特征优选下的遥感影像面向对象分类规则构建

针对分类规则及其阈值的确定主要依赖人工经验、通用性差问题,该文提出了特征优选支持的面向对象分类规则构建方法。该方法利用面向对象技术,首先使用Boruta算法对先验样本数据集进行特征选择,然后根据隶属度函数构建分类规则集,最后引入置信区间概念,确定分类规则的阈值。以德国波兹坦地区的航空影像、数字表面模型(DSM)以及地面真实参考影像为实验数据,构建城市建筑、城市绿地(包括草地和树木)这两种地类的分类规则,利用不同数量的训练样本,开展面向对象分类实验,与支持向量机(SVM)监督分类方法进行对比分析。实验结果表明,在相同的优选特征下,利用置信区间确定阈值得到的分类规则,提取效果及分类精度更好,尤其在训练样本量少的情况下,该方法得到的分类精度比SVM高30%～40%。     

上下扫描线的Delaunay三角剖分算法

为了提高Delauany三角网构网效率,该文借助平面扫描技术,提出了一种基于上下扫描线与Lawson局部优化算法相结合的Delaunay三角剖分算法。该算法通过上扫描线构网,并发现构网过程中可能产生"盆"的现象,下扫描线处理"盆"以减少构网过程中出现狭长病态三角形的问题,在算法整个过程中尽量降低三角网合法性检查的时间消耗。最后就算法的时间复杂度进行了分析,并与其他常见算法就CPU时间运行效率进行了比较。实验表明该算法实现简单,运行效率相对较好。     

基于LSD算法的无人机影像电力线提取方法

根据无人机影像电力线的特征,利用LSD算法实现了电力线的自动提取。首先使用各向同性的Sobel算子对特征区域进行图像增强,再使用LSD算法进行线段提取,然后通过线段合并和线段拟合过滤线段集合,最后使用K均值算法进行聚类,筛选得到最终电力线结果。采用多种地物背景下的电力线影像进行实验,结果表明,该方法能提取完整的电力线,稳健性强,对电力巡线具有较大的实际意义。     

广度优先算法在爆管分析中的优化与实现

爆管分析是城市地下管线管理系统中的一个重要内容,但目前多数地下管线管理系统采用的爆管分析算法和管线数据结构难以提供最优的爆管分析解决方案。先利用Geodatabase网络数据模型将管线数据建模为逻辑网络和几何网络,并在管线数据模型中明确表达管线中资源的流向,一体化集成存储管线数据;再利用ArcEngine相关网络访问接口扩展优化传统的广度优先算法,以实现有流向环状管线的爆管分析功能。     

基于Landsat8的海冰表面温度反演算法研究

Landsat8影像被广泛应用于陆地表面温度的提取,但基于Landsat8的海冰表面温度产品依旧空缺,且无标准算法可循。基于Landsat8卫星搭载的TIRS传感器获取的热红外波段影像,利用3种常用的劈裂窗算法分别进行海冰表面温度反演,并将结果与浮标实测海冰表面温度数据和MODIS海冰表面温度产品进行了对比和验证。与浮标数据相比,DU C等的算法平均绝对误差和均方根误差最小,分别为1.718 6 K和2.621 3 K,可作为海冰表面温度反演的标准算法;而Jiménez-Mu?oz J C等的算法结果与MODIS冰温产品最为接近,适用于需与已有的MODIS冰温产品联合使用的情况,且两种算法的精度均优于已有的MODIS冰温产品;JIN M J等的算法在研究区域表现不佳。同时,与浮标数据相比,所有基于卫星影像反演的冰温产品在数值上总体偏低。     

基于CIM+GIS的配电网拓扑建模与布局算法研究

在基于公共信息模型(CIM)的配电网拓扑建模规范的基础上,研究了配电网设备的GIS数据建模方法以及空间连接逻辑关系;提出了基于GIS的专题图布局算法(单线图和系统图布局生成技术);并通过佛山市电力GIS建设对拓扑模型和专题图布局算法进行了应用和验证。结果表明,算法能满足专题图布局科学、布线美观和避免交叉等技术要求。     

基于模糊最大似然估计算法的遥感影像分割

针对模糊K-均值算法依赖于群集原型的初始估计和对于数据中所存在的子群数目做出假设的缺点,结合最大似然估计,提出了不依赖先验假设的模糊聚类法——基于模糊最大似然估计的遥感影像分割算法。该算法在模糊最大似然估计算法中用模糊协方差来计算后验概率,用后验概率矩阵代替隶属度矩阵来进行划分。先用模糊K-均值进行图像预处理,然后用模糊最大似然估计算法进行分割。此外,本文用性能指标参数——超体积指标FHV来评价最优的类别数目。本文通过对模拟影像和真实影像的实验,验证了该算法的有效性和准确性。     

三频BDS/INS紧组合的抗差自适应Kalman滤波

构建了适合北斗三频信号的北斗/惯性紧组合模型。针对三频模糊度解算算法的错误整数解可能对滤波结果造成"污染"这一问题,应用了抗差自适应Kalman滤波算法,优化了所建的模型。车载组合导航实验结果表明:三频模糊度解算算法得到的模糊度正确率平均值为99.84%,直接用于紧组合模型将造成最高达0.7 m的天向位置误差;抗差自适应Kalman滤波算法能消除错误模糊度整数解的影响,东、北、天三个方向的位置最大偏差值在厘米级。此外,载体姿态和速度频繁变化造成的状态预测误差也被自适应处理校正,组合导航的位置均方根误差为东向0.007 m,北向0.014 m,天向0.023 m。研究表明,在三频信号条件下,所采用的抗差自适应Kalman滤波能够增强所构建的紧组合模型的可靠性。