基于正交匹配追踪的声层析方法

声速剖面的变化会对声传播产生较大的影响,经验正交函数模型经常用来实现对声速剖面数据的简化描述。然而在内波、湍流等海水不均匀性存在时,这种正则化操作会造成声速重构精度的大幅降低。本文利用字典学习生成声速剖面的非正交原子,在稀疏编码时采用正交匹配追踪（OMP,Orthogonal Matching Pursuit）算法,更新字典则使用KSVD （Kernel Singular Value Decomposition）的字典更新算法。由于字典学习不需要强制使用正交条件,对于训练数据更加灵活,从而可以使用少数的原子组合达到更高的重构精度。利用一次浅海声学实验多次测量的声速剖面研究了海水声速剖面的经验正交函数表示和字典学习,研究表明：相比于正交函数表示,学习字典可以利用少数原子（甚至一个原子）更好的解释声速剖面扰动。字典学习可以提高声速剖面的稀疏性,从而提高声速剖面的反演精度。     

基于动态极坐标参数化的遥感影像匹配方法

图像匹配作为三维重建至关重要的环节,其精度直接影响了平差优化、正射校正等模块的精度。对于城镇、农场等特征密集型区域,特征距离小,相似性强,易于匹配图像;而针对草地、沙漠等特征不明显区域,特征距离大,如果使用特征点匹配的方法,严格阈值下难以获得足够数量的匹配对,放宽阈值又将引入较多误匹配对,这也是导致稀疏点云不够均匀的原因之一。在此场景下,本文提出了基于动态极坐标参数化的无人机正视影像匹配算法,首先对图像做极坐标参数变化,采用动态策略解决极轴方向采样不均匀的问题,使用最小二乘法对得到的极坐标影像对做位移方向上的匹配,匹配后得到的旋转量和平移量,将该结果和SIFT算法的结果做比较。本文设计了2组实验,即参数已知的解算实验和参数未知的解算实验,且每组实验进行3次。在同等配置的计算机上,对两张7360像素×5400像素,32位的影像,本文方法的位姿解算时间相比SIFT的时间减少约57%,二者求得的位姿差通常小于1%。结论表明二者的结果在精度上表现相当,在时间上明显优于SIFT算法,具有实际的应用价值。     

浮动车数据的混合修复方法

针对浮动车数据出现的丢失、错误及冗余现象,结合均值统计与地图匹配,提出一种浮动车数据混合修复方法。基于此方法,构建了浮动车数据筛选及修复流程,较好地实现了对浮动车数据的有效筛选及修复,并对浮动车数据混合修复方法进行了验证,证明该方法具有可行性和有效性。     

基于矢量数据的LUCC广义转移矩阵自动挖掘方法

为了充分利用日益增多的多时态土地利用/覆被矢量数据,依据不同属性全方位挖掘提取其中隐含的要素变化转移信息,进而为土地资源科学管理与统筹规划提供技术支持和决策依据,首先提出了广义转移矩阵的概念,并进行了形式化定义,然后设计了一种基于矢量数据的广义转移矩阵自动计算生成方法,详细阐述了数据预处理、匹配关系建立、要素变化检测、矩阵设置与生成4个实施步骤中涉及的主要问题及解决策略。试验结果表明:所提方法能够大幅提高转移矩阵矢量化计算生成的准确度和灵活性,有效克服人工手动处理计算效率低、周期长、易出错、难检查的不足,以及常用栅格化计算方法精度低、结果单一、不能准确全面反映土地利用/覆盖要素在不同属性上的变化转移情况的局限。     

基于特征点匹配及提纯的点云配准算法

针对传统的基于ICP点云配准算法配准时间长、收敛慢、需要较好初始配准等限制,本文利用现有的点云特征提取算法和描述算法,提取并匹配点云中的特征点,用RANSAC算法结合坐标转换模型剔除误匹配点对,用匹配点对在两点云中的坐标计算之间的坐标转换参数,从而实现点云的配准。相比ICP类算法,提高了点云配准的效率,同时提高了点云配准的自动化程度。     

利用线性判别分析的LDA-SIFT影像匹配算法

针对SIFT算法特征向量维数较高,匹配实时性较差的问题,提出一种利用线性判别分析的LDA-SIFT算法。该算法首先利用SIFT算法提取特征点并生成特征向量矩阵;然后将特征向量矩阵转换为种子点向量矩阵并为数据设置标签;接着利用线性判别分析对种子点向量进行降维;最后在低维特征空间将种子点向量矩阵转换为特征向量矩阵并在欧式空间匹配,运用RANSAC算法剔除误匹配。采用多组图像验证该算法匹配的性能,实验结果表明,LDA-SIFT算法能够有效降低特征向量维度,缩短特征匹配时间,匹配精度与降维前相近。     

面状矢量空间数据匹配技术研究

数据匹配技术是空间数据集成与融合中的关键技术。对面积相似度进行了描述,对面积相似度进行了几何度量上的定义,提出了基于面积相似度的数据匹配思路。最后,以面状目标为研究对象,以城市居民地的大比例尺数据为例,对基于面积相似度的面状要素数据匹配算法进行了试验与分析。     

采用截尾最小二乘估计的DEM匹配方法

不借助控制点匹配表面来探测表面差异是一个非常困难的问题!在多时相DEM分析中具有非常广阔的应用前景.提出一个使用截尾最小二乘估计的最小高差算法(LTS-LZD)该算法在迭代过程中通过基于高差直方图的自适应阈值来区分变形区观测量.通过模拟试验对算法性能进行全面深入的试验,试验结果表明新方法具有较高的匹配精度与差异探测精度!且与变形比例基本无关.