基于MATLAB的基本矩阵随机采样鲁棒估计

基本矩阵的估算可以分为线性算法、非线性优化迭代算法、鲁棒估计算法三大类,而以鲁棒估计效率、效果最为突出,但是实现比较复杂。本文通过数码相机获取的两张未标定照片,采样互相关系数法和RANSAC算法,在MATLAB中实现了基本矩阵的自动拟合,实验表明拟合精度较高、速度快,为下一步三维场景的自动重建和量测奠定了基础。     

应用分块矩阵求逆解算约束秩亏间接平差模型

在通常的四分块矩阵求广义逆矩阵和凯利逆矩阵公式基础上,分析左上角子矩阵为秩亏、右下角子矩阵为零的特殊四分块矩阵的凯利逆矩阵存在条件,应用广义逆矩阵法和矩阵变换法推导该类特殊四分块矩阵的凯利逆矩阵显性表达公式,并用于解算约束秩亏间接平差模型的参数估计.实验数据表明,当满足存在性条件时,应用分块矩阵求逆公式解算约束秩亏间接...     

图像重建块迭代算法中松弛参数选取的研究

在图像重建中,Landweber迭代算法是图像重建算法中的重要方法.本文将针对Landweber分块迭代算法中松弛参数的选取进行研究.在重建过程中采取对投影矩阵按投影角度分块的方法,选取特定的松弛参数.通过数值实验得出结论:对于按角度分块的块迭代算法,松弛参数选取为λ乘以块矩阵与其共轭转置矩阵乘积的最大特征值分之一,当采集完全投影数据,且λ接近(1/6)～(1/7)时效果最好.另外,本文按角度分块的做法和松弛参数的选取方法对于有限角度图像重建问题也是可行的.     

基于VGG19卷积神经网络和迁移学习的水稻病害图像分类方法

本文在原有VGG19卷积神经网络的基础上,提出了一种基于迁移学习模型参数的水稻病害图像分类方法。该方法利用ImageNet数据集预训练生成的VGG19卷积神经网络,通过将网络相关参数迁移和调整的方式构建水稻病害图像分类的技术流程。通过对图像的预处理扩充样本数据,针对病害特征利用训练集调整训练参数,并利用验证集进行性能实测优化分类模型,实现水稻病害图像的快速识别分类,最后利用测试集评价分类精度。测试结果表明,该方法能够很好实现水稻病害图像的分类,分类精度达到99%以上。     

加权整体最小二乘EIV模型与算法——与"加权整体最小二乘EIO模型与算法"一文的讨论

加权整体最小二乘方法是一种能同时顾及EIV（errors-in-variables）模型中系数矩阵和观测向量误差的参数估计方法。根据不同的应用场景,EIV模型则表现出不同的结构特征。"加权整体最小二乘EIO模型与算法"一文采用EIO模型处理EIV模型中的结构化问题^*。为了将其与现有方法进行对比,本文罗列出4种处理EIV模型结构特征的方法,并归纳了8种参数估计公式。同时从精度评定的角度讨论了整体最小二乘解的一阶及更高阶精度近似评定方法。需要强调的是,针对EIV模型及其参数估计理论可以从函数模型、随机模型和参数估计方法3个方面展开研究,但各方法殊途同归。     

一种基于模糊矩阵的空间面对象相似性度量算法

针对地理信息科学中相似性描述尚未考虑其模糊性本质这一现状,将空间面对象相似性度量进行程度划分,而不是界定在相似和不相似两个绝对地带,从而将空间面对象的相似性度量转化为相似程度评判。以纵横轴比、矩形度、面积凹凸比、周长凹凸比和方向为相似程度评判因子,通过模糊矩阵组建评判矩阵,将空间面对象相似性度量模拟为专家评判系统,最终获取待比较的空间面对象之间的相似程度。通过实例验证,算法具有一定可行性,为相关空间查询、空间分析、空间推理、制图综合、地图匹配等起到一定参考作用。     

基于共轭梯度搜索的病态问题处理方法

在最小二乘平差准则基础上,把病态平差问题转化为无约束的二次规划问题,并利用优化理论分析病态对平差解的影响。通过共轭梯度搜索算法在可行域中寻找最优步长因子,自动寻找最速下降方向,并给出迭代初值的设置方法。分析近似计算中病态问题与局部最优解的关系,讨论局部最优解的快速迭代方法,并通过实例验证算法的有效性,计算迭代的速度。由于整个过程没有对法方程系数矩阵进行求逆计算,该算法可用于处理大规模系数矩阵高病态的平差问题。     

新疆地区土地覆被遥感数据的一致性研究

鉴于新疆地区对中国乃至中亚有着特殊的战略意义,本文针对不同数据源及分类系统在土地覆被数据的空间分布上缺乏互通性问题,结合2010年目视解译土地利用现状遥感监测数据、GlobeLand30和GlobCover2009共3种土地覆被数据,采用类型相似分析、类型混淆分析、混淆矩阵分析、空间一致性分析4种方法开展精度评价及一致性分析,以期对土地覆被数据在中国西北干旱区的适用性及适用范围提供有效建议。结果表明,3种土地覆被数据对新疆地区土地覆被类型构成基本一致,且对裸地类型的辨识度最高;新疆地区中高度一致区域占新疆总面积的95%;3种数据两两对比时,总体精度在64.11%~72.57%之间,其中目视解译数据/GlobeLand 30组合表现出最高水平,且仍有提高空间,反映出目前相同卫星传感器是提升精度评价结果的重要因素之一,且不同分类系统、分类方法、空间分辨率及卫星过境时间等因素对精度评价结果也会产生巨大影响。为解决此类问题,利用多源土地覆被遥感数据的融合技术提高数据精度,或是利用深度学习对遥感影像资料进行精确地解译和判读,将是今后全球土地覆被制图及应用领域的主要发展趋势。     

基于加权约束的单体建筑物点云表面重建算法

建筑物点云表面重建在高精度城市测绘、虚拟现实等领域有十分广泛的应用前景。由于建筑物的几何形态多变,重建算法普遍存在计算速率慢、拟合精度低和模型结构不完整的问题。为此,本文以单体建筑物为研究对象,提出基于加权约束的单体建筑物点云表面重建算法,在表面初始化过程中充分考虑数据对结构拟合的贡献。在此基础上,构建基于正则集的单体建筑物表面重建算法,实现建筑物拟合过程中的加权拟合误差、近邻结构平滑的同步优化。针对多类建筑物三维点云的实验结果表明,相比传统的建筑物重建策略,本文的加权约束方法可根据不同类型的点云数据设计自适应权重,并选择模型拟合中最优的权重函数,在高噪声、低精度点云数据下能得到更高精度的单体建筑物表面模型。