多源遥感影像配准技术分析

图像配准技术是近年来发展迅速的图像处理技术之一,是图像融合、目标提取与定位、变化监测、高分辨率影像重建等处理工作不可缺少的步骤.首先给出了多源遥感影像配准的概念和基本过程,然后着重从匹配基元、转换函数、相似性测度、匹配策略4个方面对国内外现有的影像配准技术和方法进行了分析和评述,最后指出了影像配准技术所面临的主要难题和发展方向.     

在图形简化中面状目标间拓扑关系渐进式转换的研究

拓扑关系是空间关系中最为重要的关系,在空间抽象中,拓扑关系会发生变化,如何控制这种变化?如何在更抽象的层次上维护空间拓扑关系的一致性,就是一个非常重要的问题。本文以拓扑关系成分抽象的转换方法为基础,研究了面之间拓扑关系的抽象规则,并详细探讨了这些拓扑关系的渐进式转换方法,绘制了相应的面之间基本拓扑关系渐进式转换图。     

基于概率的地图实体匹配方法

数字地图合并是通过同名实体匹配和合并变换技术,调整相关地物实体的几何、属性等差异,实现同一地区不同来源地图数据的集成和融合。其中同名实体匹配是极为重要的第一步,也是一个存在大量不确定性的过程,匹配阈值的选取、实体非一对一的匹配关系是匹配中的关键难题,匹配效果不佳或出现错误匹配直接影响着后续合并结果的正确性。本文提出一种基于概率理论的匹配模型,该模型融合多种匹配指标,通过计算实体匹配概率大小来确定匹配实体。该方法避免了匹配指标精确阈值的选取,并且能够有效地解决匹配中非一对一的情况。     

规则格网DEM化简的一种改进方法

分析了从较高分辨率DEM化简到较低分辨率DEM的地形简化方法的优缺点,提出了考虑整体地形特征信息的一种改进方法,实现了改进后的方法具有较好的简化效果。     

多源遥感影像配准技术分析

图像配准技术是近年来发展迅速的图像处理技术之一,是图像融合、目标提取与定位、变化监测、高分辨率影像重建等处理工作不可缺少的步骤。首先给出了多源遥感影像配准的概念和基本过程,然后着重从匹配基元、转换函数、相似性测度、匹配策略4个方面对国内外现有的影像配准技术和方法进行了分析和评述,最后指出了影像配准技术所面临的主要难题和发展方向。     

线状要素化简算法的分析与评估

线状要素是地图中量最大、形式最多样的要素,它们的化简在自动制图综合中非常重要。目前对线状要素化简的算法研究较多,但其化简质量却少有研究。针对化简算法的基本要求,提出了易于操作的评估化简算法质量的6个方面:面积差、弯曲度、最大拐角比率、化简变化趋势、化简结果一致性和自相交性。通过大量实验,比较了Douglas-Peucker等算法的化简效果,最后对化简中的自相交问题提出了相应的改正措施。     

基于同名点对的小面元影像微分纠正及融合方法

多源遥感影像数据融合是提高海量遥感影像数据利用率，获取更多决策辅助信息的有效手段之一。目前一些商业遥感图像处理软件在进行多源遥感影像融合时，存在效率低、精度难以达到实用要求等问题。本文提卅了基于图像线特征的遥感影像精确配准、纠正、融合新方法，该方法运用线特征算法提取图像边缘特征点作为控制点，然后通过全自动图像匹配获取密集同名点对，由这些同名点对构成密集三角网（小面元）实现影像精确配准；最后进行影像纠正融合处理。大量实践表明，该方法是一种高效实用、高精度的遥感影像配准、纠正、融合方法，能大大改善山区等特殊地区的配准精度。     

运用人工鱼群算法的3D扫描碎片重建探究

针对传统三维碎片拼接匹配过程中依赖单一特征及存在误差累积的问题,提出了一种运用鱼群算法的全局最优匹配方法。该方法先对碎片点云数据进行多特征提取,结合纹理、专家经验信息对混合在一起的多种类型碎片进行粗糙集分类,之后采用鱼群算法的最优解求得最佳匹配方案。实例验证所提全局匹配方法具有能力强、与初始位置无关及较强的稳健性等特点,为三维碎片的全局匹配提供了一种有效的解决方案。     

一种基于点云法向量的基准特征提取与倾斜分析方法

针对目前将三维激光扫描技术应用于变形监测领域存在基准特征难以提取、点云数据分析缺乏适用的方法等问题,本文提出了一种基于点云法向量的基准特征提取与形变分析方法。首先利用局部平面拟合方法获得点云的法向量,并沿点云法矢方向探测基准点;然后利用三次B样条曲线对探测的正确基准点进行拟合;最后根据拟合曲线计算基准高程和对径点倾斜角分析基准特征形变信息。对某化工厂的罐体点云数据进行基准特征提取结果表明,该方法可以快速、全面地获取监测对象的整体信息,且能够正确分析监测对象的基准形变。     

多尺度邻域特征下的机载LiDAR点云电力线分类

利用机载激光雷达技术三维测量精度高且获取快速的优点进行电力线自动分类提取已成为点云数据处理与电力应用的重要领域。针对电力线分类模型的自动化和高精度需求,本文提出了基于三维多尺度邻域特征的机载LiDAR点云电力线分类提取模型框架,主要包括4个步骤：电力线候选点滤波、多尺度邻域类型选取、形状结构特征提取和支持向量机分类。通过对2个复杂城市区域的试验数据集和8种不同邻域类型的详细结果对比分析,发现基于多尺度圆球邻域形状结构特征的分类模型结果准确率、召回率和质量分别达到97%、94%和93%,同时整体处理时间在2个试验数据中分别从366、256 s减少到274、160 s。试验结果表明,该方法在多种复杂城市场景中能够实现机载LiDAR数据的电力线较高精度分类提取。