SIFT特征匹配技术在自动相对定向中的应用

提出了一种利用尺度不变特征变换(SIFT:Scale invariant Feature Transform)特征匹配技术应用于遥感影像自动相对定向的方法,SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化均保持不变,对视角变换、仿射变换、噪声均有一定程度的稳定性。文中给出了较为详细的理论分析和实验分析,结合小波变换建立影像金字塔采用分频道相关提高影像匹配的速度,利用最小二乘匹配方法提高了匹配的精度,取得了较好的实验结果。     

PBIL算法在遥感影像匹配中的应用

提出了一种将基于群体增量学习(population-based incremental learning,PBIL)算法用于遥感影像匹配的方法,给出了详细的理论和实验分析,引入信息熵作为PBIL算法迭代终止的条件之一,取得了较好的实验结果.实验表明,基于该算法的影像匹配运算速度比较快,且收敛过程比较稳定.     

线阵CCD推扫式影像的投影误差特性分析

分析了几种常见成像方式下线阵CCD推扫式影像底点的具体位置,然后重点研究了线阵CCD推扫式影像投影误差的特性,特别是推导出了几种常见成像方式下线阵CCD推扫式影像的投影误差与人工地物高度的关系,为利用单幅线阵CCD推扫式影像投影误差确定人工地物高度和像底点在摄影测量与遥感中的应用提供了依据。     

测绘装备软件的质量控制

针对测绘装备软件质量控制中影响软件质量的主要问题，依据软件工程标准，提出了加强软件需求分析、建立软件测试环境等改进意见。     

基于BP神经网络的多特征融合变化检测方法

当前,随着遥感影像空间分辨率的提高,传统的变化检测方法已经无法满足实际应用的需要。针对这一问题,引入BP神经网络,提出了一种多特征融合的遥感影像变化检测方法。在提取影像光谱特征、纹理特征和空间特征的基础上,构建了用于进行二类分类的BP神经网络模型,并在一定数量的样本支持下,有效完成了变化信息的提取。实验表明,文中方法相比于传统的影像代数法和仅使用对象光谱特征的方法,在保持较高正确率的情况下,有效降低了漏检率和虚警率。     

基于广义点的定向方法

传统摄影测量是基于测点的前方交会和后方交会,所以共线方程(即物点、像点与摄影中心位于一条直线上)是整个摄影测量的核心。相对定向和绝对定向则基于同名像点共面的思想,而在工业计量测量和飞机姿态测量等领域,大量存在的是一些直线或者曲线,并不存在明确意义的点。因此,提出了基于广义点的相对定向和绝对定向的方法,解决了传统相对定向和绝对定向不能解决的问题,理论上证明该方法是可行的。     

一种基于LiDAR点云的建筑物提取方法

从机载雷达点云数据中快速准确提取建筑物是当前研究的难点和热点。在对现有建筑物点云提取方法充分研究和分析的基础上,本文提出了一种基于LiDAR点云的建筑物提取方法。首先根据建筑物的几何特性提取初始建筑物轮廓点;然后构建局部协方差矩阵计算点云分布特征,剔除非建筑物轮廓点;最后利用DBSCAN聚类算法对建筑物轮廓点聚类,以聚类结果为基础构建缓冲区,以缓冲区内所有建筑物轮廓点为初始种子点,采用圆柱体邻域进行多种子点区域增长,实现建筑物点云的提取。通过两组试验,共5组数据验证本文算法的性能。试验结果表明,该方法能够准确、有效地提取多层复杂的建筑物点云,效率高,且具有一定的适用性。     

多特征多尺度相结合的高分辨率遥感影像建筑物提取

在高分辨率遥感影像中,建筑物通常表现为多尺度形态,且存在同谱异物和同物异谱现象。因此,本文提出了一种综合利用光谱特征、形状特征和纹理特征,并结合多尺度分割的建筑物分级提取方法。该方法首先对遥感影像进行形态学建筑物指数（MBI）计算,而后对其特征影像进行阈值分割,并借助形状特征参数实现建筑物初提取;然后引入面向对象思想完成遥感影像多尺度分割,并利用纹理特征实现单一尺度的建筑物对象识别;最后借助多尺度融合思想完成建筑物后提取。利用本文方法对冲绳某地区影像进行了建筑物提取试验。试验结果表明,该方法的识别查准率和查全率在对象级和像素级两方面均取得较高精度。     

直接线性变换在建筑物比高求解中的应用

高度信息作为人工地物的重要属性信息,在军事和民用上都具有很高的利用价值。针对人工地物高度提取的发展现状及存在的主要问题,本文对单张航片利用直接线性变换结合DEM确定人工地物比高方法的原理和技术进行了研究,并进行了实验,验证了方法的可行性。     

结合卷积神经网络与显著性特征的机场检测

遥感影像机场检测中,针对传统人工设计特征的方法稳健性差、检测耗时的问题,提出了一种结合卷积神经网络与显著性特征的遥感影像机场检测算法。利用卷积神经网络快速准确地检测出机场目标,确定兴趣区域,对兴趣区域进行显著性检测和连通区提取,从而获取更加精确的机场边界,最后利用多种场景下的影像进行测试。结果表明,本文方法具有明显的精度和速度优势;利用频率视觉显著性分析方法对获得的机场区域进行视觉显著性检测,可有效获取机场和跑道的精确边界,提高机场检测的效果和实用价值。