点云信息提取研究进展和展望

点云是目前摄影测量、遥感、计算机视觉等多个领域广泛应用的数据源之一,而信息提取是点云处理、分析和应用的必经环节。为此,学术界已经提出了大量点云信息提取方法。本文从基元类型、提取特征、特征选择与分类器等3个视角概括了点云信息提取的相关研究现状,总结出点云信息提取存在的5个主要问题,点明了点云信息提取的6个主要发展趋势,并着重介绍了"融合多基元的点云信息提取范式"。     

高斯加权的遥感影像中值滤波及其快速算法

中值滤波算法能有效抑制椒盐噪声和高斯噪声,是一种广泛应用的遥感图像预处理方法。针对标准的图像中值滤波算法中在方形邻域窗口进行简单排序而没有考虑与中心像素距离的不足,提出了一种对邻域像素使用高斯加权的中值滤波算法,并使用C语言进行了快速实现。普通图像、光学和SAR遥感图像的实验表明,新算法具有更好的噪声抑制性能,且计算效率与经典算法有大幅提高。     

有色噪声作用下的卡尔曼滤波

利用GPS载波相位三差观测量进行动态定位(或精密导航),就必须研究有色噪声滤波的理论问题.根据需求,推导了动态噪声、观测噪声为有色噪声的线性系统滤波公式,并证明白噪声卡尔曼滤波是有色噪声卡尔曼滤波的特例,或者说有色噪声的卡尔曼滤波是白噪声卡尔曼滤波的推广.     

一种基于Helmert方差分量估计的Vondrak滤波方法

从基于Helmert方差分量估计的Vondrak滤波方法(简称HVF法)的基本假设入手,介绍了HVF方法,该方法能够在未知拟合函数的情况下,通过自动选择合理的平滑因子控制数据平滑的程度,对时序数据序列进行合理平滑,最大限度的削弱数据序列中的随机误差,将信号与噪声合理分离.     

高灵敏度机载L波段微波辐射计探测海表盐度

海水盐度是研究大洋环流和全球气候变化的重要参数,L波段(1400-1427MHz)微波辐射计是进行海水盐度遥感的最有效工具.在该频段内,微波辐射亮度温度对海水盐度变化的灵敏度为0.5K/psu,而用于海洋研究的盐度分辨率为0.1-0.2psu,要求微波辐射计的灵敏度优于0.1K.高灵敏度机载L波段微波辐射计,应用数字增益波动自动补偿和温度补偿技术,保证了系统的稳定性,并采用高效的滤波技术有效地抑制了全球定位信号(GPS)对接收机的干扰,灵敏度达到0.08K.进行了多次航空和海上对比遥感试验,获得了分辨率优于0.2psu、误差精度0.42psu的测量结果.     

基于免疫粒子群优化算法的影像纹理分类

粒子群优化算法是基于群智能的随机全局优化方法,它源于对鸟群简化社会系统的模拟。为了提高标准粒子群优化算法的收敛性能,将生物免疫系统的记忆能力和多样性引入标准粒子群优化算法,提出一种免疫粒子群优化算法。在提取纹理样本Laws纹理能量模板特征、小波特征等纹理特征的基础上,提出针对分类问题的粒子表达方法和群体寻优策略,实现了基于免疫粒子群算法的纹理分类。实验结果表明,与标准粒子群优化算法相比,免疫粒子群优化算法在获取训练样本类别中心时具有较好的收敛性能,并且基于该算法的影像纹理分类具有较高的分类精度。     

基于自适应Kalman滤波的BP神经网络及其在高程拟合中的应用

针对传统BP神经网络容易发散、泛化能力差等问题，采用自适应Kalman滤波方法训练神经网络的连接权。与Kalman滤波训练连接权和传统的BP算法相比，该方法提高了BP神经网络计算精度，增强了泛化能力。实测数据的计算结果证明了该方法的可行性与有效性。     

机载Lidar数据快速滤波方法

机载Lidar是可以快速获取数字表面模型(Digital Terrain Model,DTM)的一种遥感技术。它能够快速获取大范围地面精确的三维坐标,得到高密度的点云。为了从点云数据中提取地形信息,必须对地面点和非地面点进行分类,称之为滤波。现有算法不适合用于处理大规模数据。本文提出一种快速滤波方法,实验结果表明该方法能够快速准确地提取地形点。与现有的滤波方法相比较,其最大的特点是将二维滤波问题简化为一维滤波,滤波速度快。     

基于小波变换与滤波的DEM简化方法

针对现有3维地形模型简化方法中的不足,提出了一种基于小波变换与滤波的规则格网简化方法。同时还在大量实验的基础上,给出了一般情况下需要的变换层数,分析了滤波门限与简化效果之间的关系。这里的研究不仅为3维地形的多分辨率合理建模与精度评估提供了理论和方法,而且也为今后开展类似研究及进行建模质量控制提供了科学的依据。     

多目标粒子群算法与选址中的形状优化

选址问题是GIS最基本的任务之一.一般性的选址是基于点的位置优化,可利用有关GIS功能完成.实际的选址问题是很复杂的.在给定设施的数量和面积前提下,需要在空间上确定设施的最佳位置,并对形状进行优化,以获取最大的效用.采用一般的方法无法求解这种最优化问题.而且,当选址问题涉及多个目标和不同的约束性条件时,就会变得异常复杂.提出了利用多目标粒子群优化算法和区域形状变异算法相结合来解决复杂的空间选址问题.具有智能的搜索方法,大大提高了空间搜索能力,并保持了搜索区域的连通性,取得了较好的效果.