基于直线间几何属性特征相似性约束的组直线匹配算法

当影像中存在多个相同或相近的直线特征时,仅利用单直线特征间的相似性进行匹配容易导致算法失效,因此本文提出基于直线间几何属性特征相似性约束的组直线匹配算法。该算法利用直线间的拓扑关系分别对2幅影像上提取的直线进行编组得到特征直线组,并将其作为匹配基元;然后利用核线约束确定候选同名直线组的搜索范围,精简了候选直线组的数量;依据直线间几何属性特征向量的仿射不变性建立直线组的匹配关系,将仿射不变量交比作为基础几何不变性测度,并延伸设计仿射相似度参数,计算出目标直线组与每个候选直线组的仿射相似度或一般相似度,确定2种相似度下总体相似度值最大的特征直线组为其同名直线组,最后将同名直线组分裂为2对同名单直线,对分裂后的结果进行整合可以显著降低冗余匹配,得到“一对一”的匹配单直线。为了验证算法的可靠性,实验选取网上公开的5组典型近景影像进行测试,通过与其他匹配算法的对比分析,结果表明该算法应对影像间存在的视角、旋转和尺度变换等复杂条件均取得了较高的匹配精度,匹配正确率最高有14.5%的提升,且阈值的选择对匹配结果影响微弱,验证了基于直线间几何属性特征相似性约束的组直线算法鲁棒性和匹配稳定性较强。     

国家自然科学基金大气科学学科二级申请代码下设研究方向与关键词解读：D0503古气候模拟与动力学

为了深入推进新时代自然科学基金改革,2019年大气科学学科率先对2008年版的申请代码进行了优化调整,形成了“分支学科”“支撑技术”和“发展领域”三大有序板块。特别是,2020年新版申请代码设置了“古气候模拟与动力学（D0503）”,实现了大气科学从“分钟、小时直至地史”时间尺度的全覆盖。本文从D0503代码的增设背景、学科内涵、研究方向、关键词、未来发展等方面进行解读和展望,并对近三年该代码下“面青地”项目的申请和资助情况进行了分析。希望本文能够帮助科研人员充分理解D0503研究方向与关键词的内涵和逻辑关系,及时把握该代码的发展趋势,服务古气候研究方向的基金项目申请和评审。     

国家自然科学基金大气科学学科二级申请代码下设研究方向与关键词解读:D0505大气物理学

根据新时代科学基金改革要求,2020年国家自然科学基金委员会调整了大气科学学科申请代码,D0505大气物理学是分支学科板块中的二级申请代码之一。本文介绍了D0505大气物理学二级申请代码的总体框架和下设的边界层大气物理学与大气湍流、云降水物理学、气溶胶物理及气溶胶—云相互作用、大气光学与大气辐射、大气电学与大气声学和中高层大气物理学等6个研究方向及其关键词,指出D0505与其他相关二级申请代码的异同,并统计分析了近5年（2017～2021年）科睿唯安Web of Science数据库上不同方向关键词对应的文献发表情况,探讨了不同研究方向的发展态势。通过系统梳理研究方向及关键词,有助于科研人员在项目申请过程中准确的选择申请代码、研究方向和关键词,提升智能辅助指派效率。     

国家自然科学基金大气科学学科二级申请代码下设研究方向与关键词解读:D0508行星大气

近年来,国家自然科学基金委员会地球科学部地球科学五处（大气科学学科）调整了基金申请代码,优化了学科布局。其中,一个重要改变是新增了二级申请代码D0508行星大气。本文就这一申请代码下的3个研究方向和24个关键词的设置进行解读,说明其设置的具体缘由和相关联系。通过本文的介绍,基金申请人可以更好地了解这些研究方向与关键词的设置逻辑,为基金申请过程中更为准确地选择研究方向与关键词提供借鉴。新增该申请代码的主要目的是促进我国行星大气研究,壮大我国行星大气科学研究队伍,不断推进我国大气科学的发展。     

