重塑压实黏土Ⅰ型断裂试验研究

为探究重塑黏土Ⅰ型断裂韧度,本文在前人研究基础上,通过对应变控制式直剪仪进行改造,消除了传统三点弯曲试验对土体断裂韧度测试所带来的影响,研制了土体Ⅰ型断裂韧度测试仪,并对重塑黏土进行了一系列试验。试验结果表明:新研制出的土体Ⅰ型断裂韧度测试仪具有较好的可靠性;对具有相同物理状态的试样,U 形裂纹试样的断裂韧度最大,三角形裂纹试样的断裂韧度最小;试样的含水率和干密度其断裂韧度KIC具有显著影响,随含水率增加,断裂韧度呈现先增后减的变化规律,而随干密度增加,断裂韧度几乎线性增加;在试验采用的加载速率范围内,加载速率对断裂韧度的影响较小。     

基于改进K-SVD字典学习方法的地震数据去噪

为实现更好的地震数据去噪技术,笔者引入一种新的算法:快速迭代收缩阀值法(FISTA),通过FISTA和K-奇异值分解(K-SVD)不断迭代更新K-SVD字典,利用更新得到的K-SVD字典对地震数据进行稀疏表示,去除稀疏系数中较小的数值,使数据中的随机噪声得到压制。对层状模型合成地震记录,Marmousi模型合成地震记录以及实际地震数据进行对比实验,得出FISTA算法较OMP算法能更好地提高地震数据的信噪比,同时有效地保护了反射信号。     

一种适用于多源道路网自动匹配的通用算法

多源数据匹配是数据转换、更新与融合的关键技术。随着GIS技术的发展以及地理信息空间数据不断增大,多源空间数据的匹配与融合成为目前GIS领域面临的重要问题。本文对多源道路网的匹配算法进行了研究,并在传统算法的基础上创建了一种可适用于多源道路网自动匹配的通用算法。该算法能够更加便捷和高效地利用道路间的拓扑特征与上下文信息关系,从而极大地提高了匹配运算的成功率和准确度。大量的数据测试表明该算法同时具有成功率高、准确度高以及通用性强等多项优点。     

基于DEM匹配的滑坡检测

基于不同时期DEM数据检测地表变形是进行滑坡、泥石流等地质灾害检测的有效手段,DEM匹配是关键,两个变形地表的模型曲面特征对应关系确立是难点。针对高山地区DEM匹配问题,提出了一种新颖且稳健的基于等高线和最小二乘曲面匹配相结合的方法。该方法首先利用等高线的形状检测地形没有变化的山顶区域,提取位置不变的山头点作为控制点,能够提供足够好的转换参数初始值;其次采用最小二乘曲面匹配技术实现最优匹配。试验结果表明所提方法不受DEM粗差、数据异常以及地形变形的影响,具有很强的抗噪特性,可以在复杂地形条件下检测出稳定不变的控制点,取得较好地配准效果,最终在高程差异图上检测出明显的滑坡区域。     

改进粒子滤波器的室内地磁匹配精度研究

针对粒子滤波算法在室内地磁分布的连续性变化中会发生滤波发散,加之算法中重采样步骤使该现象恶化,直接导致室内定位过程中目标丢失的问题。该文受Hausdorff距离度量法中点集匹配思想的启发,提出了一种利用初定位误差作为最大粒子匹配距离的约束思想,通过缩小匹配空间的区域范围的方法来解决传统算法的发散问题。最后实验表明,此方法解决了粒子滤波器在地磁匹配中出现的滤波发散现象,同时使得定位结果更加快速收敛。     

基于特征点引导的多视影像择优匹配方法

从冗余数据中选择一个或者多个最为显著的立体像对,在最少“伪信息”的影响下,获取最佳影像匹配效果,降低其它质量较差影像的负面平均效应,是提高多视影像匹配性能的关键。基于准确匹配的特征点,通过匹配测度的鲁棒性分析,提出一种多视影像的匹配质量分析方法;在此基础上,提出了一种基于特征点引导的多视影像择优匹配方法及基本思想、计算基础和择优匹配步骤。利用ADS40多度重叠影像数据进行了择优匹配实验。结果表明,该方法能够有效选取匹配质量较优的影像,获取更加准确的多视匹配结果,在一定程度上,比传统的多视匹配方法更加有效。     

利用松弛标记法进行空间场景匹配

相似性度量是地理学中的关键组成部分,被广泛应用于空间检索、空间信息整合及空间数据挖掘中。因为空间场景中实体个数的差异及空间对象间的关系难以精确相等,若执行空间场景的完全精确匹配,可能会使得检索结果为空。顾及尺度差异,从空间场景中进行空间语义理解,建立了多尺度空间场景的形式化描述模型,并提取场景中稳定的特征构建空间场景特征矩阵。建立场景间的初始匹配概率矩阵后,基于松弛标记法迭代更新概率矩阵,直到矩阵收敛于一全局最小值并确定匹配的实体对,从而进行空间场景相似性评估。采用武汉居民地域数据进行场景匹配实验,并对不同邻域搜索半径下的匹配时间及精确度进行对比与分析,实验结果表明,基于松弛标记法的空间场景匹配方法具有较高的精确度。     

城市公交乘客下车站点推算方法和有效性评价

特大型城市的公交车上普遍安装了自动售票（auto fare collection,AFC）系统和车载GPS导航定位设备,记录了乘客出行与行车轨迹、时间等数据,连续运行的公交车和众多的出行乘客形成了城市公共交通运行和出行大数据。如何高效、准确地从公交大数据中识别公交乘客下车站点,对于提高交通运行效率、科学布局组织交通具有重要的意义和作用。基于深圳市公交车AFC和GPS数据,利用时间匹配和基于带噪声空间密度聚类的方法判别上车站点;在仅有的公交数据基础上,通过分析乘客出行行为,根据乘客多天的出行以及各站点的上车频率,利用乘客高频站点和下游站点吸引权,提出一种推算方法,实现乘客下车站点的推断。算法模型的检验和实例分析表明该方法的有效性。     

自适应阈值定权最小二乘3D匹配算法

针对点云精配准中最小二乘3D算法的先验权值无法自动确定的问题,提出了一种自适应阈值定权的最小二乘3D匹配算法。以待匹配点云与目标点云中对应同名点间欧式距离作为约束条件,通过自适应阈值的方式,对同名点先验权重系数进行约束,提高了先验权重系数的有效性。通过实验证明,自适应阈值约束算法提高了最小二乘3D算法的精度和收敛速度,且优于主流的迭代最邻近点算法。     

基于卷积神经网络的建筑物精细化提取

现有图像分割方法往往受图像模糊和噪声的影响,提取的轮廓不准确。为了提取建筑物的精确轮廓,提出了一种基于卷积神经网络的集成方法,包括建筑物定位、形状判断、形状匹配等步骤。实验证明,无论是对DSM图像还是多光谱影像,该方法都能获得精确的建筑物轮廓。