多匹配策略融合的无人机影像匹配方法

针对AKAZE算法在无人机影像匹配过程中存在的匹配精度低和稳定性较差问题,本文提出一种基于多匹配策略融合的改进影像匹配方法。该方法首先对影像降采样并利用AKAZE算法检测多尺度特征。然后采用一种稳定的RootSIFT描述符进行特征描述。其次,融合最近邻距离比值、双向匹配和余弦相似度约束匹配策略进行特征匹配以降低误匹配率。最后,采用随机抽样一致性(RANSAC)算法确定最终的特征对应关系,并求得几何变换模型。实验结果表明,该方法在获得更多正确匹配点对的同时具有较高的匹配正确率和精度,能够更好适用于无人机影像匹配。     

“频率匹配法”在集合降水预报中的应用研究

基于“频率匹配法”的思路,采用两种方法进行了集合降水预报的订正研究,一种方法是利用集合成员降水频率订正简单集合平均平滑效应的“概率匹配平均”法,另一种方法是利用实况降水频率订正集合成员降水预报系统偏差的“预报偏差订正”法,通过个例和批量试验,结果表明:(1)概率匹配平均法可以矫正简单集合平均的平滑作用所造成的小量级降水分布范围增大而强降水被削弱的负作用,这种改进对强降水区更显著,并且集合系统离散度越大这种改进也越大;但该方法对预报区域内总降水量的预报没有改进作用,不能改善预报的系统性偏差.(2)虽然预报偏差订正法对降水落区预报的改进有限,但可以订正模式降水预报的系统性误差,改进雨量预报以及集合预报系统的离散度特征和概率预报技巧;直接对集合平均预报进行偏差订正的效果优于单个成员偏差订正后的简单算术平均.(3)在对每个集合成员的降水预报进行偏差订正后,概率匹配平均仍可改善其简单平均的效果,因此在实际业务中,应该综合采用上述两种方法,以获得在消除系统性偏差的同时各量级降水分布又合理的集合平均降水预报.     

Geometric-based approach for integrating VGI POIs and road networks

Integrating heterogeneous spatial data is a crucial problem for geographical information systems (GIS) applications. Previous studies mainly focus on the matching of heterogeneous road networks or heterogeneous polygonal data sets. Few literatures attempt to approach the problem of integrating the point of interest (POI) from volunteered geographic information (VGI) and professional road networks from official mapping agencies. Hence, the article proposes an approach for integrating VGI POIs and professional road networks. The proposed method first generates a POI connectivity graph by mining the linear cluster patterns from POIs. Secondly, the matching nodes between the POI connectivity graph and the associated road network are fulfilled by probabilistic relaxation and refined by a vector median filtering (VMF). Finally, POIs are aligned to the road network by an affine transformation according to the matching nodes. Experiments demonstrate that the proposed method integrates both the POIs from VGI and the POIs from official mapping agencies with the associated road networks effectively and validly, providing a promising solution for enriching professional road networks by integrating VGI POIs.     

基于伪语义相似度模型的中文地址匹配方法

地址匹配中,由于传统相似度模型受字符重叠数影响大,在处理简写、缩写地址要素单元时,错误匹配问题突出;深度学习方法需要大量样本支撑,但庞大的数据量和多样的形式,导致生成样本的成本过高。为解决上述问题,本文首先应用基于条件随机场和双向长短时记忆神经网络的模型,对地址进行分词;然后通过建立一种伪语义相似度,对地址要素进行分级匹配。通过对公安业务中地址数据进行测试,在对缩写、简写等不规范地址描述方面,本文模型能较理想地完成任务,各参考指标均高于0.9。     

多种风电场风速预报订正方法的适用性研究与集成应用

以内蒙古中部某风电场为实验风电场,采用随机森林（Random forest,RF）方法、相似误差订正（Analogue correction of errors,ACE）方法以及概率密度匹配方法（Probability density function matching method,PDF）分别对风电场风速预报进行订正及适用性研究。结果表明：3种方法在各季均对中尺度天气预报模式（Weather research and forecasting model, WRF）风速预报具有不同程度的订正效果,RF方法可以有效改善WRF误差较大的问题,但兼具误差过分放大情况,ACE方法和PDF虽然对较大误差的改善能力不及RF方法,但是能够较好地控制误差过分放大问题。此外,3种方法针对小于5 m·s^-1的小风速段,订正效果不理想,随着风速的增加,订正能力逐渐增强。参照预报模型各自的优势,尝试开展多种预报模型的分风速等级集成应用,可以对不同风速等级下的WRF预报起到较好的改善作用。     

多种角度比较SIFT、SURF、BRISK、ORB、FREAK算法

SIFT、SURF、BRISK、ORB、FREAK等图像特征匹配算法具有不同的鲁棒性,本文利用Mikolajczyk和Schmid所提供的数据集,对这几种算法从匹配速度,应对图像旋转变换、模糊变换、光照变换、尺度变换、视角变换时表现出的鲁棒性等角度进行比较。本文采用的评价指标是两幅图像中成功匹配的特征点对数。经比较分析后发现,SURF和FREAK算法表现出的鲁棒性较为全面。     

位置地图情境研究

随着位置服务、位置地图的兴起,情境作为一种研究客观世界与人类之间关系的抽象工具,已被逐渐地引入到移动地图服务中来.鉴于目前情境理论在地图的应用过程中存在基本概念不清、主要研究内容不明确的问题,重点剖析了位置地图情境的内涵,并从情境建模、情境匹配、情境推理和情境表达四方面,开展了位置地图情境的相关技术研究.     

几何地理要素的相似性度量方法研究

几何地理数据相似性是地理数据匹配处理的基础,决定着地理数据匹配结果的成功率和准确率。本文分别从点、线、面3个角度对几何地理数据的相似性进行深入分析,通过对点、线、面三种地理要素特点的深入研究,给出了几何地理数据的相似性算法和度量模型。通过实验,初步验证了所提算法的可行性,为地理数据的相似性匹配研究奠定了基础。     

利用方向纹理特征从影像上搜索道路中心线

针对遥感影像道路中心线提取问题,提出利用方向纹理特征辅助道路中心线匹配搜索的思想,以人工给出的道路种子点和初始搜索方向为基础,运用方向纹理特征直接从遥感影像上匹配搜索道路的中心线。算法通过预测道路的宽度、弯曲等情况来自动调整纹理窗口的大小,因而能够很好地搜索到道路中心线,此外算法针对树木遮挡、车辆压盖设计了相应的处理策略。实验表明:该方法对遥感影像上不同类型道路均有很好的提取效果,且提取效率高于现有的道路提取算法。