基于GIS的长白山景观格局演化信息图谱分析

景观格局是若干生态系统的综合体,受地貌、气候和其他外界多种因素的干扰,是模拟和预测地理要素变化趋势的基础。地学信息图谱理论为景观格局研究提供新的方法。基于RS和GIS技术,分析了20世纪70年代后期以来长白山地区景观格局图谱的时空变化规律。利用1977年MSS、1985年、1999年TM影像时间系列的遥感数据,建立空间信息库,选取景观/斑块类型面积、斑块所占景观面积的比例、平均斑块面积、斑块个数、破碎度指数、分维数、优势度指数等指标,对长白山景观空间格局的动态演变进行了分析。分析了长白山地区近30年来的景观结构变化,建立长白山景观格局演化的信息图谱。景观格局与过程的变化表明,人为活动对景观格局产生的影响,已成为景观格局变化的主要驱动因子。     

用于普通相机标定的三维控制架测量方法

普通相机标定的三维控制架降低了控制场的建设成本,使用户自主进行相机标定成为可能。针对如何快速准确进行三维控制架测量,获得高精度控制点坐标问题,该文分别采用两测站空间前方交会法和单测站空间极坐标法对三维控制架进行测量,分析对比两种方法的测量精度,并总结出提高测量精度的方法。实验表明,两测站空间前方交会法测量精度高,测量方法简便易行,精度稳定可靠。     

数字摄影测量采集岩体结构面信息的控制测量方法

以吉林省长春市净月潭附近的废弃采石场为研究对象,开展了基于数字摄影测量的边坡结构面信息采集的控制测量研究。控制测量分级布设:首级平面控制采用一级导线测量,高程控制采用全站仪对向三角高程法和全站仪垂距测量法,通过对比两种方法的观测结果,发现在一些地形起伏较大的地区,全站仪垂距测量法可以满足高程控制测量的精度,而且方便快捷,同时探讨了GPS-RTK控制测量在数字摄影测量中的应用;次级坡面控制采用空间极坐标测量法。通过控制测量,可以为边坡结构面信息的摄影测量获取提供准确、可靠的基准。     

基于LiDAR点云数据的地物几何特征提取与制图

从机载激光雷达数据自动识别地物对象,可提高数据的解译能力,成为快速、高效地形图测量、数字地籍、三维城市等数据获取的有效途径。本文基于机载Li DAR数据和遥感数据,进行快速数据获取与制图研究,充分利用激光雷达获取数据质量高的优势,通过高密度、不规则点云分析,构建建筑物、树木、地表、电力线等地物的离散几何模型,从而提高点云数据的分类精度及制图自动化。根据描述地物使用线和面以及纹理、颜色的方面的约束条件,通过构建点云的离散几何模型,对高维数据进行降维,达到高精度构建地物信息。应用法线估计法,计算邻域法线的各项异性的相似度,判断相邻网格是否属于一个平面,结合区域增长法构建规则地物的几何模型;采用自组织神经网络法对点云数据进行处理,利用自由曲面描述地物,以长春师范大学校园为例,实现了Li DAR点云数据的地物几何信息提取与制图。     

基于Retinex算法的数字航空影像色彩校正研究

针对轻小型无人机数字航空影像的色彩校正问题,笔者采用先匀光,后校正,将原始影像分块,每一块影像都对R、G、B三个通道进行处理,分别在不匀光、Mask匀光、Wallis匀光和Retinex匀光下,基于近距离拍摄的参考影像进行色彩校正,最后合并3个通道及所有分块,消除拼接缝.通过定性分析与定量分析的方法,对比不匀光及3种匀...     

利用二维多级中值滤波去除遥感图像随机噪声

遥感数据在采集、传输和处理过程中会产生各种噪声,为了滤除这些噪声同时增强图像的有用信息,针对遥感图像的随机噪声和坏线问题,采用二维多级中值滤波方法进行图像处理。对遥感图像随机噪声和坏线进行不同大小窗口的二维多级中值滤波进行处理,通过相关系数的计算,得出了窗口模板大小和随机噪声之间的关系。     

模糊综合评判方法在大坝变形分析与预报中的应用

提出应用模糊综合评判方法进行大坝的变形分析与预报,阐述基本原理,并应用该方法对西津大坝27#点的观测资料进行分析整理,通过建立相应的隶属函数,对此点的30期观测资料进行了预报,成功率达73%,说明该方法在大坝变形观测数据处理中具有一定的实效性.     

PanSharpening自动融合算法及应用研究

如何将各种不同传感器获得的遥感数据结合起来,通过图像融合来提高图像的信息量,从中挖掘更深层次的信息,以更充分地识别和解译有关专题信息,受到国内外科研工作者的重视,研究了超分辨率贝叶斯方法--PanSharpening方法,该方法利用全波段增强多光谱遥感影像,合并传感器特性模拟了全波段和多波段影像的观测过程.这种方法使全波段数据与多光谱波段数据自动对齐,成功地保留了光谱信息,同时增加了空间分辨率,丰富了地面信息.以IKONOS全波段和多波段影像为例进行了深入的探讨.并对自动融合的结果进行了定性和定量分析.     

基于谱聚类算法的三维激光点云数据分类研究

基于Z+F IMAGER 5010C扫描仪采集实验区点云数据,经栅格处理后,结合纹理和形状等信息,采用谱聚类算法对其进行分类,利用混淆矩阵中的Kappa系数对分类结果进行精度评价。通过与传统的K-means算法和高斯混合模型的分类结果进行对比,结果表明:谱聚类算法的分类效果明显,且分类精度较高,且加入纹理和形状信息的分类精度会高于仅含反射强度信息的分类精度,其总体分类精度达到81.36%,Kappa系数达到0.713 8。