中波红外图像模拟生成技术研究

基于中波红外图像获取困难的现状,利用高分辨率可见光图像,分别提出基于近似模型和辐射传输模型的中波红外图像模拟方法。在近似模型中,对可见光图像分类,结合不同地物的发射/反射特性,建立起待模拟中波红外图像与源图像之间的灰度映射关系;在辐射传输模型中计算出地面的辐射亮度值,并利用MODTRAN4进行大气改正;利用这两种方法,得到了不同条件下的模拟图像,并给予初步的评价。模拟结果表明,两种方法均能反映出中红外波段下不同地物的相应特征,并在制导等军事应用中有一定的价值。     

图像融合对图像中信号频率影响的研究

图像融合是图像处理的重要步骤之一,本文分析了多种图像融合方法,根据高采样率奈奎斯特频率、低采样率奈奎斯特频率和信号频率三者之间的关系,对图像融合前后信号频率的变化进行了研究,试验结果表明图像融合对低采样率图像的识别能力有一定的提升。     

利用规则进行高分辨率遥感影像地物提取

针对高分辨率遥感影像中地物的复杂性和多变性带来的地物提取难点,提出了一种基于多层次规则的面向对象的典型地物提取方法。改进了基于区域增长的影像分割方法,利用小区域内的全局最优策略进行初始增长,避开了种子点的选择。利用影像分割得到的影像对象作为地物提取的基元,针对影像上典型地物选择提取特征,利用多层次的提取规则进行地物提取,总的提取精度达到87.1%。     

重复观测条件下线阵卫星影像直接定位

考虑卫星影像重复观测性, 利用已精确定向影像增加多余观测, 通过与新获取影像联合平差实现了无控制点影像直接定位。针对线阵光学影像逐行推扫成像的特点, 内插新获取影像姿态轨道值, 推导与已定向影像直接联合定位的数学模型, 并给出了各类观测值权的确定方法。最后通过试验验证了无控制点情况下进行已精确定向影像与新影像联合平差是可行的;结果表明要达到无控制点高精度定位目的,应尽量选择与新影像间重叠度高、分辨率高的已定向影像。为对地观测数据的实时化处理提供了思路。     

无地面控制点的车载激光扫描系统外标定方法

车载激光扫描技术能够高效率、高精度、低成本地获取城市三维地理数据,是最先进的三维地理数据获取手段之一。车载激光扫描系统的精确外标定是获取高精度车载激光点云的前提;通常采用建立三维控制场的方法对车载激光扫描仪进行外标定,该方法灵活性差,且需要耗费大量人力物力建立三维控制场。针对此,提出一种无需地面控制点的车载激光扫描系统外标定模型及参数解算方法,该方法利用车载激光扫描系统对同一地物多次扫描的激光点云需重合作为约束条件,使用LM(Levenberg-Marguardt)最优化算法解算标定参数,使用该方法对车载激光扫描系统进行了外标定,并用实测控制点验证了标定后系统的定位精度。     

车载LiDAR海量点云数据管理与可视化研究

为了支持车载移动激光扫描点云数据的高效管理与快速可视化,提出了一种适用于车载海量点云的数据组织方法。该方法将原始点云数据分段后生成轨迹信息用于快速索引,分别对每段数据建立基于八叉树结构的LOD（levels of detail）索引,并采用多线程动态调度技术实现基于视点的海量点云渲染与漫游,显著提高了车载点云数据的调度效率。实验结果证明该点云数据组织方法是一种适合车载点云数据的高效管理方法。     

轻小型无人机遥感及其行业应用进展

无人机是低空领域准确、灵活、高效获取多种类型高分辨率遥感数据的重要载体,无人机遥感技术在行业应用创新和管理部门科学决策之间构筑起信息沟通的关键桥梁。随着科技的进步、大数据时代的来临,无人机遥感系统的硬件设备、信息提取方法都取得了飞速的发展;同时其在国民经济主要行业领域的应用也面临着前所未有的机遇和挑战。论文首先介绍了无人机遥感系统的硬件研发进展,并指出轻小型、高精度、标准化与集成化是未来无人机遥感系统发展的总体趋势。其次,详细介绍了目前轻小型无人机遥感应用在农业、林草业、电力、测绘、大气探测和地质灾害等行业的应用现状,指出实现无人机多源遥感数据获取、融合、分析和提取的综合平台是未来轻小型无人机在民用领域行业应用创新的关键所在。最后,针对载荷与飞行平台的一体化集成应用、无人机组网作业、海量数据管理和信息自动化提取等发展趋势提出了几点思考。轻小型无人机遥感在国民经济各行业应用的普及化和标准化,将有助于国家和区域社会经济的健康发展。     

利用网络图进行高分辨率航空多视影像密集匹配

提出了一种基于网络图的高分辨率航空多视影像密集匹配算法。首先利用影像间的重叠关系和方向确定候选立体像对并构建网络图;在立体像对密集匹配阶段,引入导向中值滤波采用由粗到精的改进半全局匹配(SGM)算法进行双向视差图生成;最后基于所有立体像对构建的网络图完成多视影像间的密集点云生成及融合。试验选取了ISPRS的Vaihingen航空影像和ISPRS/EuroSDR项目的苏黎世倾斜下视影像进行试验,结果表明:本文算法对高分辨率多视影像密集匹配是有效可行的,无论在匹配完整性、效率、精度上都能获取较好的结果,重建的密集点云平均反投影误差的中误差可以达到亚像素级精度,实际精度可以达到1.5倍GSD,并且在建筑物、植被、水体等视差不连续、弱纹理或重复纹理区域也取得了较好的匹配结果。     

语义网络模型的遥感影像面向对象分类

针对目前遥感影像面向对象分类中分类模型构建方法的不足之处,文章提出了一种语义网络模型与混合控制策略相结合的方法:从地理空间认知角度出发,分析遥感影像多尺度语义结构,利用C4.5决策树进行特征选择与语义网络模型构建,采用自上而下以及自下而上的混合控制策略,实现了语义网络模型的验证及面向对象分类。实验结果表明,该方法能够自动进行特征优选与分类模型的自动构建,能够为地表覆盖分类提供知识型分类模型与方法,为类似区域、类似数据、相近时间的影像解译提供参考。     

移动机器人SLAM位姿估计的改进四元数无迹卡尔曼滤波EI北大核心CSCD

在全自主运动控制的移动机器人系统中,自身位姿的估计和校正对于移动机器人的运动至关重要。卡尔曼滤波是解决移动机器人同步定位与地图构建(SLAM)常用方法。相较于卡尔曼滤波,无迹卡尔曼滤波(UKF)无须对复杂的非线性函数进行雅可比矩阵运算。本文基于无迹卡尔曼滤波,根据先验协方差的平方根选择sigma点,计算协方差以及加权均值。用四元数表示姿态,将四元数矢量转换为旋转空间进行矩阵运算,在此基础上设计了一种位姿估计算法——基于四元数平方根的无迹卡尔曼滤波(QSR-UKF)算法。试验将EKF、QSR-UKF、SR-UKFEKF 3种算法的位姿估计结果进行仿真分析,并通过相关定量指标进行了描述,验证了本文算法的有效性。