多尺度ARMA残差修正模型震前电离层TEC异常探测

为提高电离层总电子含量（total electronic content,TEC）扰动探测参考背景值的预测精度,提出了多尺度自回归移动平均（autoregressive moving average,ARMA）残差修正模型。通过对比该方法、ARMA模型、四分位距法（inter quartile range,IQR）及滑动时窗法对TEC背景值的预测精度,结果显示修正模型预测的TEC背景值平均相对精度为89.78%,分别比ARMA模型、IQR及滑动时窗法高5.18%、1.41%和1.42%,且预测值的残差绝对值小于等于3.0 TECU的百分比为91.67%,明显优于其他3种方法,说明修正模型探测震前TEC异常是可行的。利用该方法探测2013-04-20芦山县Mw7.0级地震震前电离层TEC扰动情况,验证了该方法的有效性。实验结果表明,震前第9天和第13天电离层明显的正异常和震前第1~4天明显的负异常极可能是孕育地震引起的,且正异常主要出现在08:00-10:00 UT,而负异常主要集中在0:00-14:00 UT。     

利用拟构模型面调控水深模型点选取的航海DDM构建

针对传统方法难以确保所建模型的深度保证率满足航海安全要求的问题,提出了一种利用拟构模型面调控水深模型点选取的航海数字水深模型（digital depth model,DDM）构建方法。定义了已选、待选、拟选水深点以及拟构模型面的概念,并利用待选水深点来定量评估模型面的深度保证率与表达度,实现了水深自动选取过程中的DDM质量动态监控。在此基础上,通过构造水深选取中的质量评估综合算子,利用该算子来定量调控水深点的选取,确保所构DDM的深度保证率能达到规定指标要求。实验结果表明:（1）与传统方法相比,所提方法能确保所建模型的保证率满足航海安全要求;（2）对于深度保证率均能满足航海安全要求的水深点,所提方法较传统方法能从一定程度上提高模型在此处的表达度。     

利用等距同构建立多尺度空间实体相似性度量模型

从度量几何学的观点,建立多尺度空间实体等距同构模型。将多尺度空间实体分别看作刚性图形和弹性图形,利用等距同构不变性的概念,构建多尺度空间实体几何相似性图形距离和拓扑相似性图形距离。通过统一几何和拓扑相似性图形距离,构成一个二元集值距离,作为多尺度空间实体相似性的评价指标。通过对不同复杂性的面状和线状空间实体多尺度表达图形的几何和拓扑相似性度量实验表明,该方法能同时顾及多尺度空间实体几何和拓扑结构的改变,且符合空间实体的多尺度抽象规律。     

多模式一体化指挥监控系统框架设计与实现

针对现有指挥监控系统集成复杂度高,交互不友好,扩展性差等问题,提出了多模式一体化指挥监控系统框架解决方案。介绍了多模式一体化指挥监控系统的原理,将现有指挥监控系统按模式进行划分,并详细描述了实现多模式管理的技术。设计了多模式一体化指挥监控系统的框架,利用插件技术实现了系统业务逻辑的有效集成;并通过测绘导航分队指挥监控系统验证了该系统框架的可行性与实用性。     

一种面向多图层的制图数据综合方法

数据综合是地图制图的重要内容,同时也是自动化程度较低的部分,一直以来是地图制图领域的研究热点。在实际生产经验基础上,提出一种面向多个存在公共边的图层数据综合方法,并利用FME软件进行实现,且在地理国情普查图制作中得到应用,效率得到显著提高。     

基于多光谱数据的南海浅水水深测量算法研究

沿海地区的水深测量是大多数海岸工程和沿海科学应用的常见要求。然而,在我国南海浅水区域(0—10 m)及部分政治敏感区,船只很难到达导致测量非常不便,这种情况下遥感测量方法凸显了其价值。本文基于QuickBird多光谱遥感影像及同时期多波束实地测量水深点数据,利用6种算法模型定量反演了中国南海甘泉岛周边浅海的水深。精度验证结果表明,基于遗传算法优化的BP神经网络模型与实际测量水深的相关系数R2大于0.96,测量结果可靠。     

基于多源影像融合去云的水深遥感反演研究——以哨兵-2A和资源三号为例

利用Worldview-2、资源三号、Sentinel-2A、高分一号,以及Landsat-8等5种光学卫星数据和电子海图数据,在研究多光谱遥感水深反演机理以及基本流程的基础上,探究了多源遥感数据去云融合与水深反演。一方面,以不同空间分辨率的影像融合为切入点,用GM融合算法、小波融合探讨不同空间尺度、不同数据源融合影像对水深反演结果的影响,探讨水深反演过程中遥感影像去云融合的可行性。另一方面,以多源遥感水深反演为切入点,基于双波段比值法,反演实验区域20 m以内的水深,并进行精度评价。实验表明,利用小波融合去云可以改善水深遥感反演中有云区域的影响,一定程度上提高反演精度和制图资料的完整性。     

基于压缩感知法对法拉第色散函数的重构

观测到的偏振量与法拉第色散函数之间是傅里叶变换对,而法拉第色散函数反映了辐射区域和辐射传播途径的磁场结构。如何通过这一关系精确重构出法拉第色散函数对于研究银河系及河外星系磁场具有重要的作用。目前已提出了基于压缩感知的法拉第色散函数重构方法,模拟结果要优于传统方法,然而是否具有实用性仍然未知。主要探究该方法应用于实际观测频率范围时是否依然可行,并进行了大样本统计学实验。结果表明:重构结果受多种因素的影响,具有很大的随机性,对重构结果在峰值附近再次进行最小二乘拟合后,重构的法拉第深度更接近真实值。     

深度卷积神经网络支持下的遥感影像飞机检测

针对YOLOv3算法对小目标检测较差及出现较多漏检的问题,本文提出了一种优化的YOLOv3算法.首先使用K-means算法计算出与数据集相适用的锚框;其次将扩张卷积引入到YOLOv3网络,用来增强网络高层的感受野,改善小目标的检测效果;然后使用深度可分离卷积取代YOLOv3网络残差模块中的普通卷积,可减少计算量,从而得到一种新型卷积神经网络结构;最后在数据集上进行对比试验.结果表明,优化的YOLOv3算法能够检测出更多目标,降低漏检率,相比于YOLOv3算法,其召回率提高11.86%,F1-score提高2.99%.     

深度学习GoogleNet模型支持下的中分辨率遥感影像自动分类

提出了一种基于深度学习技术的遥感分类方法,它能有效解决中分辨率影像在分类过程中出现的像元混分问题。研究选用2016年5月12日武汉市Landsat 7 ETM+遥感影像,基于GoogleNet模型中的Inception V3网络结构,借助迁移学习方法,构建出遥感分类模型,实现了对武汉市主城区4类典型地物（不透水层、植被、水体和其他用地）的自动分类提取,并将分类结果与传统最大似然分类（ML）结果进行了对比分析。研究表明：基于深度学习方法的遥感影像总体分类精度高达88.33%,Kappa系数为0.834 2,明显优于传统ML方法总体分类精度83%和Kappa系数0.755 0,而且有效抑制了地物在分类过程中出现的像元混分现象。