单基准线向量解算法在GPS变形监测中的应用

GPS测量目前在三峡库区变形监测应用较为广泛,但常规数据处理中,网平差这一步骤导致了因某点测量误差偏大而导致的整个监测网中其他监测点测量误差偏大,为解决这一问题,介绍了单基线向量解算法,并利用该方法对长屋滑坡2005年3月-2007年3月的监测点数据进行解算,提出了该方法能减少测量误差和内业工作量,并能运用于实际工程。     

SISA完备性监测与WUL可靠性算法

详述了Galileo完备性概念,分析了空间信号有效参数完备性监测系统和监测机理,给出Galileo系统中描述SISA预报形式和算法模型.基于空间信号完备性参数的算法,优化计算最坏用户位置方法,建立了算法模型,得出相应结论.算法和结论初步验证适用于全球,为进一步研究Galileo系统完备性算法和估计用户保护水平奠定基础.     

含交叉断层的复杂地质体3维建模算法研究

在矿井生产中,出现交叉断层的区域往往是地质构造非常复杂的地方,也是危险高发的区域.对含交叉断层的3维地质建模的算法进行了研究.其主要思想是分别建立岩层和断层的TIN模型,以断层交线作为约束条件,进行带约束三角剖分,从而建立起交叉断层模型.这将有利于矿山的工程管理,减少危险的发生,作为后续采矿生产的依据.     

利用人工鱼群算法优化高斯过程模型及应用分析

基于高斯过程利用传统共轭梯度法搜索超参数,存在对初始值依赖性强、获得局部最优解的不足。本文采用人工鱼群算法对超参数进行智能寻优,建立了基于人工鱼群算法的高斯过程模型对变形体形变进行预测分析。通过隧道和基坑两个工程实例计算比对分析,NN、SE和RQ 3种核函数中NN核函数的预测效果最好,平均相对误差分别为0.69%和1.06%。结果表明超参数优化模型的预测精度得到了较大的提高,改善了高斯过程算法本身存在的超参数求解方面的不足,效果明显。     

一种改进的SEVB整数模糊度搜索算法

针对浮点模糊度精度较差时SEVB算法存在搜索耗时较大的问题,提出一种改进的SEVB算法。该算法通过限制初始搜索空间大小和优化计算过程,能够有效减少模糊度搜索候选点个数和不必要的冗余计算,进而提高搜索效率。试验结果分析表明,当浮点模糊度解算精度较低时,改进算法的搜索效率比SEVB算法明显提高,且其搜索耗时不易受模糊度维数及精度的影响,具有更好的稳定性。     

双极化SAR数据反演裸露地表土壤水分

为了较高精度地获取大范围地表土壤水分,提出一种基于双极化合成孔径雷达数据的裸露地表土壤水分反演模型即非线性方程组,通过改进的粒子群算法求解非线性方程组从而得到土壤水分。首先通过AIEM模型数值模拟和回归分析,得到一种新的组合粗糙度,然后模拟分析得到土壤水分与雷达后向散射系数的关系,从而建立雷达后向散射系数与组合粗糙度、土壤水分的经验关系。利用ASAR C波段双极化雷达数据,基于经验关系和改进的粒子群算法即可实现土壤水分的反演。经过黑河流域实测土壤水分数据对模型进行验证,反演结果与实测数据具备良好的相关性(R~2=0.778 6)。与以往同一区域研究成果比较,文中的方法反演精度有所提高,更适用于裸露地表土壤水分反演。     

粒子群算法及多阈值指数熵的遥感影像变化检测方法研究

在遥感影像检测中,一般采用多变化阈值来提高检测精度,但会导致运算量的增加。为解决该问题,提出利用粒子群算法及多阈值指数熵的遥感影像变化检测新方法。首先采用影像差值法构造差异影像;然后提出利用粒子群和多阈值指数熵的遥感影像分割方法,并将其用于对差异影像进行分割获取变化区域;最后对选取的实验数据进行变化检测,并与基于模糊C均值、双阈值指数熵、三阈值指数熵的非监督变化检测方法进行比较。实验结果显示,提出的变化检测方法其精度为94.77%,本案方法是一种有效地、可靠的遥感影像变化检测方法。     

基于MATLAB的图像边缘检测算法的比较与分析

图像的边缘中包含有图像的大部分信息,并且图像边缘检测是图像处理与分析的关键性步骤,也是模式识别与计算机视觉领域的主要研究内容之一,因此,研究边缘检测算子对图像处理十分重要。运用MATLAB对Sobel算子、LOG算子及Canny算子三种常用的边缘检测算子进行了仿真实验,分析了其各自的优缺点,得出Canny算子是三种算子中边缘检测效果最好的边缘检测算子。为今后的实际应用,选择合适的算子提供了参考依据。     

基于自适应Ransac算法的基础矩阵估算

基础矩阵估算是计算机视觉中恢复两张影像相对运动不可缺少的步骤,通常使用Ransac算法从包含大量外点的数据集中估计基础矩阵。经典Ransac判断样本是否为内点的阈值是经验值,不能满足所有样本,且在两个矩阵含有相同内点数时无法确定最优基础矩阵。本文介绍了自适应Ransac算法及流程,将其应用与基础矩阵的解算中。通过利用无人机影像与手机拍摄照片进行实验。实验结果表明,自适应Ransac算法可得到比经典Ransac更精确的基础矩阵。     

FREAK和改进的RANSAC算法在影像匹配中的应用

针对倾斜摄影中包含多个视角的影像而使匹配速度较慢的问题,提出了一种Speeded up robust features(SURF)、Fast Retina Keypoint(FREAK)和改进的Random Sample Consensus(RANSAC)算法相结合的影像匹配算法。首先利用SURF算法提取出稳健的特征点,然后利用FREAK描述符对特征点进行描述,在影像匹配阶段首先进行预匹配,然后用改进的RANSAC算法剔除错误匹配点对。经实验比较分析后得出:该算法在效率和匹配精度上都有较好的鲁棒性。