地图模式识别的主要研究内容

地图模式识别是实现扫描方式地图自动数字化的核心技术，它对建立地图数据库，以及ＧＩＳ的数据快速采集具有非常重要的意义。本文从地图模式信息的获取、预处理、分类特征的提取、定位分割和自动识别等方面论述了地图模式识别的主要研究内容。     

地震反射波成像的“三基色”方法

基于动态情形介质参数是频率的复函数,利用复小波变换处理地震勘探反射波数据,求出每时刻瞬时谱曲线,它刻划了该时刻所对应的地层介质性质．本文提供一种全新的由反射波数据绘制地下剖面图以取代反褶积的方法,提出用“三基色”方法来提取这条谱线的特征,合成彩色地下剖面图,并利用特制的小波软件对油田实际资料进行研究．     

面向对象的湿地景观遥感分类——以杭州湾南岸地区为例

在ENVIEX软件的Feature Extraction平台上,利用LandsatTM影像数据,采用面向对象方法对杭州湾南岸地区湿地景观进行遥感影像分类;通过与基于最大似然法、人工神经网络法、支持向量机法等传统像元方法的相应分类结果进行比较,系统分析了面向对象方法在中低分辨率遥感影像的湿地景观生态分类中的有效性。研究结果表明:①较之单一依据像元光谱值进行分类的传统方法,面向对象方法综合考虑了对象的光谱、空间、纹理、色彩等多种属性特征,因而对于类型复杂多样、分布界限模糊、光谱混淆与混合像元现象严重的沿海滩涂、湖泊、河流等湿地景观具有更好的鉴别能力,也因此获得更高的分类精度(研究区景观分类总精度为88.80%,Kappa系数为0.8765);②面向对象方法在分类中提取的是由同质性像元组成的"对象",且在合理的影像分割下得到的对象破碎化程度较低,因而能在较大程度上减小分类结果中的"椒盐噪声"干扰;而基于像元方法提取的景观类型以离散像元形式组成,难以清晰表征景观的边界、形状等信息,所以分类结果中会有明显的噪声现象;③影像分割在运用面向对象方法进行遥感影像分类过程中具有重要影响,实验结果表明,60%的分割尺度和归并尺度组合较有利于中低分辨率影像的遥感分类;④面向对象分类过程中诸如影像分割精度的评价、最优分割尺度的选取、特征空间的优化等问题,则有待今后进一步探讨。     

基于地物特征提取的车载激光点云数据分类方法

车载激光扫描测量方法较传统摄影测量方法具有更多优点,它能快速采集大面积、高精度的三维空间数据,具有广阔的应用前景。针对车载激光扫描数据的分类问题,提出了一种基于地物特征提取的点云数据分类方法,即采用主成分分析(PCA)方法,在提取多种街区地物点云数据几何特征和总结地物对象特征知识规则的基础上,根据选取的主特征设计一套阶层式的分类方法,并利用该方法对一套车载激光点云数据进行了分类试验。结果表明,该方法的分类效果良好,具有一定的实用性。     

基于等距圆的极球面投影距离量测方法

研究了极球面投影海图上准确便捷地量测距离的方法。推导了极球面投影下大圆航线和等角航线的方程,形状分析表明极区宜采用大圆航线量测距离;根据极球面投影下直线的几何意义推导了其距离计算公式,距离差值分析表明可用直线代替大圆航线准确量测距离;根据极球面投影上小圆线投影为圆的性质,提出了一种基于等距圆的准确便捷的距离量测方法,以满足极球面投影海图的极区导航应用需要。     

基于特征提取的目标变化检测方法研究

针对不同时相遥感影像中特定目标的变化,研究了基于特征提取的目标变化检测方法。该方法首先根据目标的几何特征进行检测与提取,然后对提取出的两目标影像进行比较,得到特定目标的变化。实验结果表明该方法对特定目标的变化检测有较好的效果。     

基于三维模型数据的地震振幅补偿处理技术的保幅性分析

地震资料的相对保幅性处理是进行岩性油气藏勘探的基础。目前,在地震数据保幅性处理中,针对振幅补偿类技术的相对保幅性进行系统评价方面表现不足。本文以球面扩散补偿、地表一致性振幅补偿方法为例给出了地震补偿类方法的保幅性理论分析思路以及评价标准。首先,从理论上分析了两种方法的相对保幅性;其次,对三维正演数据进行地震振幅补偿处理;最后,将模型正演数据与对其进行振幅补偿后的数据作定量对比,从而定量分析两种补偿方法对振幅相对关系的影响。理论分析及数值试验结果表明:球面扩散补偿、地表一致性补偿方法保幅性较好。     

基于深度学习的滑坡灾害易发性分析

滑坡灾害成因机理复杂、影响因素众多,深度学习作为当前人工智能领域的热点,能够更好地模拟滑坡灾害的形成并准确预测潜在的斜坡。为了挖掘深度学习在滑坡易发性的应用潜能,本文构建了一维、二维和三维的滑坡数据表达形式,并提出3种基于卷积神经网络模型（Convolutional Neural Networks, CNN）的滑坡易发性分析处理框架：基于CNN分类器、基于CNN与逻辑回归的融合和基于CNN集成,最后以江西省铅山县为研究对象进行验证,结果表明：所有基于CNN的易发性模型都能够获得准确且可靠的滑坡易发性分析结果。其中,基于二维数据的CNN模型在所有单分类器中预测精度最高,为78.95%。此外,二维CNN特征提取能够显著提升逻辑回归的预测精度,其准确率提升7.9%。最后,异质集成策略能够大幅度提升基于CNN分类器的滑坡预测精度,其准确率提升4.35%~8.78%。     

鱼眼镜头全景影像可测量关键算法研究

鱼眼镜头具有短焦距、大视场的优点,在虚拟实景、视频监控、智能交通、机器人导航等领域得到广泛的应用.随着测绘科学技术的发展,希望在广视角图片上有更多的信息,同时通过这些信息的获取能够更好地服务社会.鱼眼镜头摄像机拍摄的影像具有非常严重的变形,需要通过一定的方法将其纠正.本文提出了一种基于球面模型鱼眼影像畸变差修正、共线条件方程及相似三角形原理的全景影像可量测性方法,使全景图像在测绘领域的应用更加广泛.