面向户外增强现实的地理实体目标检测

本文研究了多种计算机视觉领域中用于图像分类和目标检测的卷积神经网络模型,在一种目标检测模型的基础上进行了修改,并结合了残差神经网络结构,旨在解决户外增强现实中地理实体目标检测的问题。我们根据这一模型开发了一款户外增强现实原型系统,通过将训练好的模型作为目标检测引擎,达到了较好的近实时性和准确性。     

改进的基于视觉认知特征的植被识别方法

在高分辨率遥感图像中,可以在没有任何先验知识的前提下,仅采用待处理图像本身的色调特征,基于植被视觉认知特征,高精度地提取出植被区域.为了提高该方法在色调较暗图像中的提取精度,在简要阐述该方法原理的基础上,针对该方法在色调较暗图像中容易发生非植被区域误判、植被信息提取精度不高的不足,对其进行了技术改进——将植被指数(NDVI)法加入到该方法中,并在检测植被区域轮廓前进行一次数学形态学闭运算.改进后的方法可以很好地去除非植被区域的误判,使其在色调偏暗的图像中也具有一定的提取精度,扩展了该方法的适用范围.     

基于SIFT特征配准的多帧迭代盲解卷积算法

在未配准的情况下,多帧图像解卷积算法不能发挥其利用多帧图像信息互补的优势,针对这种情况,本文将基于SIFT特征配准的算法引入多帧图像解卷积算法中,这一做法克服了各帧影像之间相同位置不同细节像素之间的影响,有效地提高了复原图像的质量。实际观测数据的复原结果证明了本文思想的正确性,配准后图像的复原结果更加清晰,且体现出观测目标更多的细节信息。     

梯形面片数据模型及其空间运算应用

提出一种新的基于梯形面片的空间运算方法,该方法将多边形要素预先分解成一系列的梯形面片,后续的空间运算将不再基于原始多边形要素进行操作,而是对分解产生的梯形面片进行更为简便的计算处理。梯形面片模型结合了常见矢量数据模型数据精度高、栅格数据模型运算简单等优点,在执行相关空间运算中与常见矢量和栅格模型相比具有优势。详述了该数据模型,并以点面包含分析和多边形叠置分析等实例探讨了其在空间运算中的应用,测试与分析表明该方法兼具数据精度高、算法实现简单等优点,能较有效地提高空间运算的执行效率。     

一种改进的基于非高斯性最大化的预测反褶积算法

The predictive deconvolution algorithm （PD）, which is based on second-order statistics, assumes that the primaries and the multiples are implicitly orthogonal. However, the seismic data usually do not satisfy this assumption in practice. Since the seismic data （primaries and multiples） have a non-Gaussian distribution, in this paper we present an improved predictive deconvolution algorithm （IPD） by maximizing the non-Gaussianity of the recovered primaries. Applications of the IPD method on synthetic and real seismic datasets show that the proposed method obtains promising results.     

结合注意力机制的卫星遥感影像立体匹配

采用立体匹配技术对多视卫星遥感影像进行三维场景重建一直是摄影测量与遥感领域的核心问题。基于卷积神经网络的深度学习方法极大地促进了立体匹配技术的发展,然而其中涉及匹配困难和误匹配问题的相关研究仍然不足。为了提升卫星遥感影像不适定区域中视差估计的精度,本研究提出了一种结合注意力机制的立体匹配深度学习网络,在特征提取模块中加入注意力机制,分别从通道和空间两个维度捕获全局信息,对特征进行优化;在代价体的构建模块中构建新的代价体积,并重新设置视差的回归范围。为了验证本文方法的有效性,在US3D、WHU-Stereo两个数据集上分别与已有方法 Stereo-Net、PSM-Net进行了比较分析。结果表明,本文方法在EPE(endpointerror)和D₁两个指标上均能达到最优,取得了较好的性能,提高了立体匹配的精度,尤其在无纹理、重复纹理、遮挡及视差不连续区域表现出良好的鲁棒性。     

一种顾及属性的游程编码“交”运算方法与实验

考虑到基于直接编码的栅格数据在计算效率和存储能力上的不足,提出一种便于代数操作的游程编码数据结构,以优化基于直接编码栅格数据的代数运算.介绍了基于该数据结构的游程"交"运算的实现方法,并在算法实现过程中完成游程属性的各种代数运算.算法实现思路为:将栅格场中任一行游程集合以链表的形式存储,将欲执行代数运算的新游程单元与对应栅格行游程集合执行游程"交"运算,并在插入删除游程结点的过程中完成属性值的代数运算.该算法通用性较强,在数据精度及计算效率方面比直接栅格编码方法具有优势.     

数学形态学在居民地街区合并中的应用

通过对数学形态学相关算法的研究分析,结合地图上居民地街区合并的特点,提出了用数学形态学中图像闭运算的算法进行居民地街区自动合并的方法,为地图上街区式居民地的合并综合,提供了一种新的方法.     

卷积神经网络在近岸表层海温预报中的应用

针对数值预报和人工经验预报在近岸定点表层海温(sea surface temperature, SST)预报中预报准确度不高,将近岸台站定点SST预报转换为多元时间序列预测任务,应用卷积神经网络(convolutional neural networks, CNN)构建近岸台站定点SST时间序列变化模型,对近岸台站每日最高海温、最低海温、平均海温进行预报,并与人工经验方法和长短期记忆网络(long short-termmemory,LSTM)方法进行对比试验。结果显示,在测试数据中相比人工经验预报,CNN方法全年日最高海温预报平均绝对误差(mean absolute error, MAE)为0.36℃,平均下降0.14℃,均方根误差(root mean squared error, RMSE)为0.49℃,平均下降0.21℃,日最低海温预报MAE为0.36℃,平均下降0.17℃, RMSE为0.63℃,平均下降0.24℃,日平均海温预报MAE为0.30℃, RMSE为0.47℃,预报性能和LSTM模型预报性能相当。研究表明CNN应用于近岸SST预报具有可行性,能够有效地提高SST预报准...     

符号计算系统及其在测绘中的应用--以子午线弧长反解为例*

简要介绍了Mathematica及其它符号运算系统,并结合子午线弧长反解讨论了Mathematica在测绘中的潜在应用前景.