一种差分进化BM3D硬阈值参数的遥感影像去噪方法

针对遥感影像高斯白噪声去噪的问题,本文首先利用差分进化(DE)优化三维块匹配(BM3D)中的硬阈值变换参数(参数包括块距离阈值和三维变换域硬阈值参数);然后使用优化的BM3D算法消除影像中高斯白噪声,以峰值信噪比(PSNR)、结构相似度(SSIM)和边缘保留指数(EPI))作为评价指标。试验结果表明,在噪声密度不同情况下,融合算法的PSNR、SSIM和EPI均有所提升,尤其EPI相较于BM3D算法提高约2%。整体上,融合算法的遥感影像高斯白噪声的去噪效果优于单一BM3D算法。     

矿山巷道三维建模数据组织与算法研究

巷道作为矿山的重要组成部分,在矿山开发建设过程中发挥着重要作用,基于虚拟现实技术的巷道三维模拟能够为采矿工程、安全生产、施工、人员及设备管理等提供直观的数据展示和决策支持,其精确程度直接影响着矿山的工程质量与采选能力。本文主要探讨巷道三维建模数据组织方法,直壁拱形断面巷道三维建模的关键算法,并基于实验数据,利用OGRE三维引擎技术完成巷道三维自动建模,验证了数据组织和算法的有效性和优越性。     

高分辨率遥感影像滤波算法综述

高分辨率卫星影像空间分辨率高,地物结构纹理信息突出,常用于土地利用监测、自然灾害预报等领域,但其所含的背景噪声影响了影像识别和分析的有效性和可靠性,因此,选取合适的滤波方法消除各种噪声成为遥感影像处理的首要任务。在遥感技术发展的几十年中,研究者们针对各种噪声类型已发展了多种滤波方法。本文分析了高分辨率遥感影像噪声的特点,介绍了一些传统的滤波算法和近年来广泛应用的新型滤波方法,并深入探讨各种滤波器的性能及其优缺点,为今后选择合适的算法消除高分辨率遥感影像噪声提供参考,最后对遥感影像滤波方法的发展前景进行了展望。     

区域似大地水准面精化算法及成果三维仿真研究

利用GPS水准代替繁重的几何水准测量工作,必须确定高精度、高分辨率的似大地水准面。本文分别介绍了函数模型算法、随机模型算法和综合模型算法,并基于试验区域的GPS水准数据,通过各种算法的分类计算比较,验证了这几种模型算法的有效性和可靠性,结果证明最小二乘配置算法精度较高,并对实验结果进行三维仿真,可视化的分析似大地水准面的变化。     

基于 Landsat 8的城市热岛效应研究初探--以厦门市为例

以厦门市为研究区域,以2013年的Landsat 8为研究数据,研究亮度温度反演和地表温度反演算法,通过ENVI/IDL软件编程实现,并且利用厦门市气象局实测温度验证地表反演结果的有效性。同时,还分析了当前厦门市热岛效应空间分布情况,以期为厦门市城市规划和建设旅行城市等工作提供重要参考意义。     

抵偿高程面任意带高斯投影坐标系统的变形分析及应用

对投影变形问题进行了分析,结合实例,探讨了抵偿高程面任意带高斯投影对控制投影变形的实用性。     

基于布尔矩阵的空间关联规则提取方法研究

空间关联规则是空间数据挖掘(SDM)中的重要内容之一。由于空间数据的复杂性,传统的空间关联规则挖掘方法主要是将空间数据库变换为非空间数据库,通过挖掘算法挖掘空间关联规则。目前,Apriori算法是关联规则挖掘中使用最为普遍的算法,但是,由于该算法在关联规则提取过程中需要多次扫描数据库,并且产生冗余的候选项集,因此,在执行大型数据库的关联规则挖掘时,具有效率低下的缺陷。本文基于Apriori算法提出了基于布尔矩阵的空间关联规则挖掘算法,并以挖掘福建省厦门市土地覆盖现状与地形特征因子的空间关联关系作为试验案例,对比Apriori算法的提取结果与提取效率,结果表明:该算法不仅减少了扫描数据库的次数,而且减少了冗余候选项集的产生,提高了空间关联规则的提取效率。     

基于SMVF的高频雷达自适应多目标检测

针对高频雷达强海杂波和干扰环境下的多目标检测问题,结合S-method时频分布和Vitcrbi算法提出了一种多分量线性调频信号瞬时频率估计方法—SMVF法(S-method viterbi fitting),然后根据所提取的瞬时频率的直线拟合性能,提出了一种自适应多目标检测算法。实测数据的处理结果,表明了该算法在低信噪比时,与WDM法(wigncr distribution maxima) , WDV法( wigncr distribution vitcrbi)相比,估计精度提高约2000,验证了该算法的可行性和有效性。     

基于主方向的SIFT误匹配点剔除方法

针对RANSAC方法在剔除SIFT误匹配点方面的不足,提出了一种基于主方向的SIFT误匹配点剔除方法。结果表明,该算法与RANSAC相比,耗时较少,剔除效果更好,保留的正确匹配点数更多,且当误匹配点数量多于正确匹配点时也能得到很好的剔除效果。     

基于植被分区的多特征遥感智能分类

为了有效地提取大范围地形复杂区域的土地利用/土地覆盖遥感信息,以位居青藏高原与黄土高原过渡地带的青海东部地区为研究区,研究基于蚁群智能优化算法(ant colony intelligent optimization algorithm,ACIOA)的土地利用/土地覆盖遥感智能分类。首先选用TM图像、DEM、坡度和坡向数据作为分类的特征波段;然后利用归一化植被指数NDVI对实验区数据进行植被分区;最后利用ACIOA算法进行分类规则挖掘,并依据分类规则进行土地利用/覆盖信息的提取。研究表明,基于植被分区的多特征蚁群智能分类的总体精度为88.85%,Kappa=0.86,优于传统的遥感图像分类方法,为大范围地形复杂区域的土地利用/土地覆盖遥感信息提取提供了有效的方法。