高分辨率遥感影像的精纠正

论述了对高分辨率遥感影像进行精纠正获得正射影像的关键技术。若干实际不同分辨率的高分辨率遥感影像被用于相应的实验，实例证明了本文算法的正确性。     

基于物方影像匹配和概率松弛的断面自动提取

提出了基于物方影像匹配的断面提取,为了提高匹配的可靠性,引入了概率松弛法,最终获得了高精度的断面.     

2001年11月14日青藏可可西里（昆仑山）地震：破裂穿过大的张性阶跃带（二）

3 体波反演：滑动分布 在本节，我们基于点源结果和观测的地表破裂几何形状研制了可可西里地震的滑动分布模型。类似于其他的研究（如Wald and Heaton，1994；Kaverina et al，2002：An—tolik and Dreger，2003），我们使用有限断层方法对远震P波的子集进行反演。     

地球表状与大小的三次争论

“地圆”还是“地方” 古代人的活动范围有限，即使站在山顶上，也只能看到地球表面很小的一部分。对古人来说，地球的形状和大小是一个谜。古人凭借直观感觉推理，对地球的形状曾有许多猜测。我国古代有地方和地圆两种观点，最早出现的天圆地方的“盖天说”，后来修改的“盖天说”认为，天穹像一个倒扣着的斗笠，大地像一个倒扣的大盘子；后来又提出大地是一个整体球形的“浑天说”。在古希腊也是如此，存在“地圆”与“地方”之争。     

基于光谱角匹配算法的水体信息提取研究

针对水体信息提取时,传统算法不能较好地解决山体阴影被误提为水体的问题,引入多用于高光谱数据处理的光谱角匹配算法,以Land-sat8 OLI(band1-band7)为数据源,以黄河小浪底水库周边区域为实验区,开展水体信息提取研究,结果显示:水体指数法和波段关系提取的结果中有大量的山体阴影信息,提取精度不超过30%,而光谱角匹配法提取结果受阴影的影响较小,提取精度在99%以上。     

TRMM星载测雨雷达和地基雷达反射率因子数据的三维融合

TRMM卫星上的测雨雷达(TRMMPR)探测资料分布均匀且具有很高的垂直分辨率,但灵敏度较低;地基雷达(GR)水平分辨率较高且具有较高的灵敏度,但其垂直分辨率低。通过将TRMM PR与GR反射率因子数据的三维数据融合,得到了更优的反射率因子图像。测雨雷达与地基雷达三维数据融合主要分为以下几步:测雨雷达与地基雷达数据预处理——如去杂波、衰减校正;测雨雷达与地基雷达时空匹配;选取和应用合适的三维图像融合算法;对融合后的图像进行效果评估。试验结果表明:融合后的图像不仅增大了信息量,更好地检测弱降水,还提高了空间三维(3D)分辨率,能更好地反映降水区域细节,且使得数据总体上具有更高的完整性和可靠性。此外,还将基于雷达资料估测的降水数据与地面雨量计数据进行对比,估计反射率因子数据融合在降水测量上的有效性。      

执行器退化的遥机器人系统量化反馈容错控制

针对遥机器人系统中存在执行器退化、控制输入量化,且编、解码端的量化灵敏度参数不匹配的问题,设计了遥机器人系统的鲁棒量化反馈容错控制系统.控制器结构的线性部分由线性矩阵不等式给出,旨在解决系统指标性能问题,非线性部分则用于处理量化参数不匹配问题.经稳定性理论证明,提出的鲁棒量化反馈容错控制方法能消除执行器退化及量化参数不匹配等的影响,并确保从机器人能渐近跟踪主机器人.最后,算例仿真验证了方法的有效性.     

金塔绿洲农田下垫面温湿度的非相似性分析北大核心CSCD

利用2005年金塔绿洲的湍流资料分析了金塔绿洲农田下垫面上温度和湿度的非相似性。结果表明,低层风速较小和高层风速介于2~4m·s^(-1)时,温度和湿度标量的相似性较大,且温湿度的相似性随稳定度向近中性条件偏移而减小;R_(Tq)(n)和λ_((n))分别在频率域10^(-2)相似文献   

SAR影像与光学影像的高斯伽玛型边缘强度特征匹配法

提出了一种基于影像边缘强度图描述的SAR影像与光学影像匹配方法。首先对影像进行粗纠正,消除影像之间的尺度和旋转变化;其次,改进相位一致性特征检测方法,提取对影像相干斑噪声稳健的特征点;然后基于高斯伽玛型双边窗口比值算子计算影像边缘强度图,在此基础上构造不变特征描述符;最后联合几何约束条件,实现SAR影像与光学影像匹配。试验结果证明,与现有方法相比,本文方法能够大幅提高SAR影像与光学影像匹配结果中的正确匹配特征数量以及影像配准精度。     

历史数据和强化学习相结合的低频轨迹数据匹配算法

针对低频(采样间隔大于1min)轨迹数据匹配算法精度不高的问题,提出了一种基于强化学习和历史轨迹的匹配算法HMDP-Q,首先通过增量匹配算法提取历史路径作为历史参考经验库;根据历史参考经验库、最短路径和可达性筛选候选路径集;再将地图匹配过程建模成马尔科夫决策过程,利用轨迹点偏离道路距离和历史轨迹构建回报函数;然后借助强化学习算法求解马尔科夫决策过程的最大回报值,即轨迹与道路的最优匹配结果;最后应用某市浮动车轨迹数据进行试验。结果表明:本文算法能有效提高轨迹数据与道路匹配精度;本算法在1min低频采样间隔下轨迹匹配准确率达到了89.2%;采样频率为16min时,该算法匹配精度也能达到61.4%;与IVVM算法相比,HMDP-Q算法匹配精度和求解效率均优于IVVM算法,16min采样频率时本文算法轨迹匹配精度提高了26%。