三维激光扫描技术在复杂地质隧道岩体信息获取中的优化

为了更高效、高精度地获取岩体结构面信息,借助三维激光扫描技术,提出并建立一种基于Kriging算子和最小二乘法组合的点云插值方法。首先对获取的隧道点云数据利用单一的最小二乘法进行插值,并以此为基础,结合Kriging算子的适应度函数建立组合插值模型。在利用三维激光扫描仪已获取的某岩溶隧道的原始点云数据的基础上,运用组合模型进行插值处理,以此获取岩体结构面信息,并将组合方法得到的结果与单一的插值方法进行对比,发现组合方法插值效果较好,误差也较小。基于Kriging算法和最小二乘法结合的插值方法,在利用三维激光扫描技术获取岩溶隧道岩体几何信息—结构面产状的过程中能更加精确、全面,并可以用于岩体稳定性评价。     

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。     

空间分析技术在研究传染病时空传播规律中的应用

以手足口病为例,介绍了地理信息的空间统计技术在传染病时空传播规律研究中的应用,包括传染病空间分布模式研究、传染病聚集性分析、传染病扩散传播模式分析、传染病发病率空间自相关分析及传染病发病率空间回归模型预测方面的研究,为传染病防治决策提供科学依据,具有一定的实用性。     

全功能电子测站仪自动无线控制检测系统的研究

基线场测量是检定全功能电子测站仪测距的必要环节,传统的人工测试已不能满足测试需求。为此,我们提出了基线场无线控制系统技术方案,在管理者和其它墩位设备间建立一种准确、迅速、有效的控制沟通方式,能够有效提高基线场测试设备的自动化控制和调度水平,使得现场测试工作的管理更为简单有效。通过大量的实验证明,此系统可靠性高、稳定性强、精度完全满足测试要求。     

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。     

同波束干涉测量在月面相对定位中的应用

基于同波束干涉测量原理和观测模型,针对月面目标特性,推导了给定着陆器先验位置的差分时延、差分时延率观测方程。引入指定高程约束、月球数字地形模型等约束方程,提出巡视器相对位置确定的卡尔曼滤波算法。通过仿真数据进行了验证和评估,表明该算法可快速、较高精度地确定月面巡视器相对着陆器的位置。     

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。     

靖江王陵三维数字化系统设计与关键技术研究

利用激光扫描、无人机航摄等测绘手段对靖江王陵陵墓遗址建立了三维数字化信息系统,将数字化保护与考古研究有机结合,设计了系统的技术路线,研究了涉及的激光点云球面投影的三角网构网、高保真度纹理映射、多源数据融合的陵墓三维场景建模和文物信息组织与查询等关键技术,采用高真实感仿真和高效信息查询技术可逼真表现文化遗产场景、查询文物信息。通过本文工作建立的靖江王陵三维数字化系统在靖江王陵文化遗产的保护、考古、旅游、文化传播、信息化建设等方面有着重要的意义。     

高光谱影像光谱-空间多特征加权概率融合分类

提出了一种基于光谱-空间多特征加权概率融合的高光谱影像分类方法。首先,利用最小噪声分离(minimum noise fraction,MNF)方法对高光谱影像进行降维和特征提取,并以得到的MNF特征影像作为光谱特征,联合灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取的纹理特征、基于OFC算子建立的多尺度形态学特征以及采用连续最大角凸锥(sequential maximum angle convex cone,SMACC)提取的端元组分特征,组成3组光谱-空间特征;然后利用支持向量机(support vector machine,SVM)对每一组光谱-空间特征进行分类,得到每组特征的概率输出结果;最后,建立多特征加权概率融合模型,应用该模型将不同特征的概率输出结果进行加权融合,得到最终分类结果。为了验证该方法的有效性,利用ROSIS和 AVIRIS影像进行试验,总体分类精度分别达到97.65%和96.62%。结果表明本文的方法不但较好地克服了传统基于单一特征高光谱影像分类的局限性,而且其分类效果也优于常规矢量叠加(vector stacking,VS)和概率融合的多特征分类方法,有效地改善了高光谱影像的分类结果。     

一种基于局部判别正切空间排列的高光谱遥感影像降维方法

提出一种基于局部判别正切空间排列(local discriminative tangent space alignment,LDTSA)的高光谱影像降维方法。LDTSA源于局部正切空间排列(LTSA)中的排列机制,在一个局域块内利用线性局部正切平面对类内样本的流形结构建模,同时还考虑到类间判别信息以最大化判别边界。利用多幅高光谱数据进行降维和分类试验。结果表明,LDTSA主要有三个优点:①在小样本问题上性能稳定;②在降维过程中保持类别间的判别信息;③有效挖掘数据集的几何流形结构。