基于偏移四叉树投票的“大尺寸”点状符号多尺度无压盖可视化

为解决Web 2.0环境下点状符号地图混搭中的制图问题,本文研究并实现了一种可100%避免压盖的"大尺寸"点符号高效可视化方法。该方法的核心思想是四叉树网格单选,采用网格平移对多次单选结果投票来计算符号在各缩放级别的显著性等级,可解决符号在相邻网格的空间冲突。该过程不需要显式探测冲突,因而处理效率极高。随着地图放大,重要性较低的符号也逐级显现,实现了语义层次的多尺度表达。针对符号和网格大小比率关系、有效网格平移方案及图面利用率不足问题提出两种扩展:格网增选和多级符号叠加。对方法的可行性进行了试验验证,并分析了该方法在用户查询条件改变下的稳定性和不同数据量下的伸缩性(非优化实现可达到105量级数据的亚秒级处理)。     

多尺度细节增强的遥感影像超分辨率重建

鉴于现有超分辨率重建方法难以突显重建影像细节信息的问题,提出多尺度细节增强的遥感影像超分辨率重建模型框架。首先,通过最小二乘滤波方法将序列影像分解成包含大尺度边缘的平滑信息和包含中小型尺度的细节信息;其次,利用插值方法得到相应的高分辨率细节信息和平滑信息,构造纹理细节增强函数,提升中小型细节的增强幅度;最终,融合细节信息和平滑信息,得到初始的超分辨率重建结果,并利用局部优化模型进一步改善重建影像质量。选取同时相和多时相遥感影像作为试验数据。试验结果表明,本文重建结果与插值方法、TV方法和MAP方法相比,在客观评价指标上均有显著提高,明显改善了重建影像的纹理细节。论文提出的多尺度细节增强的超分辨率重建方法,可以使重建影像提供更多高频细节信息,具有较好鲁棒性和普适性。     

北斗系统周跳探测与修复方法探究

北斗卫星导航系统是中国自行研制的继美国GPS和俄罗斯GLONASS之后第3个成熟的卫星导航系统。进行GNSS相位数据处理的过程中,由于某种原因,载波相位观测值突然出现整周数的跳变的现象称为周跳。周跳现象的发生将会严重影响后续的数据处理,因此,有必要在解算前完成周跳探测与修复工作。本文就北斗系统周跳探测与修复课题进行了较为全面的探究,先后介绍了高次差法、多普勒法、伪距载波相位组合法、电离层残差法、三频数据组合探测法等一系列周跳探测与修复方法,可分别应用于不同频段接收机、不同观测环境、不同数据处理模式。     

回归-Elman网络在矿坝变形预测中的应用

金矿开展矿坝的变形监测工作,引入多层递阶回归分析模型,有较高的预测精度,但方法较繁琐,计算较复杂。由于变形数据可分离成趋势项与随机项,趋势项可用多元线性回归良好地拟合;随机项的预测,文中采用Elman网络建模计算,最后利用矿坝的实测高程位移数据进行验证,并与多层递阶回归进行比较。结果表明:回归-Elman网络模型比多层递阶回归的预测精度更高,效果更好,且方法简洁实用性强。     

基于点云空洞修复和TPS模型的数学形态学机载LIDAR滤波

在分析现有滤波算法的基础上,结合数据驱动和模型驱动式算子各自的优点,提出基于点云空洞修复和TPS变形模型的数学形态学机载LIDAR点云滤波,该方法首先提取和修复由水域造成的大面积点云空洞,采用多尺度形态学开算子作用于修复的数据,得到近似裸露地表面;然后利用2D空间的TPS变形模型,以近似地表面为基础,插值原始点云,根据插值与原始点云高程的差值大小去识别地面点和非地面点。通过定量分析,验证该方法不仅有较高的滤波精度,而且也能较好的保留裸露地表的细节特征,同时该方法有助于辅助人工处理,提高数据处理的质量。     

浅水多波束系统SONIC 2024在码头测深中的应用

文中介绍浅水多波束系统SONIC 2024的技术优点,从姿态参数校正、潮汐改正、声速改正、测线滤波及曲面滤波等方面探讨多波束数据处理的关键技术。以码头实测数据验证该系统在水深测量应用中的便捷性和可靠性。     

抗差估计的多波束测深数据内插方法

针对传统多波束测深数据网格化内插方法抗差性不足的问题,该文将抗差估计理论应用于网格化内插方法中。基于不确定度指标建立了距离不确定度联合加权内插模型,在该模型的权函数中引入了等价权,同时给出了等价权设计方案及迭代初值确定原则,以增强模型的抗差性;介绍了一种节点邻域参考点合理选取方法,给出了改进内插法实现的基本步骤,最后通过实测数据对反距离加权法、联合加权法及改进方法内插水深质量进行比较。结果表明,改进方法内插结果要优于另外两种方法,可应用于多波束测深数据网格化处理中。     

数字孪生铁路多目标粒子群任务调度方法

展示/分析/探索多层次任务及存储/计算/网络资源高效调度是数字孪生铁路的关键技术,随着存储、计算和网络等分布式异构资源不断接入,数字孪生铁路多层次任务并发场景异构资源分配倾斜、任务优先级不匹配、时延高等问题突显。现有调度方法大多针对单一层次任务资源进行设计,无法直接适用多层次任务调度场景,难以保障多层次任务调度的最大完工时间和资源负载均衡全局最优。针对上述问题,本文设计了适用于数字孪生铁路特点的多层次任务调度模型,提出了多目标粒子群任务调度算法,基于云仿真平台CloudSim对该方法进行对比测试,基于DTScope引擎设计实现数字孪生铁路“安全—质量—进度”智能施工管理案例原型。结果表明,本文方法适用于数字孪生铁路多层次任务并发调度场景,与现有方法相比明显提高了多层次任务完成时间效率和任务调度均衡性,可有效支撑数字孪生铁路展示—分析—探索多样化应用。     

基于深度学习的路面裂缝提取

裂缝是主要的路面损坏,路面裂缝自动化提取对于维护和监测路面状况至关重要。针对传统人工检测效率低、缺乏客观性等问题,提出了一种基于深度学习语义分割网络的路面裂缝自动提取方法,实现了由路面图像自动生成裂缝二值图。并且阐释了不同尺度特征对语义分割的好处,并结合裂缝本身细小的特性,在U-Net的基础上增加了大尺度特征提取分支。随后采用激励压缩模块进行两种特征的融合。在CFD(computational fluid dynamics)数据集上的实验表明,该改进算法的F1分数、kappa系数分别可达74.28%和73.83%,相较于其他主流分割网络,提高了约2%。     

利用滚动圆变换的多波束测深数据滤波算法

针对现有多波束测深数据自动滤波算法通常存在因过分追求人工滤波平滑效果,而有可能造成海底微地貌或小型障碍物被不合理删除的问题,以Ping为多波束测深数据处理单元,利用滚动圆变换具有在给定精度条件下可对线要素一定尺度的凹(凸)部进行定量识别和分析的特性,提出了基于滚动圆变换的多波束测深数据滤波算法。在VC++环境下对此算法的正确性和有效性进行了实验验证,结果表明,该算法能在保持海底地形完整性的基础上较好地滤除多波束测深数据中的粗差数据,有利于提高粗差检测的效率。