国家自然科学基金大气科学学科二级申请代码下设研究方向与关键词解读：D0504大气动力学

2019年以来,大气学科作为试点率先开展了国家自然科学基金委员会推动的项目分类评审改革和学科资助布局优化,通过战略研究与研讨形成了以“分支学科”“支撑技术”和“发展领域”三大类、共15个二级申请代码为主要架构的学科资助体系,并对各二级申请代码的下设研究方向和关键词进行了系统梳理和分析,经过三年实施和不断优化形成了当前的版本。“D0504大气动力学”二级申请代码在此次改革中的名称保持不变,但内涵和范畴有一定变化,主要表现为随着学科的进步,传统“动力学”与“物理过程”之间的界限正在变得模糊且发生变化,大气动力学的内涵也相应地扩展到许多以往被认为是“物理过程”的领域;同时,大气动力学的研究范畴也正从单纯的研究大气自身的动力学问题扩展到研究大气与其他圈层相互作用中的动学问题,其研究手段也从以实验研究、理论分析和简化模型模拟为主转向实验研究、事实分析、理论分析和不同复杂程度模型模拟的紧密结合。为了服务基金项目申请和评审,推动学科进一步发展,本文针对调整后的“D0504大气动力学”二级申请代码,对其含义、范畴、研究方向和关键词的设置逻辑等进行解读说明,并对2020～2022年申请书中的关键词使用情...     

基于车载LiDAR点云的地物分类方法的研究

基于点云分类常用的近邻聚类法和物体表面分割等方法,本文提出了一种基于最大网格密度的近邻聚类的方法。该方法首先对原始点云进行低点提取,设置格网的大小,在此基础上对点云数据进行去噪并进行主成分分析,再对点云空间进行均匀格网化,使具有最大密度的格网为聚类中心,加入高程、强度以及法向量等特征对分割后的点云实现了不同地物的分类,提高了运算效率,降低了错分率。     

基于GF-1遥感数据的城市水体信息提取方法研究

水体信息的高精度提取是水资源监测、调查与管理等研究领域的关键问题。本文选取国产GF-1卫星影像作为数据源,根据影像中典型地物光谱特征采用归一化水体指数法(NDWI)、多波段谱间关系法对研究区进行了水体提取,并通过结果分析提出了基于主成分分析与多尺度分割技术的综合水体信息提取方法。对以上4种方法进行对比分析,验证结果表明:归一化水体指数法易受阴影信息影响;改进的多波段谱间关系法能较为完整地提取水体信息,但受小范围阴影信息影响;主成分分析综合法总体精度较高;多尺度分割提取法能有效地分离水体信息与非水体信息,水体信息提取的效果最佳。     

eCognition在土地动态监测中的应用

基于eCognition的多尺度影像分割与识别技术,进行了土地变化监测研究。首先选取同一区域不同时相的两幅影像,通过实验确定适宜变化监测的尺度参数、形状参数和紧致度参数,然后进行影像分割,最后进行各类地物信息提取,探测不同时相同一地物的不同形态,进而发现地类图斑变化。实验表明,基于eCognition,可以分析出地类图斑的细致变化,完成土地动态监测。通过对比实测数据,基于eCognition的地类图斑点识别精度合格率在90%以上,不失为一种高精度土地动态监测新方法,同时也为土地变化信息监测提供了一种经济、科学的技术方案。     

SAR图像河流分割的加权指数区域能量模型

传统主动轮廓模型很难实现精确的SAR图像河流分割。针对这一问题,本文提出了一种加权指数区域能量主动轮廓模型,以精确地提取SAR图像中的河流。该模型在Chan-Vese(CV)模型能量泛函中引入了指数区域能量,能更好地衡量分割图像和原始图像的差异程度,提高模型的分割准确性。此外,利用目标区域和背景区域内像素灰度的最大绝对差取代模型中常值区域能量权重,自适应地调节目标区域和背景区域的能量比重,加速曲线运动到目标区域的边缘,获得更高的分割效率。针对实际河流SAR图像进行了分割试验,结果表明:与传统主动轮廓模型相比,本文提出的模型能更快速、精确地分割SAR图像中的河流,在分割结果和分割效率两方面具有优势。     

半自动机载LiDAR点云建筑物三维重建方法

针对全自动建筑物3D重建存在需要后续人工检验,且发现重建错误需要花费额外时间修改的问题,提出了一种半自动的面向对象的机载LiDAR点云建筑物3D重建方法。基于建筑物类别点云的联通分析和平面生长分割结果,提出了自动的建筑物栋数检测、单栋建筑物外轮廓提取、单栋建筑物内部结构线提取方法;同时,在计算机无法完成部分工作时,人工辅助计算机完成高程阶越线提取、识别建筑物屋顶附属物点云等工作。实验证明,该方法可以适用于高密度机载LiDAR点云数据中城区大部分建筑物的3D模型重建。