面向倾斜摄影的深度学习航空影像匹配方法

针对传统方法和深度学习匹配方法在倾斜影像上获取匹配点少、复现率低以及精度不高等问题,本文提出一种面向倾斜摄影的深度学习航空影像匹配方法。首先,利用POS信息计算影像重叠区域,并对倾斜影像进行透视变换改正,减弱几何变形对匹配过程的影响;其次,在变换后的重叠区域影像上利用训练的多尺度特征点检测网络推理其对应的高斯热力图,在高斯热力图尺度空间检测极值点作为稳定特征点,基于自监督主方向检测网络获取特征点主方向;接着,在特征点描述阶段,结合网络学习得到的特征点位置和主方向获取尺度旋转不变GeoDesc基础描述子,并考虑图像的几何、视觉上下文信息对描述子进行增强处理;最后,通过双向比值提纯法获取初始匹配点,利用RANSAC和图约束方法剔除误匹配后获得最终匹配点结果。使用ISPRS提供的2组典型区域倾斜影像进行匹配实验,结果表明,相比于SIFT、ASIFT、SuperPoint、GeoDesc及ContextDesc等算法,本文方法能够在大视角变化和纹理信息贫乏的倾斜影像对上获取更多均匀分布的匹配点,同时复现率也要优于其他方法。     

射影空间中摄影测量基本几何关系式的建立

对射影空间中摄影测量的一些基本问题进行了研究,建立了射影空间中物像之间的共线条件关系式、物像之间的直接关系式以及同名像点之间的共面条件关系式。     

辽宁锦州市土地利用动态遥感监测方法应用研究

文章以辽宁锦州市为研究区,以SPOTS为主要遥感数据源,以1:10000地形图(或土地利用现状图)、野外GPS测量点为几何控制点,应用全数字摄影测量法,进行遥感影像的精确配准、纠正与融合.制作高精度的正射影像图;在GIS支持下,叠合基期土地利用现状图等非遥感数据,采用图像差值法、光谱特征变异法和人机交互解译法,增强提取土地利用变化信息,通过实地调查与核实,取得了良好的应用效果.     

多点、多向地震作用下非圆弧滑面边坡稳定分析通用条分法

在地震边坡稳定性分析当中,往往采用单点地震动输入,但实际地震动是随着时间和空间变化的。为了研究边坡在多点、多向地震作用下的稳定性,地震动输入采用考虑地震动的空间时间变化特性的人工合成多点、多向地震动,并将之转化为作用于边坡上的多点、多向地震荷载,在陈祖煜院士所提出的通用条分法的基础之上,推导了适用于任意形状滑面、即满足力的平衡又满足力矩平衡的多点、多向地震作用下边坡稳定通用条分法的极限平衡微分方程,并给出了求解动力安全系数的方法,通过两个算例验证了方法的可行性。     

中国城市公共健康水平的时空演化及其影响因素

采用定基极差熵权法与定基等权赋值法相结合的综合评价方法、核密度估计、探索性空间数据分析等方法,分析2003—2018年中国284个地级以上城市公共健康水平的时空演化特征,并运用广义空间两阶段最小二乘法考察其影响因素。结果发现：① 研究期内中国城市公共健康水平整体呈上升趋势,但各城市间公共健康水平差异有所扩大,且始终存在多级分化现象;② 四大板块核密度曲线在重心位置、主峰高度、波峰数量、拖尾长度、拖尾厚度上均有各自演化形态,是一种时段特征与地区特色相互耦合叠加的结果;③ 中国城市公共健康水平存在正向空间溢出效应和空间“同群效应”,空间集聚类型实现了由LL型为主体向HH型为主体的转化;④ 收入水平、人口密度、科技进步、工业化程度、卫生体制改革对城市公共健康具有影响,但各因素对不同区域的影响存在异质性。     

广义Stein无偏风险估计与地球物理反问题正则化参数求取

地球物理反演是获取地球信息的重要手段,其求解具有严重的不适定性.为获得稳定的反问题结果,通常需要在目标泛函中加入正则化约束项.正确地估计正则化参数一直是地球物理反问题中的难点.目前存在的选取方法需要根据大量的试验来确定正则化参数,工作量十分巨大,并且存在很大的经验性,很难得到最优的正则化参数.针对这个问题,本文提出了一种基于广义Stein无偏风险估计的正则化参数求取方法.该方法的具体思路是通过求解模型参数均方误差的广义Stein无偏风险估计函数,在反问题求解过程中自动求取正则化参数.本文模型测试结果表明,相比于目前常用的方法,通过该方法得到的正则化参数是最优的.

