对流层双向时间比对及其时延误差分析

双向时间比对技术广泛应用于高精度时间同步系统中,借鉴卫星双向时间比对和流星余迹双向时间比对原理,本文提出利用对流层散射通信进行双向时间比对的思想。分析对流层散射通信延迟理论及其在高精度时间比对中的重要性,研究对流层双向时间比对技术原理及其时延误差,根据选择的3个观测站的气象数据,详细分析各站在不同计算模型下的延迟误差,并设计了一种多站对流层散射双向时间比对系统。研究表明,在对流层散射双向时间比对中,散射传输时延误差是影响比对精度的最大因素,估计理论上总时延误差在1.2ns左右。     

多倾斜角度数字沙盘自适应投影算法

抬高数字沙盘一定倾斜角有利于提升实体沙盘和投影内容的观赏体验,但沙盘倾斜后投影内容会偏移。针对该问题,本文提出了多倾斜角度数控沙盘自适应投影算法,根据投影内容和现场环境参数建立原始像素矩阵;对不同的投影位置建立相应的坐标纠正模型;遍历像素点后计算出倾斜后的新坐标;将每个点的颜色值赋给新坐标点,得到纠正像素矩阵,从而实现自适应投影。试验结果表明,该算法能有效地保证投影内容准确地投影到沙盘上。     

多尺度样本熵高光谱图像分类

针对目前高光谱图像分类数据冗余度高,计算效率低下,且易丢失光谱信息等问题,该文提出一种可以有效地利用光谱信息通过多尺度样本熵提取图像特征的方法。先描述多尺度样本熵计算过程,并对参数进行分析,选取最优参数。在此基础上,分析多尺度样本熵曲线变化规律,设计最优多尺度样本熵特征选择方法。将选取的最优多尺度样本熵特征矢量代入支持向量机分类器(SVM),实现高光谱图像分类。将该文算法与深度特征融合网络(DFFN)算法和基于自适应波段选择(ABS)算法在PaviaU图像和Indian Pines图像上进行对比实验,并对其结果进行定量精度评价。实验结果表明,对于两组高光谱图像,该文算法在总体分类精度上分别达到了98.64%和96.49%,明显高于两种对比算法,同时在时间效率上也有了显著提升。     

基于EMD-自适应滤波的干涉图去噪方法研究

提出了一种基于EMD-自适应滤波干涉图去噪方法,该方法基于信号和噪声经过经验模态分解后在不同的IMF上有不同的特征,即先对信号进行经验模态分解,然后对各个高频IMF信号分别选用不同的滤波梯度参数进行自适应滤波处理,从初始干涉图上减去与斑点噪声所对应尺度信息,从而达到噪声抑制的目的。通过实验对比研究了该算法与Goldstein滤波、圆周期中值滤波、EMD分解方法和梯度-自适应滤波去噪的降噪效果。实验表明,该方法不仅能有效地去除InSAR干涉图的噪声,并且能很好地保持相位的细节信息和条纹的边缘信息。     

从车载激光扫描数据中提取复杂建筑物立面的方法

提出一种从车载激光扫描数据中提取复杂建筑物立面的新方法。该方法首先利用"维数特征"方法确定每个扫描点的最佳邻域,进而计算得到每个扫描点精确的局部几何特征(法向量、主方向、维数特征);然后基于"维数特征"对扫描点进行粗分类,并设置相应的生长准则对不同类别的扫描数据分别进行分割;最后综合建筑物立面的语义知识对建筑物立面区域进行精确提取。试验结果和比较分析表明,本文的方法不但能提取建筑物平面和非平面立面,而且可消除点密度差异(变化)对建筑物立面提取结果的影响,提高建筑物立面提取的正确率和完整性。     

基于坡度自适应的机载LiDAR分割算法

本文提出了一种适用于离散LiDAR数据的区域生长算法:将离散点云数据重采样为规则格网,通过坡度自适应区域生长法分割规则格网,获得不同的面片;建立各个分割面片之间的拓扑关系,将分割面片划分为粗差、植被、建筑物和地面;检测原始激光脚点到DTM的距离,判断是否为地面点。文中采用ISPRS提供的测试数据验证了算法分割的有效性。     

一种融合光谱匹配和张量分析的高分辨率遥感影像目标探测器

提出了一种基于光谱分析理论和张量代数理论的高分辨率遥感影像目标探测器.首先在向量空间中对目标光谱进行特征匹配;然后对光谱特征与目标相似的像素进行空间-光谱特征一体化张量描述,进而在张量特征空间中对目标和背景进行分类.实验表明,张量学习机能够有效地对高分辨率影像进行目标识别.加入光谱特征匹配后的目标探测器能够极大地降低目标深测时间,同时进一步提高目标探测精度.     

基于混叠震源和频率组编码的频率域自适应全波形反演(英文)

全波形反演是一种高精度的地震成像方法,可以对地下介质物性参数模型进行准确的重构。然而在实际应用中,尤其是在三维复杂介质反演中,计算成本太大是该方法的一个重要缺陷。将混叠震源技术引入到频率域全波形反演中可以大幅度地降低计算成本,提高反演效率。但是使用震源编码技术也带来了两个问题:一方面,参与编码的各个震源之间会产生"串扰噪声",导致反演结果中出现假象;另一方面,基于震源编码的频率域全波形反演方法周围噪声较为敏感,使该方法对含噪数据反演质量较差。本文引入一种频率组编码方法来压制"串扰噪声",并基于震源编码技术提出一种频率域自适应全波形反演方法,通过一个与频率相关的自适应选择机制,将常规频率域全波形反演方法和基于震源编码的全波形反演方法联合起来,在保证反演质量的同时也最大程度地提高了反演效率。     

自适应非局部均值地震随机噪声压制(英文)

非局部均值滤波是一种基于图像信息冗余的去噪方法,其认为图像自身的有效结构具有一定的重复性,而随机噪声则不具备这一特点,通过利用图像本身的自相似性来达到压制随机噪声的目的,是一种全局的去噪方法。本文把这一思想引入地震数据随机噪声压制中,针对传统非局部均值滤波计算量过大的问题,文章采用分块非局部均值的方式来减少计算量;针对滤波参数选取会影响非局部均值滤波效果的问题,提出一种简单的自适应滤波参数地震数据分块非局部均值算法。模型和实际数据处理结果表明:相对于传统的去噪算法(如f-x反褶积),该方法在压制随机噪声的同时对有效信号保护地更好,具有更高的保真度,更有利于后续的处理和解释工作。