基于差分筛选的YOLOv2监控视频目标检测方法

监控视频的多目标跟踪是视频智能分析的热点研究内容,其中目标的检测是目标跟踪的基础,精度高、速度快的目标检测器对于后续的实时分析任务尤为重要。提出一种针对监控视频的基于差分筛选的YOLOv2目标检测算法,采用差分算法筛选无前景目标帧及设置重叠度量阈值进行跨帧检测,改善了YOLOv2作为检测方法用于监控视频多目标跟踪任务时速度过慢的不足,同时高精度的检测结果有利于下一步多目标跟踪任务的顺利完成。利用NPLR监控视频数据集对YOLOv2目标检测算法进行了测试,并将该方法与可变型部件模型DPM进行了比较。结果表明,差分YOLOv2方法在精度上高出DPM方法0.304 6,检测时间快了26倍左右,验证了该算法的有效性。     

IGU精密星历在CORS网监测中的应用

针对IGS数据处理中心发布的最终精密星历不能用于CORS网实时监测的问题,分析了IGU(超快速精密星历)用于CORS网实时监测的可行性。根据不同IGU精密星历产品的精度和时延性,基于TEQC将美国康涅狄格州10个CORS站单天观测数据平均分为4个时段,利用GAMIT/GLOBK依次进行了精密定位解算,并与最终精密星历基线解算和网平差结果进行比对。结果表明:利用IGU预测部分与最终精密星历的基线解算结果坐标分量较差最大为0.17 mm;网平差后点位坐标分量偏差最大为0.11 mm。因此,IGU预测轨道可以对CORS网进行实时监测。     

Trimble RTX技术在呼伦湖水下地形测量中的应用

针对Trimble RTX技术在呼伦湖水下地形测量中的应用测试,对比分析Trimble RTX技术较传统差分GNSS的优势,无需建立GNSS陆地基准站,单机作业便能大范围应用,同时提供厘米级的实时定位精度。应用结果证明Trimble RTX技术在大面积水域水下地形测量工作中具有稳定、高效、高精度的优势。     

GEO卫星授时结果周期波动消减方法

针对地球同步轨道(GEO)卫星转发式授时结果存在的周期性波动现象,该文探寻该现象与卫星运动之间的关系,发现授时结果与授时信号传播时延差分结果呈很强的线性相关关系,并利用这一规律,提出时延线性贡献补偿模型。实验结果表明,该模型最多可修正原始授时结果偏差近70%,基本消除周期波动。     

路网距离约束的GTWR模型应用——以北京市房价为例

针对传统地理加权回归方法无法解决时空非平稳性的问题,该文提出了一种路网距离约束的时空地理加权回归方法。引入时间特性,进一步把握了不同因子在时空维度影响的分异性;以路网距离度量约束,提高模型解释力。以北京市城6区1980—2015年的1 632个住宅小区特征价格数据为例,通过与直线距离约束的常规地理加权回归方法等进行比较,采用各模型的AIC与拟合优度等指标对模型置信水平高低进行评价。实验结果表明,路网距离约束的地理加权回归模型不仅能够提高模型的拟合精度,还能更好地揭示房价在时间与空间方面的变化规律。     

TLS技术在环境地质灾害监测中的应用进展

针对地面三维激光扫描技术在环境地质灾害监测中的应用问题,该文在系统介绍此技术关键指标和数据处理的基础上,从滑坡监测、土壤侵蚀监测、敏感地貌微变形监测和水灾害边界追踪4个方面,详细介绍了该技术在环境地质灾害监测领域的应用历史和现状,其研究热点包括该技术在应用中的适宜性评价、监测精度评价、滤波算法的开发及灾害发生趋势预判等方面。另外,应用中高植被覆盖度和降雨天气的干扰问题可通过继续优化软硬件并加强与其他技术联合应用予以弥补。     

同震地表位移的单站时间基线模型解算

针对强震时GPS双差相对定位精度受参考站位移的影响,而精密单点定位数据处理过程又相对复杂等问题,该文采用单站时间基线模型解算实时同震地表位移。依据短时间内对流层延迟等误差强相关和模糊度固定不变的特性,利用消电离层星间单差观测值,并对卫星钟差进行改正,建立时间基线差分解算模型。实验结果表明,本文方法所得测站位移结果与SOPAC解的互差的均方根误差在N、E、U这3个方向上分别为5.4、4.1和12.2mm,基于单站的处理方法,该文所得结果比SOPAC解更准确地反映地震期间地表运动。     

一种选取补偿最小二乘正则化参数的改进方法

为了改进半参数模型补偿最小二乘估计中的正则化参数选取方法,该文设计了3种方案:L-曲线法、虚拟观测法以及该文提出的改进方法以比较正则化参数的优劣。模拟算例表明,该文提出的改进方法可以有效评价正则化参数,得到的参数估值精度更高,是一种较为有效的选取补偿最小二乘最佳正则化参数的方法。     

地理本体驱动的遥感影像面向对象分析方法

针对遥感影像面向对象分析技术存在的“分类过程中专家分析不同带来的分类结果不一致”问题,提出地理本体驱动的“地理实体描述-模型构建-影像对象分类”解译框架。首先,利用地理本体建立影像对象客观特征与地理专家知识的联系,实现对地理实体的描述与表达;其次,利用知识工程方法以及计算机可操作的形式化本体语言构建影像对象特征、分类器的本体模型,形成语义网络模型;最后,联合语义网络模型与专家规则实现影像对象的语义分类。地表覆盖分类实验结果表明,该方法不仅能够得到反映真实地理对象的遥感影像分类结果,而且能够掌握地理实体的语义信息,实现地表覆盖分类知识的共享与语义网络模型的复用,为遥感影像面向对象分析提供了一种全局性的解译分析框架及其方法。     

适用于遥感分类的多邻域粗糙集加权特征提取方法

邻域粗糙集是一种有效的影像特征提取方法,邻域粗糙集模型存在稳定性不高和邻域半径需要反复调整的不足,难以实现地物特征的自动化提取。提出一种多邻域粗糙集加权特征提取方法用于高分辨率遥感影像特征提取。该方法首先利用不同半径的邻域粗糙集对影像的光谱和纹理特征进行提取,求得不同邻域半径下的有效特征子集;然后统计所有邻域半径下各个特征出现的概率,将概率作为权重与特征进行加权得到最终地物特征。QucikBird影像上分类试验表明本文算法优于传统邻域粗糙集特征提取方法,分类总精度平均提高3.88%,Kappa系数平均提高5.16%。在GeoEye-1影像上的分类试验同样证明了本文方法的有效性。