     

基于多像对的近景摄影测量相机对标定

本文利用共线方程进行线性变换与非线性变换的方法实现非量测型相机标定,分三步求解相机内方位元素、透镜畸变参数、外方位元素,再利用解析相对定向方法进行固定相机对的相对模型参数的标定。利用多像对相对定向得到与绝对模型大小一致的立体模型,在求解地物尺寸大小这类不需要坐标数据的应用上非常有效。     

台站地震资料的时频域自适应极化分析和滤波

提出一种自适应协方差的时频域极化滤波方法。该方法在广义S变换时频方法的基础上,构造时频域自适应协方差矩阵,通过特征分析计算时频域瞬时极化参数,设计极化滤波器,实现多分量地震极化分析和滤波。其优势在于协方差矩阵的分析时窗的长度由多分量地震数据的瞬时频率确定,可以自适应于有效信号的周期,在每个时频点计算极化参数不需要进行插值处理;结合时间频率信息,解决在时间域或频率域波形或频率重叠的信号具有明显的直观性。模型数据及实际三分量台站地震数据处理结果表明,该极化滤波方法在台站地震资料分析和处理方面具有很好的直观性和较高的分辨率。     

GAM模型在蝗虫地理格局分布研究中的应用——以黑河上游3种天然草地蝗虫为例

将基于样本调查数据的群落—地形因子回归分析与地理信息系统支持下的昆虫属性空间格局预测结合,是昆虫-地形关系定量研究的新途径.通用可加性模型(GAM)的非参数属性使之具有对不同数据类型的广泛适应性,成为这种“回归分析+空间预测”途经的有效手段.不同程度上依赖于数字高程模型的环境空间数据集是实现空间预测的必要条件.我们利用广义可加模型方法,定量分析了3种不同生态种蝗虫与地形因素的相关关系.结果表明:(1)3种不同生态种的蝗虫具有不同的模型结构、模拟效果以及结果的稳定性,反映了所受地形因子影响的差异.(2)蝗虫的广布种与地形因子关系最弱,局部地形的变化仅对其密度变化有影响;常见种受地形因子的影响明显高于广布种,同时受大尺度的海拔与微地形的剖面曲率影响;稀有种分布格局对地形条件的选择性最强,同时受限于海拔、坡度和坡向.(3)模拟结果对常见种以及稀有种的模拟全部有效;对广布种的预测基本失败.(4)模型预测变量的有效性和全面性决定了模型对数据的解释能力,非线性关系体现了蝗虫密度-地形指标的不确定性,除模型解释的变化外,其他生物因子、非生物因子以及随机因素也影响模型的可靠性.     

Temporal statistical downscaling of precipitation and temperature forecasts using a stochastic weather generator

Statistical downscaling is based on the fact that the large-scale climatic state and regional/local physiographic features control the regional climate. In the present paper, a stochastic weather generator is applied to seasonal precipitation and temperature forecasts produced by the International Research Institute for Climate and Society(IRI). In conjunction with the GLM(generalized linear modeling) weather generator, a resampling scheme is used to translate the uncertainty in the seasonal forecasts(the IRI format only specifies probabilities for three categories: below normal, near normal, and above normal) into the corresponding uncertainty for the daily weather statistics. The method is able to generate potentially useful shifts in the probability distributions of seasonally aggregated precipitation and minimum and maximum temperature, as well as more meaningful daily weather statistics for crop yields, such as the number of dry days and the amount of precipitation on wet days. The approach is extended to the case of climate change scenarios, treating a hypothetical return to a previously observed drier regime in the Pampas.