基于蒙特卡罗算法的车辆跟踪方法

针对飞艇沿公路飞行获取的高清晰交通视频,研究基于蒙特卡罗算法的车辆跟踪方法.该方法用蒙特卡罗算法预测目标下一时刻的一组状态(位置和尺度);然后通过计算得到各预测状态中与参考目标的状态相似度最大的一个,即为车辆目标跟踪的结果.研究结果表明:该方法能实时、准确地跟踪道路上无规律、非线性运动的车辆,并能够应对跟踪过程中的短时...     

利用ASIFT算法实现多视角静态交通标志识别

针对自然场景图像中交通标志存在多视角难以识别的问题,提出了一种基于ASIFT(affine-scale-in-variant feature transform)算子匹配的交通标志识别算法。利用ASIFT对视角变化的不变性进行特征点匹配,通过统计并比较有效匹配点来决定标志种类。实验表明,该算法对视角较小的交通标志也有较好的效果。     

移动模型对车用自组网路由协议仿真的影响

仿真是车用自组网研究中采用的重要方法之一,仿真结果通常受不同参数的影响。分析了移动模型对车用自组网路由协议性能仿真的影响;利用浮动车数据构建了城市出租车自组网模型(UT-Vanet),分析了各种移动模型的特点,并在此基础上评价了移动模型对车用自组网路由协议性能的影响。采用的移动模型有随机移动模型(RWP)、IDM_IM和IDM_LC模型。实验结果表明,移动模型对车用自组网路由协议的仿真具有很大的影响。     

海量影像数据的Web发布与实现

主要对Web上发布海量影像数据的关键技术作探讨,在比较Web GIS系统应用体系结构的基础上,使用J2EE作为实现海量影像数据的Web发布平台,根据海量影像数据和Web的特点,重点探讨海量影像数据的索引、影像数据缓存和处理多用户操作的连接池等关键技术,最后基于上述方法实现海量影像数据的Web实时交互浏览.     

基于人类时空活动的城市土地利用分类研究

准实时监测城市发展、掌握城市土地利用类型是日趋科学化、合理化进行城市规划的基本要求。随着信息通信技术、移动互联网技术、位置服务等的发展,海量的手机数据、浮动车数据、公交卡数据、社交网络数据等在内的人类时空活动信息为从“人”的角度动态实时感知城市土地利用、空间结构提供了可能。本文以深圳市为例,基于百万名QQ用户2013年的电子足迹数据,提出了不同类型的人类时空活动指数,以建立人类活动与城市地物间的对应关系;借鉴遥感影像不同波段记录各类地物在特定波谱区间辐射值的思想,生成各类人类时空活动指数波段图;并利用最大似然法对该“类高光谱影像”进行城市土地监督分类,获取城市的土地利用图。通过与深圳市规划图的对比验证,全体分类精度为72%。相较于传统基于“物”的遥感探测手段,基于“人”的城市感知更能反映城市内部相同地类的发展差异性。     

利用水位修正模型精化潮位数值模拟

利用海洋动力模式FVCOM（finite volume coast and ocean model）模式建立了高分辨率的海州湾及其外海域潮汐数值模型,提取了整个场内各个网格点上天文潮位值的时间序列。利用该区域内分布的5个验潮站资料提取水位修正模型,对场内的网格点进行水位修正,得到高精度的格点水位时间序列,然后对修正前后的水位值进行比较。结果表明,基于水位修正后的潮位数值模拟结果水位精度提高了10 cm左右。     

车载激光扫描点云中建筑物边界的快速提取

以车载激光扫描点云数据为研究对象,提出一种由粗到细且快速获取点云中建筑物3维位置边界的方法。首先,通过分析格网内部点云的空间分布特征(平面距离、高程差异和点密集程度等)确定激光扫描点的权值,采用距离加权倒数IDW(Inverse Distance Weighted)内插方法生成车载激光扫描点云的特征图像。然后,采用阈值分割、轮廓提取与跟踪等手段提取特征图像中的建筑物目标的粗糙边界。最后,对粗糙边界内部的建筑物目标点云进行平面分割,提取建筑物的立面特征并构建立面不规则三角网TIN(Triangulated Irregular Network),并在建筑物先验框架知识条件下自动提取建筑物的精确3维位置边界。     

1960—2009年中国年降水量的年际及年代际变化特征

利用1960-2009年中国台站降水量资料,揭示了全国、区域年降水量变化的多时间尺度的复杂结构和地区性差异,并根据年代际周期对未来降水量变化的贡献进行了预估。我国北方年降水量年际变化较强,年际变化对年降水量的贡献较大;南方年降水量年际变化相对较弱,年际变化对降水量的贡献较小,东北和西北地区年降水量的年代际变化较强,年代际变化明显,且同位相;其他地区年降水量年代际变化相对较弱。我国东北、西北、华南、青藏高原、西南地区年降水量的年代际变率对年降水量的贡献目前处于下降阶段,未来5-10年年代际变化的贡献可能继续呈下降趋势;长江中下游地区年降水量的年代际变率对年降水量的贡献目前处于上升阶段,未来5-10年年代际变化的贡献可能继续呈上升趋势。     

月尺度西太平洋副热带高压指数的重建与应用

针对目前国家气候中心业务监测中使用的月时间尺度西太平洋副热带高压指数存在的问题,利用NCEP/NCAR月平均再分析资料,对西太平洋副热带高压面积指数、强度指数、脊线指数和西伸脊点4种指数重新进行定义和计算,重建了1951—2010年逐月历史时间序列。面积指数、强度指数采用真实的面积和体积进行定义和计算,脊线指数则同时利用500 hPa高度场和纬向风切变线进行定义,且不仅仅局限于588 dagpm等值线,充分考虑了西太平洋副热带地区高压系统对我国夏季降水的影响作用。选取其中两个相对独立的指数——脊线指数与西伸脊点,通过对这两个指数的9种组合类型的构建,最大程度上涵盖了我国东部夏季降水各种雨型的分布特征。     

遗传神经网络释用气候模式预测产品的试验研究

从业务需求出发,提出了面向气候模式产品释用的神经网络。选用主分量作为网络的输入和输出,大大减少了其节点数,重点突出了大尺度影响变化关系,提高了实际预测的稳定性;用全局寻优的遗传算法取代经典BP算法,为高质量的网络学习训练提供了保证;针对实际设计代价函数,保证了网络学习训练能适应气候模式产品释用的基本要求,学习目的更明确,针对性更强。分别以夏季（6～8月）NCEP／NCAR500 hPa高度场、国家气候中心海气耦合模式500hPa高度预测场主分量为外界输入信号,同期中国降水场、华中区域降水场主分量为网络输出信号,进行了拟合预测和独立预测试验。结果表明：用模式500hPa高度预测场主分量为外界输入信号,网络输出（降水场主分量）反演的中国、华中地区降水场预测距平与实况同号率,有可能接近用NCEP／NCAR500 hPa高度场主分量为外界输入信号相当的技巧水平。