TerraSAR-X影像直接地理定位方法研究

开展高精度直接定位算法研究对促进SAR影像的广泛应用具有重要意义。针对新型高分辨率雷达卫星TerraSAR-X影像,在无任何地面控制支持下采用距离多普勒构像模型及地球物理模型,通过线性化及最小二乘平差原理迭代求解目标点的位置矢量,并利用影像元数据文件中提供的影像四个角点和中心点的地理坐标作为控制点,消除定位结果中存在的系统误差。在利用陕西宝鸡地区的TerraSAR-X影像试验中,将其定位结果与当地1∶1万地形图上选取的控制点进行比较,获得的平均平面定位精度约±63m左右,表明该算法合理可行,具有一定的实用性。     

机载LiDAR数据滤波方法评述

DEM提取是机载LiDAR数据处理的基础问题,总结国内外LiDAR滤波方面的研究进展,定量分析算法的性能,着重分析形态学方法和基于内插的方法并指出两种算法的互补性,并总结展望,为后续相关研究提供参考.     

城市测绘电子档案质量略见

结合城市测绘的特点,规范档案工作流程,基于局域网实现电子档案信息的合理流转。建立电子档案质量监控机制,梳理常见质量问题,研发相应的质量检审工具软件,实现电子档案质量监控的智能化,避免档案再利用时因信息错误导致发生工程质量事故。     

肾综合征出血热疫情与NDVI的时间关系——以内蒙古自治区大杨树镇为例

利用月度肾综合征出血热发病人数和长时序月度NDVI值的相互关系, 对肾综合征出血热的发病趋势及发病人数进行预测。研究区大杨树镇2001—2005年共有144例完整的HFRS病人资料, 以及同期详细的宿主动物捕获数据。基于Landsat TM影像以及Google earth 影像, 大杨树地区土地利用分为4种类型, 山地、林地、农田以及居民点。各类土地利用类型的NDVI数据由SPOT-4 卫星的 VGT-S10数据集(10d最大化合成的NDVI数据)提供。对HFRS病例与NDVI之间的关系进行图解分析、相关分析和回归分析。研究表明, NDVI的峰值多出现于8月, 而HFRS发病人数的峰值多出现在11月。前朔3个月的农田NDVI值与HFRS病例数之间的相关系数为0.67(P值<0.001)。农田NDVI峰值比HFRS病例的峰值提前了3个月。研究量化了NDVI与HFRS之间的关系, 为HFRS早期预警系统的建立提供了依据。     

基于噪声随机模型的加权观测融合方法

信息融合技术中,在各局部传感器的有色观测噪声为一阶AR模型的情况下,可以利用观测扩增方法消除有色噪声的影响,得到最优加权观测融合方程,从而实现状态的最优滤波解。对于有色观测噪声为MA或ARMA模型的情况,观测扩增方法不再适用。提出了基于有色观测噪声随机模型级数展开的方法,求解出各局部传感器有色观测噪声的方差,并利用该方差对加权观测融合滤波器进行了构造。通过计算实例证明,该方法不仅适用于观测噪声为AR模型,同时适用于噪声MA或ARMA模型。     

河道洪水演进数值模拟及其在GIS平台上的可视化

针对公共安全应急平台中灾害预测预警和应急处置的快速反应需求,建立了基于圣维南方程的河道洪水演进的水动力学模型。采用库朗格式的特征线方法对基本方程进行数值求解,得出水位和流量沿河道的时空变化关系,在此基础上进一步研究了基于GIS的洪水演进可视化方法。最后,通过天然河道模拟实例验证了所建模型的可靠性和实用性。     

利用Landsat TM6数据反演大亚湾海水表层温度

基于Landsat TM6数据,采用覃志豪单窗算法(MW)、Jiménez-Mu(n)oz单通道算法(SC)和Weng算法计算了大亚湾海域的海表温度(Sea Surface Temperature,SST),分析比较了3种算法反演的海温空间分布特征,并选取12个样本点与实测数据进行了比较.结果表明:3种算法反演的海温分布特征基本一致,在3幅海温图像上可以清晰地观察到大亚湾核电站的热废水扩散特征;反演温度与实测温度的差值平均值分别为-2.21℃、0.19℃和-4.68℃,以SC算法误差最小.     

基于球面投影的单站地面激光扫描点云构网方法

为正确判断点与点之间的邻接关系,结合单站地面激光扫描点云数据的特性,提出了利用球面投影对其构建三角网的方法;讨论了球面Delaunay构网方法的若干细节;采用球面有向搜索和球面LOP局部优化算法,提高了构网时间效率;实验表明本方法能快速、有效的对单站激光扫描点云构网。相似文献   

基于直线感知增强的边缘提取算法

根据视觉识别边缘的感知特性,提出了一种基于直线感知增强的弱边缘的边缘提取算法。借鉴视觉的直线感知方式,针对弱边缘整体上呈直线分布的特点将其筛选出来,进行编组、连接和扩展。与Edison边缘提取算子的比较实验证明,本算法在对弱边缘的提取和虚假边缘的抑制上有显著增强。     

Application of probabilistic neural network to design breakwater armor blocks

This study presents a probabilistic neural network (PNN) technique for predicting the stability number of armor blocks of breakwaters. The PNN is prepared using the experimental data of Van der Meer. The predicted stability numbers of the PNN are compared with those of previous studies, i.e. by an empirical formula and a previous neural network model. The agreement index between the measured and predicted stability numbers by PNN are better than those by the previous studies. The PNN offers a way to interpret the network's structure in the form of a probability density function and it is easy to implement. Therefore, it can be an effective tool for designers of rubble mound breakwaters.