应用图像关联度的图像模糊分类

提出了应用图像关联度的图像模糊分类新方法。该方法在求得每幅图像相对各个类别的关联度的基础上,求得每个类别图像关联度的均值和标准差σ;然后计算每幅图像的关联度与所在类别关联度均值之差Δi,差值Δi≤2σ,该图像应“留“在该类中;否则,该图像应归入与另两个类别的关联度较大的类别。每幅图像都经过这样的检验,实现图像的再划分,直到这一过程稳定为止。实验结果表明,该方法的图像分类质量有一定优势。     

高分辨率三维激光扫描数据的微小变形统计分析

地基三维激光扫描数据具有高精度、高空间分辨率的特点,能够改变传统的单点变形观测模式,使传统的点测量向“形测量”转化,因而大量的变形监测数据使得通过数学统计的方法探测变形量小于测量精度的微小变形成为可能。利用高分辨率三维激光扫描数据的微小变形统计分析方法,提出了基于反射值影像和BaySAC的拼接方法提高拼接精度;通过拟合方式提高整体分析精度,而影响拟合精度的主要因素为粗差,因此采用RanSAC算法剔除粗差,提高拟合的精度;然后利用格网化方法消弱偶然误差、修正拼接误差,最终得到变形量。采用建筑墙面及地铁隧道的点云数据进行了微小变形检测的实验,证明了该方法的有效性。     

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。     

基于遥感和GIS技术的漓江自然地貌破坏现状调查

针对漓江流域自然地貌被人为破坏的现状,以0.61 m分辨率的QuickBird 2和5.6m分辨率的IRS-P6卫星遥感数据为信息源,在ENVI和MapGIS软件的支持下,对漓江流经桂林市区段,即兰洲大桥—磨盘山大桥之间约30 km河岸自然地貌遭受人为破坏的现状开展了遥感调查.通过遥感图像处理、分析和人机交互解译,对3种河岸地类(农林用地、建筑用地和自然景观区用地)进行了测量与统计分析,结果表明:2009年漓江两岸农林用地占岸长度为河岸总长度的57.78％,建筑用地占35.95％,自然景观用地仅占6.27％.这说明,随着桂林城市规模的急速扩展,人类活动对漓江自然地貌形态造成了严重破坏,漓江综合治理已经刻不容缓.     

基于Photoshop的数字正射影像匀光匀色技巧

随着数字正射影像(DOM)的应用日益广泛,匀光匀色已经成为影像处理中不可或缺的一个重要环节。本文以实际生产项目为例,总结了基于Photoshop软件的数字正射影像图匀光匀色技巧,以期进一步提高数字正射影像图的色彩质量。     

电磁散射模型应用于单景高分辨率SAR影像建筑物高度反演的解算方法

首先,测量建筑物叠掩量,反演出建筑物高度初值;然后,在相邻建筑物下垫面粗糙度相关的假设下,对重组后的电磁散射模型进行基于拟模拟退火的参数解算,实现了模型中未知参数的求解以及建筑物高度的反演。将此方法应用于真实Radarsat-2SAR场景中3座建筑物高度的反演,取得了反演高度相对误差均小于10%的结果。     

Excel在GPS基线解算精度统计中的应用

GPS基线解算就是利用GPS观测值,通过数据处理,得到测站间的基线向量值。基线解算是GPS网平差的基础和关键,基线解算精度直接关系着GPS网的精度,所以,基线解算精度统计是一项很有必要的工作。Excel中大量的公式函数可以应用选择,主要用来进行有繁重计算任务的预算、财务、数据处理等工作,借助于Excel的数据筛选和条件格式功能,可以方便、高效、准确无误地进行GPS精度统计,这在GPS广泛大量使用的今天,有一定的现实意义。     

测绘工程专业《激光雷达技术原理》教学方法的研究

针对《激光雷达技术原理》课程,结合国际权威著作和最新研究及应用成果确定教学内容,提出了“了解-新型传感器原理”“熟悉——激光扫描仪操作”和“掌握—激光点云数据后处理方法”的由浅入深、理论实践结合的教学方法,旨在让学生更好地掌握现代的测绘高新技术,全面提升学生的自主学习、分析问题、解决问题和创新思维的能力.     

基于主成分分析的ENVISAT ASAR数据在福建省漳州市香蕉园地提取中的应用(英文)

Banana is one of the main economic agrotypes in Zhangzhou, Fujian Province. The multi-temporal ENVISAT ASAR data with different polarization are used to classify the banana fields in this paper. Principal component analysis (PCA) was applied for six pairs of ASAR dual-polarization data. For its large leaves, banana has high backscatter. So the value of banana fields is high and shows very bright in the 1st component, which makes it much easier for banana fields extraction. Dual-polarization data provide more information, and the VV and VH backscatter of banana show different characters with other land covers. Based on the analysis of the radar signature of banana fields and other land covers and the 1st component, banana fields are classified using object-oriented classifier. Compared to the field survey data and ASTER data, the accuracy of banana fields in the study area is 83.5%. It shows that the principal component analysis provides the useful information in SAR images analysis and makes the extraction of banana fields easier. Supported by the Program for New Century Excellent Talents in University (NCET-05-0573), Fujian Science and Technology Project (No.2006I0018), the Science Project of the Education Department of Fujian Province(No. 2006F5022).