储,使用时需要将其解码到标准RINEX格式。本文介绍了U-Blox 6接收机原始数据的数据包结构和解码原理,对实测数据成功进行了解码;并介绍了GPS定位的数学模型,对消参数法进行了详细的分析,对解码后的数据进行了静态/动态伪距单点定位和差分定位。定位结果显示,采用站间单差后点位误差减小50%,运动点位轨迹更加平滑,说明站间单差能显著提高定位精度。     

采用弱基准和抗差估计的重力网平差

以沿海某测区绝对重力和相对重力网数据处理为例,详细描述了弱基准重力网平差的方法,绝对重力和相对重力先验权的确定,用抗差等价权来调整相对重力的权、重力仪参数的取舍。结果表明,弱基准能有效地提高整网的精度;抗差估计能有效地探测并降低异常数据的权。重力点平均中误差为13.6×10-8 ms-2,偶然误差检验符合正态分布。     

基于球面QTM的大范围有源淹没算法研究

面对海平面上升后沿海区域大范围淹没模拟的应用需求,提出了一种基于球面QTM的大范围有源淹没算法,首先构建了研究区域的QTM三角格网集,并利用海陆分离的思想确定了初始淹没单元;然后基于QTM的12邻近搜索设计了面向多目标三角格网的淹没范围扩张方法,将初始淹没单元递归扩张得到最终的淹没范围;最后应用Visual C#语言及Microsoft DirectX三维图形接口设计开发了相应的试验原型系统,并利用天地图高分辨率影像和SRTM地形数据对试验区域进行了海平面上升后的大范围淹没模拟试验。结果表明,该算法具有较好的实用性,可以有效地对海平面上升后的大区域范围进行动态地淹没模拟,对辅助防灾减灾具有一定意义。     

全景地图隐私信息处理的关键技术研究

全景地图系统在数据生产中存在一些可能涉及泄漏个人隐私的信息。本文提出了通过采用特征提取和监督学习分类的方法来检测和处理隐私信息的方法。以人脸和车牌号为例,分别采用支持向量机和投影定位的方法进行了隐私信息定位检测。试验证明,该方法具有较好的可行性。     

WiFi-PDR室内组合定位的无迹卡尔曼滤波算法

针对当前室内定位的应用需求和亟待解决的关键问题,结合城市室内环境下广泛存在的WiFi无线信号以及智能手机传感器信息,提出了一种WiFi无线信号联合行人航迹推算(PDR)的室内定位方法。该方法采用无迹卡尔曼滤波(UKF)算法对WiFi和PDR定位信息进行融合处理,有效克服了WiFi单点定位精度低和PDR存在累计误差的问题。针对融合算法中WiFi指纹匹配计算量大的问题,用k-means聚类算法对WiFi指纹库进行聚类处理,降低了指纹匹配算法的计算量,提高了算法的实时性。通过在华为P6-U06智能手机平台上实际测试,在时间效率上经过聚类处理后系统定位耗时有很大程度的改善,平均降幅为51%,其中最大降幅达到64%,最小的也达到了36%;在定位精度上,当室内人员为行走状态时WiFi定位平均误差为7.76m,PDR定位平均误差为4.57m,UKF滤波融合后平均定位误差下降到1.24m。     

融合光谱-空间信息的高光谱遥感影像增量分类算法

提出了一种融合光谱和空间结构信息的高光谱遥感影像增量分类算法INC_SPEC_MPext。通过主成分分析(PCA)提取高光谱影像的若干主成分,利用数学形态学提取各主分量影像对应的形态学剖面(MP),再将所有主分量影像的形态学剖面归并联结,组成扩展的形态学剖面(MPext)。将MPext与光谱信息相结合以增加知识,最大限度地挖掘未标记样本的有用信息,优化分类器的学习能力。不断从分类器对未标记样本的预测结果中甄选置信度高的样本加入训练集,并迭代地利用扩大的训练集进行分类器构建和样本预测。以不同地表覆盖类型的AVIRIS Indian Pines和Hyperion EO-1Botswana作为测试数据,分别与基于光谱、MPext、光谱和MPext融合的分类方法进行比对。试验结果表明,在训练样本数量有限情况下,INC_SPEC_MPext算法在降低分类成本的同时,分类精度和Kappa系数都有不同程度的提高。