一种基于自适应点质量的区域(似)大地水准面拟合方法

针对传统分频余差点质量模型拟合局部（似）大地水准面时系统偏差大、所需基础数据多、计算效率低等问题,利用位场等效逼近原理,对点质量模型进行改造,提出了一种位置固定、埋深自由的点质量模型,并将该模型应用到局部（似）大地水准面拟合中。利用空间距离最近点最优原则建立了解算点质量模型的迭代算法,并顾及周围点影响提出固定加权点方法和自适应法。实验结果表明,相比于传统模型,所提算法有系统偏差小、无奇异性、所需数据少以及计算效率高等优点,利用该方法进行（似）大地水准面拟合是可行的,而且自适应加权半约束点质量模型效果最好。     

按区域自动批量裁剪地理数据的建模方法

ArcGIS中文件地理数据库是常用数据格式。经常需要按其所辖单元区域批量裁剪输出地理数据。针对常规的手工操作不仅费时且易出错,本文提出基于ArcGIS ModelBuilder(模型构建器)建立模型工具的方法来实现地理数据库按区域自动批量的裁剪输出。该方法使用模型工具嵌套的方式,利用迭代要素类建立裁剪子模型工具对地理数据库中全部要素类依次进行裁剪,再将裁剪子模型工具嵌套到主模型工具中,使用迭代要素选择按区域逐个选择裁剪要素,直至完成所有区域对地理数据的裁剪输出。     

基于IR-MAD的高分辨率遥感影像交叉融合变化检测方法

高分辨率遥感影像数据在带来丰富地物信息的同时,也对变化检测提出了新的问题和挑战。本文从高分辨率遥感影像数据的空间结构特征和光谱分布信息入手,针对多光谱数据交叉融合的变化检测方法展开研究。采用基于GSA(Gram-Schmidt Adaptive Pansharpening Algorithm)法对全色和多光谱影像数据处理,生成四幅交叉融合影像;将迭代加权多元变化检测(Iteratively Regularized Multivariate Alteration Detection,IR-MAD)算法应用于高分辨率融合影像,提取变化信息。结果表明,本研究方法能够有效提取变化信息,并降低数据配准不一致所造成的误检测。     

利用半约束点质量模型拟合(似)大地水准面

本文利用位场等效逼近原理,对传统的点质量模型进行改化,提出了一种位置固定、埋深自由的点质量模型,并将该模型应用到(似)大地水准面拟合中。利用不同的试验区进行拟合实验,实验结果表明在平原地区,文中所提方法与四次曲面拟合法精度相当,比二次曲面拟合精度提高37.1%;山地地区相比于两种传统拟合方法精度分别提高13.7%和7.7%;而且该方法可以充分利用拟合点信息,格网数据拟合效果较四次曲面拟合分别提升56.8%。本文提出的方法可以适应多类点位分布,具有很强的适应性。综上所述,利用本文提出的方法进行(似)大地水准面拟合达到了较高精度。     

基于CUDA的二叉树图像拼接算法研究

提出一种基于CUDA的二叉树图像拼接算法,对现有的SURF特征点算法进行GPU加速,并对原有的图像拼接流程进行改进,采用二叉树进行递归拼接。实验证实,基于CUDA二叉树图像拼接的速度有较大提升。     

基于导向滤波与迭代反向投影的遥感影像超分辨率重建

针对单帧遥感影像采取迭代反投影方法进行超分辨率重建时,重建图像的强边缘存在锯齿效应,在分析了导向滤波算法原理后,本文提出了一种将上述算法引入迭代过程来处理图像误差的方法,以进一步提升图像的高频信息,提高图像的重建质量。选取同时间不同地物的遥感影像作为实验数据,实验结果表明,本文重建的结果与双三次插值方法、边缘导向插值方法和迭代反投影方法相比,在客观评价指标上均有提高,改善了重建影像的纹理细节。本文提出的超分辨率重建方法,可以使重建影像提供更多的高频信息,具有较好的稳定性和鲁棒性。     

CNN结合SLIC的PolSAR区域化分类

针对PolSAR分类易受散斑噪声影响出现"椒盐"现象的问题,提出一种CNN结合SLIC算法的PolSAR分类方法。选取荷兰Flevoland地区机载L波段全极化数据作为实验数据,通过Pauli、Huynen和Yamaguchi分解获取了9维特征向量,利用指定窗口尺寸内像素在特征维度的分布特征作为CNN的输入端,在选取实际标签作为训练集进行训练的基础上,通过对网络学习率和随机失活率等参数调整优选,经过200次迭代将影像分为大豆、小麦和建筑等15种地类,并结合SLIC算法获取区域化分类结果。实验结果显示总体分类精度达到97%,Kappa系数为0.94,效果明显优于传统SVM和Random Forest分类算法,同时对国产高分三号全极化数据进行了分类,证明了该分类算法的有效性。     

利用RANSAC算法筛选坐标转换中相对稳定公共点

为提高坐标转换的精度及可靠性,提出一种基于RANSAC算法的相对稳定公共点筛选方法。以四元数坐标转换模型为基础,引入RANSAC算法来迭代筛选控制网中相对稳定点,并将其作为公共点进行坐标转换,以提高转换精度。以加速器工程隧道控制网为例,对该方法进行仿真实验与分析,并与基于M估计的坐标转换结果进行对比。实验结果表明,所提方法能够精确定位粗差,相对稳定点误判率低于M估计结果,且坐标转换精度更高。     

采用反向构成迭代的视觉SLAM直接法位姿估计

为了提高视觉SLAM相机位姿估计的计算效率,提出一种直接位姿估计方法。该方法无需逐帧进行特征提取和影像匹配,直接根据像点辐射信息构建非线性优化问题求解相机位姿。推导了基于灰度变换系数的直接法位姿估计平差模型及相应的反向构成迭代解法,利用常速运动模型构建合理初值假设,设计相应的关键帧判断与创建准则,并基于ORB-SLAM系统框架进行实现,使其在保留间接法优点的同时,运算速度得以显著提升。实验结果表明:该方法估计每帧位姿仅需5.7 ms,可以在保证同等精度的情况下,达到ORB-SLAM系统2倍以上的整体计算效率,基本满足视频影像实时稳健三维重建的要求。     

SAR图像分块CFAR迭代的极地冰山检测

通过迭代CFAR算法,本文发展了一种针对分块SAR图像的冰山检测方法。考虑到滑动窗口运算负担大、计算效率低,首先对SAR图像进行分块,以提取分块内的亮目标冰山。利用高斯模型表征后向散射系数的统计分布,冰山检测阈值可简单地表达为均值和方差的线性组合,将分块内像素逐个比对阈值以检测冰山。考虑到同一场景中尺寸变化大的冰山影响检测精度,以识别的冰山像素做种子执行区域生长,从而提取大尺寸的冰山。针对单个分块迭代上述处理,以降低高斯模型表征分块统计分布的误差,提高冰山检测精度。利用2013年11月22日和29日获取自极地海域的两景RADARSAT-2图像开展验证试验。结果表明,数量多、尺寸变化大并嵌入在海冰等极地常见情形下的冰山,能被文中方法有效识别,选取区域内正确率高达85%以上,且具有良好的运行效率。