点、线符号相关处理的代数方法

本文阐述了采用地图代数的理论自动地处理各类地学信息系统编绘地图中点、线符号相关问题的技术方法——交会运算。     

Vening—Meinesz公式的球面卷积形式

过去利用快速Fourier变换（FFT）或快速Hartley变换（FHT）技术计算垂线偏差是假设地球是一个平面。在此基础上导出的Vening-Meinesz公式平面卷积形式虽然在一定精度范围内可以满足要求，但会产生较大的近似误差。然而，Vening-Meinesz公式同样可以发展为由FHT技术计算的二维球面卷积公式。数值计算表明：在Δ(?)=10°，Δλ=13°（5′×5′平均重力异常）范围内，Vening-Meinesz球面卷积公式的计算结果与数值积分结果的均方差m_ξ=±0.03秒、m_η=±0.02秒，比平面卷积公式的计算结果与数值积分结果的均方差m_ξ=±0.14秒、m_η=±0.30秒有显著提高。     

地理空间信息元数据模型

元数据是关于数据的数据,是实现数据高效组织、管理、维护、快速检索、访问、存取的核心和关键技术之一.通过对元数据特点和本质的分析,提出并定义严格的元数据模式概念以及基于元数据模式的5种基本运算,同时分析和指出常见的元数据操作与这些基本运算的可化解性.     

基于卷积反投影法重建康普顿背散射扫描图像

本文主要介绍了如何运用卷积反投影算法重建康普顿背散扫描图像，该技术具有成像速度快、图像分辨率高，数据修正简单的特点。     

PC-1500 TBASIC语言扩展系统

PC-1500TBASIC语言是对驻机ROMBASIC语言的扩充，在不增加硬件的情况下，新增了矩阵运算、自定义函数、极坐标与直角坐标互换以及BASIC文本文件管理操作等三寸余项命令与功能，从而方便了用户编程，提高了运算速度，增强了PC--1500机的功能。     

一维边缘检测算子的递归算法

本文对边缘检测理论和算法作了理论和实验方面的深入研究，选用Ｄｅｒｉｃｈｅ依据Ｃａｎｎｙ设计思想导出的边缘检测算子，证明了递归算法代数卷积算法实现边缘检测的基本原理，导出了几种算子逆归算法的实用公式，实验证明递归算法比卷积算法实现边缘提取在速度方面有着明显的提高，为一维影匹配中数字影像特征提取提供了快速而实用的边缘检测方法。     

高光谱影像分类的深度少样例学习方法

针对高光谱影像分类面临的小样本问题,提出了一种深度少样例学习算法,该算法在训练过程中通过模拟小样本分类的情况来训练深度三维卷积神经网络提取特征,其提取得到的特征具有较小类内间距和较大的类间间距,更适合小样本分类问题,且能用于不同的高光谱数据,具有更好的泛化能力。利用训练好的模型提取目标数据集的特征,然后结合最近邻分类器和支持向量机分类器进行监督分类。利用Pavia大学、Indian Pines和Salinas 3组高光谱影像数据进行分类试验,试验结果表明,该算法能够在训练样本较少的情况下（每类地物仅选取5个标记样本作为训练样本）取得优于传统半监督分类方法的分类精度。     

Investigation of Image Fusion Between High—Resolution Image and Multi—Spectral Image

On the basis of a thorough understanding of the physical characteristics of remote sensing image,this paper employs the theories of wavelet transform and signal sampling to develop a new image fusion algorithm.The algorithm has been successfully applied to the image fusion of SPOT PAN and TM of Guangdong province, China The experimental results show that a perfect image fusion can be built up by using the image analytical solution and reconstruction in the image frequency domain based on the physical characteristics of the image formation.The method has demonstrated that the results of the image fusion do not change spectral characteristics of the original image.