佳木斯市国土资源局——实现目标责任制考核“三连冠”

日前，佳木斯市委对连续三年获得目标责任制考核优秀单位的佳木斯市国土资源局给予通报表扬。     

二维位场向上延拓与向下延拓的样条函数法

本文用样条函数法实现了二维位场的向上延拓和向下延拓，向上延拓用样条函数法计算泊松积分，向下延拓用样条函数法求解第一类Ｆｒｅｄｈｏｌｍｔｍ积分方程。模型和实例计算表明，本文方法正确可行且精度高。     

运动目标轨迹数据管理的关键技术研究

运动目标的轨迹数据是空间信息系统的重要信息源。只有科学、合理、高效地利用运动目标的轨迹数据,才能更好地掌握多维动态变化的空间环境。在介绍运动目标的概念和国内外研究现状之后,重点分析运动目标时空数据模型(Moving Objects Spatio-temporal Data Model)相关的关键技术并提出相应的解决方案。     

埃尔米特插值函数在公路平面线形设计中的应用

三次样条函数在公路平面线形设计中有广泛的应用,但由于没有统一的函数表达式且计算量大,因而在应用上不便。埃尔米特插值函数的特点决定其能很好地逼近被插值函数,且计算过程简便。公路平面线形实例设计表明,三次埃尔米特插值函数用于公路平面线形设计中,能够满足路线设计规范(JTJ011-94)的要求,其设计结果与三次样条函数设计结果接近。本研究建立了公路平面线形设计的埃尔米特插值函数方法,可供公路平面线形设计工作参考。     

一种深度图像拟合圆柱的优化方法

圆柱状构件广泛存在于古建筑仿真中,为了提高古建筑深度图像圆柱拟合的精度,针对古建筑仿真3维建模的特点,提出基于高斯图获取圆柱拟合参数初始值,然后利用圆柱距离函数参数化法进行非线性最小二乘拟合的圆柱拟合方法.实验证明,该方法不仅具有较高的精度,而且拟合结果稳定可靠.     

贝叶斯原理在遥感影像恢复中的应用

总结了遥感影像数据获取、传输和存储过程中引起影像退化的原因.根据信号处理中的概率统计理论,推导出了一种可以不依赖目标成像模型的遥感影像去模糊算法.实验结果表明,该算法具有较强的影像恢复能力和抗噪能力,对于缺乏点扩散函数先验知识的模糊遥感影像更加适用.     

多面函数和移动法综合模型支持下的区域垂直形变场拟合

地壳垂直运动的研究中,多面函数法是一种传统并得到广泛应用的方法。本文通过首都圈和晋冀蒙两个地区的实例,对多面函数和移动法综合拟合模型与多面函数模型等几种模型进行了对比研究。结果表明,多面函数和移动法综合拟合模型在拟合精度上优于其他几种模型,拟合残差更稳定,具有一定的实际应用价值。     

基于DBN的车载激光点云路侧多目标提取

提出一种基于深度信念网络（DBN）的车载激光点云路侧多目标提取方法。首先通过预处理对原始数据进行分段,并将地面和建筑物点云与路侧目标进行分离;然后利用连通分支聚类分析算法进行路侧点云聚类,并采用基于体素的归一化分割方法分割重叠点云,从而生成独立目标点云;在此基础上,生成基于多方向目标对象的二值图像并展开成二值向量作为独立目标点云的描述特征;最后构建并训练DBN,利用训练好的DBN提取行道树、车辆及杆状目标等3类路侧目标。试验采用两份不同城市道路场景的点云数据,行道树、车辆及杆状目标提取结果的准确率分别达97.31%、97.79%、92.78%,召回率分别达98.30%、98.75%和96.77%,精度分别达95.70%、93.81%和90.00%,F1值分别达97.80%、96.81%和94.73%。试验结果验证了本文的有效性。     

联合多源重力数据反演菲律宾海域海底地形

对比分析重力-海深的“理论导纳”和实际数据的“观测导纳”,获得研究海域有效弹性厚度理论值为10 km。联合重力异常和重力异常垂直梯度数据,应用自适应赋权技术,采用导纳函数方法构建菲律宾海域1'×1'海底地形模型。试验发现,当重力异常垂直梯度反演海深结果与重力异常反演海深结果的权比为2∶3时,所构建的海深模型检核精度最高。同时,联合多源重力数据反演海深能够综合重力异常和重力异常垂直梯度在对待不同海底地形上的反演优势,生成精度优于单独使用重力异常数据和重力异常垂直梯度数据反演的海底地形模型。以船测数据作为外部检核条件,反演模型检核精度略低于V18.1海深模型,而相较于ETOPO1海深模型和DTU10海深模型检核精度分别提高了27.17%和39.02%左右;反演模型相对误差的绝对值在5%范围内的检核点大约占检核点总数的94.25%。     

利用目标分解特征的全极化SAR海冰分类

特征提取及其选择是SAR海冰分类的重要步骤之一。在众多特征中选取有效特征,进而构建表达地物类型的特征空间是提高分类精度的关键。为此,本文提出一种基于目标分解特征的全极化SAR海冰分类算法。首先,对全极化SAR数据进行多视化处理及滤波操作,生成相干矩阵;其次,对相干矩阵进行目标分解,并针对分解结果提取散射特征参数,进而构建特征空间;再次,通过对所提取的特征进行统计相关性分析,并对高相关特征采用PCA降维,以优化特征组合;最后,设计BP神经网络分类器,并将所得的优化特征矢量作为输入,海冰类别为输出,实现海冰分类。本文以格陵兰中部海域作为研究试验区域,采用L波段ALOS PALSAR全极化数据。通过对本文算法与对比算法的分类结果进行定性定量分析,可以得出本文所选取的特征对海冰识别较好。此外,通过对利用各个不同特征海冰分类结果的性能分析,可以得出基于散射模型的目标分解比基于特征值的H/α/A分解更有助于海冰分类。