部分变量误差模型的整体抗差最小二乘估计

部分变量误差模型(partial EIV model)的加权整体最小二乘(weighted total least-squares,WTLS)估计不具备抵御粗差的能力。鉴于粗差可能同时出现在观测值和系数矩阵中,本文在提出部分变量误差模型WTLS估计的两步迭代解法的基础上,运用抗差M估计的等价权方法,发展了一种整体抗差最小二乘(TRLS)估计方法,并采用一致最大功效统计量确定降权因子。针对WTLS估计两步迭代解法的特点,设计了两个不同的降权方案:第1个方案是在估计系数矩阵元素时,不对观测值降权,仅对系数矩阵降权;第2个方案是在估计系数矩阵元素时,既对系数矩阵降权,同时也对观测值降权。通过对模拟2D仿射变换和线性拟合实例进行计算和分析,结果表明第1方案优于第2方案,并且优于基于残差和验后单位权方差的抗差估计和现有的变量误差模型抗差估计。     

多尺度细节增强的遥感影像超分辨率重建

鉴于现有超分辨率重建方法难以突显重建影像细节信息的问题,提出多尺度细节增强的遥感影像超分辨率重建模型框架。首先,通过最小二乘滤波方法将序列影像分解成包含大尺度边缘的平滑信息和包含中小型尺度的细节信息;其次,利用插值方法得到相应的高分辨率细节信息和平滑信息,构造纹理细节增强函数,提升中小型细节的增强幅度;最终,融合细节信息和平滑信息,得到初始的超分辨率重建结果,并利用局部优化模型进一步改善重建影像质量。选取同时相和多时相遥感影像作为试验数据。试验结果表明,本文重建结果与插值方法、TV方法和MAP方法相比,在客观评价指标上均有显著提高,明显改善了重建影像的纹理细节。论文提出的多尺度细节增强的超分辨率重建方法,可以使重建影像提供更多高频细节信息,具有较好鲁棒性和普适性。     

利用Abel-Poisson径向基函数模型化局部重力场

多种类型高分辨率重力场数据的不断增加,使得在局部范围内精化重力场模型成为了可能。本文采用Abel-Poisson核将重力场量表示成有限个径向基函数线性求和的形式,对局部区域的多种重力场数据进行联合建模。为了提高运算速度,运用了基于自适应精化格网算法的最小均方根误差准则(RMS)来求解径向基函数平均带宽。以南海核心地区为例,联合两种不同类型、不同分辨率的重力场资料(大地水准面起伏6'×6'、重力异常2'×2'),构建了局部区域高分辨率的重力场模型。所建模型表示的重力场参量达到了2'×2'的分辨率,对原始的重力异常数据(2'×2')拟合的符合程度达到±0.8×10-5m/s2。结果表明,利用径向基函数方法进行局部重力场建模,避免了球谐函数建模收敛慢的问题,有效提高了模型表示重力场的分辨率。     

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%。     

顾及邻域居民地群组相似性的道路网匹配方法

现有多源同比例尺道路网匹配方法中,大多只利用道路自身特征进行匹配,而较少顾及道路周边要素对匹配过程的影响和约束,从而影响了道路网匹配效果的进一步提高,特别是对系统误差改正后仍存在一定位置或旋转偏差的道路数据进行匹配时,这种影响尤为明显。本文借鉴人类对陌生环境的空间认知特点,提出了一种顾及邻域居民地群组相似性的道路网匹配方法。该方法通过构建城市骨架线网确定与道路相邻的居民地群组,进而计算居民地群组空间关系和几何特征相似度来获得对应道路的匹配结果。其特点在于:对存在位置或旋转偏差的道路数据匹配,以其邻域空间内居民地群组的整体相似性指标来带动道路自身匹配,实际上是增加了周边居民地群组对道路匹配过程的约束,更具鲁棒性。试验及对比分析表明,本方法能够较好地解决系统误差改正后仍存在较大位置和旋转偏差的道路数据间的匹配问题,提高匹配的正确率。     

总体最小二乘法在相机标定中的应用

对比总体最小二乘方法与最小二乘方法在相机标定中的适用性及优越性。在相机标定中,由于像点坐标和对应的地面点坐标均存在误差,因此采用总体最小二乘方法对误差方程中的系数矩阵及观测向量同时改正,能够建立更加合理的计算模型。文中以相机标定两步法为例,通过实例解算,证明利用总体最小二乘法能够得到精度更高的相机标定参数解。     

全景图增强地理现实的空间认知问题

基于全景图的增强地理现实平台是一种新的空间认知工具,研究其空间认知问题是进行技术研究的基础。文中介绍全景图增强地理现实的主要技术流程和优势;阐述基于全景图增强地理现实进行空间认知的基础模型;分析全景图和地理信息数据的信息匹配问题,包括比例尺和位置匹配两个方面;介绍地理信息在全景图像上的表达方式,重点解决增强目标和属性信息的选择问题;最后通过与街景地图、虚拟现实平台进行空间认知比较,得出全景图增强地理现实平台的有效性和主要适用范围,表明该平台具有独特的空间认知优势。     

GPS 高程转换的总体最小二乘组合方法

在现有GPS高程转换的研究中,通常只采用单一的解算方法,然而,不同的计算方法由于适用的条件不同,在对同一组数据进行解算时,解算的精度也各有优劣。针对以上问题,文中提出GPS高程转换的总体最小二乘组合方法,对多种不同的高程转换方法进行组合,运用总体最小二乘法计算不同方法的权值,结合实际工程数据,验证该方法的可行性。计算结果表明,提出的方法能够有效地提高高程转换精度。     

改进的距离约束最小二乘模糊度搜索算法

针对短基线最小二乘模糊度搜索算法搜索效率低的缺点,该文提出了一种改善模糊度搜索空间以提高模糊度搜索效率的方法。最小二乘搜索算法通过基线长度范围确定模糊度搜索空间,完成模糊度的搜索和确认。距离约束的短基线模糊度搜索空间是一个空心椭球,各模糊度之间具有相关性,影响模糊度搜索效率。该文通过最小二乘去相关调整方法降低模糊度之间的相关性,减少搜索次数。实验证明,该算法的搜索效率提高了25%以上,且随着基线长度的增加,搜索效率有更多的提升。