侧扫声纳条带图像分段拼接方法研究

拖曳作业模式会引起侧扫声纳条带图像错位和畸变,并给基于地理编码的条带图像整体拼接以及海底目标的识别和判读带来问题。提出了一种基于共视目标的相邻侧扫声纳条带图像分段拼接方法。该方法通过对侧扫声纳条带图像预处理、基于共视目标的分段匹配、基于小波变换的公共覆盖区图像信息融合,最终实现了相邻侧扫声纳条带图像拼接,最大限度地削弱了错位和畸变对声纳图像质量的影响。试验验证了该方法的有效性。     

基于宽巷载波的GPS周跳探测与修复的算法改进

鉴于双频P码伪距结合相位观测值用于探测周跳存在的不足,提出了结合DCPC图像和相应的算法来分析周跳发生大小以及发生位置的方法。尤其是在载波L1与L2出现大小相同的周跳且宽巷载波失效的情况下,需结合DCPC图像来分析周跳发生的历元,通过M-W宽巷载波组合及其电离层残差组合,用两历元间的二元一次方程来修复周跳。该方法能够快速地探测及修复周跳,具有实用性。     

利用QuickBird卫星影像制作黑瞎子岛1:10000 RSDOM方法实验

在不能实施航空摄影的情况下,利用高分辨率遥感卫星影像来弥补无航空摄影资料地区,生产制作1:10 000 DOM有明显优势。本文主要介绍利用QuickBird卫星影像,对在回归后的黑瞎子岛位于我国与俄罗斯交界地带测区内制作1:10 000 RSDOM控制点精度进行分析,并在图像融合技术方面,对比多种融合方法,确定最佳算法。     

机载LiDAR点云数据精度评定方法的研究

基于机载LiDAR系统组成及工作原理,对激光点云数据精度评定方法进行研究,主要包括内插特征点对比分析法、统计分析法、斜面几何分析法、误差传播定律分析法。各种方法都有各自的优缺点,在进行具体精度评定时,几种方法要结合使用。     

CBERS-02B星CCD与HR数据融合方法探讨

随着CBERS-02B星(以下简称02B星)多光谱CCD数据与全色HR数据在各个领域的广泛应用,两者相差较大的空间分辨率给图像融合带来难题。在对改进型的IHS变换、主成分变换、Brovey变换、GS变换等融合算法分析的基础上,利用02B星数据进行融合试验,并对试验结果进行定性与定量评价,结果表明:①Brovey变换融合效果较差;②在影像的阴影区域,改进型的IHS变换融合结果存在光谱失真;③PCA变换光谱保真较好;④GS变换无论是统计结果还是图像的色彩和清晰度都明显优于上述三种方法。     

基于无人机遥感和GIS技术的土地利用快速详查方法研究

分析了新型无人机遥感技术相对于传统遥感的先进性,并结合土地快速详查的任务需求,表明利用无人机遥感进行土地利用快速详查是可行的。根据无人机遥感数据的特征详细阐述了图像的后处理技术,提出了基于无人机遥感和地理信息系统（ GIS）技术的土地利用快速详查工作流程,重点研究了土地信息的提取,并分析了面向对象的遥感影像分类方法的优点。针对土地利用快速详查的要求,对土地利用数据库的构建做了深入分析,详细阐述了数据库的存储结构、时空数据模型和土地利用详查追溯三个方面,很大程度上避免了数据冗余问题,提高了数据库中有效信息的比重。研究成果可为新时期国土资源管理工作提供有益参考和借鉴。     

ALI 数据全色及多光谱波段图像融合方法比较研究

ALl（The Advanced Land Imager）数据是通过地球观测卫星l（E0—1）搭载的高级陆地成像仪所i犬取的,数据的分辨率可满足遥感影像应用的多个领域,因此对ALI数据应用研究具有重要的意义。随着图像融合技术的迅速发展,融合方法种类较多,由于目前利用ALl数据的全色波段以及多光谱波段进行高精度图像融合的研究较少,本文进行的实验足分别利用HSV变换、主成分分析（PeA）、Brovey变换、Gram—Schmidt变换等融合方法对ALI数据进行图像融合,通过图像融合结果的质毓评价指标得出较好融合方法是HSV变换。     

地震灾害现象模式分析与识别

在介绍典型震后地质灾害现象的基础上,设计了利用遥感影像进行震后地质灾害模式识别的整体方案,以震后滑坡造成的道路损毁现象为例,分析其表现出的独有模式,提出了先对影像进行目视解译并利用纹理特征对分类结果进行再分类的识别方法。     

一种基于高程差粗糙度的建筑物激光脚点提取方法

LiDAR技术逐渐成为获得城市三维信息的主要手段之一,其中建筑物信息的提取,是目前研究的难点和热点。为了能够更好地提取建筑物信息,在分析现有建筑物提取方法优缺点的基础上,结合高程信息和滤波结果信息,设计了一套基于虚拟格网的建筑物激光脚点提取方法。实验表明该方法提取效果较好,而且对数据质量要求较低。     

一种基于紫外极光图像的亚暴膨胀期起始时刻的自动检测方法

准确界定亚暴起始时刻是理解亚暴相关问题的关键.已有研究主要集中在两方面:一是从极光图像中人工挑选亚暴事件进行案例分析或统计分析来研究亚暴发生机制及亚暴期间的地磁环境;二是基于一些空间物理参数,如AE指数、SME(SuperMAG electrojet)指数、Pi2、正弯扰等,采用人眼判断或是模式识别的方法从中找出亚暴起始时刻.本文尝试采用模式识别的方法从紫外极光图像中自动地检测出亚暴膨胀期起始时刻.首先,将紫外极光图像通过网格化处理转换到磁地方时-地磁纬度(MLT-MLAT)直角坐标下,然后通过模糊c均值聚类方法提取亮斑,再考察亮斑强度是否增强、面积是否极向膨胀来判断是不是亚暴事件.本文方法在1996年12月-1997年2月这三个月的Polar卫星紫外极光图像上进行了实验验证.我们将检测到的亚暴起始时刻与Liou(J. Geophys. Res., 2010, 115: A12219)的人工标记进行了对比,并详细分析了与标记不一致的多检和漏检事件.本文提出的自动检测方法可以快速地从海量紫外极光图像中完成亚暴事件的初步筛选,方便研究人员进一步深入研究极光亚暴.