迭代逼近科学方法在速度估算中的作用

以地球物理中的速度为题 ,在详细描述了速度参数重要作用、各类速度基本概念及其应用范围、影响速度估算的各种因素的基础上 ,以模型和处理流程的叠加速度分析为例 ,在两个层面上展现了迭代逼近方法。又以剩余层速度分析为例 ,说明了具有反馈控制思想的迭代逼近算法 ,从而指出该方法在速度估算中的重要作用     

一种基于牛顿插值迭代的SAR影像滤波评价方法

针对SAR影像难以精确计算信噪比的问题,该文以滤波评价指标信噪比为依托,提出了一种基于牛顿插值迭代修正SAR影像近似信噪比的滤波质量评价方法:根据已知值通过牛顿插值得到更多的数据,再利用牛顿迭代法拟合非线性函数修正近似信噪比。以模拟影像和真实影像为数据源,选择目视效果较好的滤波结果作为真实影像的近似无噪声影像,人工对模拟影像和无噪影像进行降质,并使用5种滤波器对影像进行处理,分别利用基于牛顿插值迭代得到的修正近似信噪比、传统的峰值信噪比、等效视数和边缘保持指数评价滤波效果。结果表明:基于牛顿插值迭代修正的近似信噪比可作为衡量SAR影像滤波质量的评价指标,且无需参考原始无噪影像,对真实SAR影像的滤波质量评价有一定的可行性。     

基于多频率极化SAR影像的洪河国家级自然保护区植被信息提取北大核心CSCD

植被是湿地生态系统健康状况的"晴雨表",明晰湿地中植被的时空分布,是湿地修复与重建、保护与合理利用的前提和基础。以洪河国家级保护区为研究区,利用全极化C-band Radarsat-2和L-band PALSAR数据,根据极化合成孔径雷达(synthetic aperture radar,SAR)目标分解理论,提取了该保护区不同波长的极化分解参数和特征参量,整合为多源极化SAR数据集,利用多尺度迭代分割算法和Random Forest机器学习算法,构建了研究区中植被的遥感识别模型,实现了对研究区中植被的高精度分类,并对比分析了不同频率SAR数据集在植被识别精度上的差异。研究结果表明,利用整合PALSAR和Radarsat-2极化数据集,获取的植被遥感分类结果的总体分类精度为86.77%,比利用PALSAR极化数据集的分类结果精度提高了15%,但是其与利用Radarsat-2极化数据集的分类结果精度差异不显著;浅水草本沼泽的生产精度达到了90.91%,深水草本沼泽的用户精度为90.63%;C-band PALSAR数据比L-band PALSAR数据更适用于高精度识别洪河国家级自然保护区中的植被。     

一种基于定位和姿态数据确定试验船质心的方法

针对试验舰质心确定困难问题,提出了一种基于定位和姿态数据的试验舰质心确定方法。通过建立试验舰姿态与传感器中心诱导升沉的关系,推导出了试验舰锚泊状态下质心在船固坐标系中位置的解算模型。实验结果表明,采用本方法进行试验舰质心确定不需添测深仪以外的设备,确定的试验舰质心具有较高的精度,能明显地提高舰载无人飞行器惯导对准效率。     

利用卷积神经网络进行绝缘子自动定位

提出一种基于二值化赋范梯度特征和卷积神经网络的航空影像绝缘子自动定位方法。首先利用二值化赋范梯度分类器提取绝缘子候选窗口,而后利用卷积神经网络算法进行精细识别,获得包含绝缘子目标的窗口集,最后对高重叠度窗口集进行加权迭代合并得到最终绝缘子定位结果。采用广东电网大型无人机实际线路巡检获取的可见光影像对自动定位算法进行验证,实验结果表明,在复杂背景下绝缘子整体回调率为90.5%,定位精度为92%,证明该方法能够对复杂背景下可见光影像中的绝缘子进行有效识别定位,且算法通用性较强,可适应不同背景的可见光影像。     

非线性参数估计的自适应松弛正则化算法

非线性方程参数估计存在的弊端在于非线性观测方程存在不适定问题时,以线性化平差估计和高斯牛顿为代表的经典数值算法会产生较强的不稳定特征。因此,针对传统非线性最小二乘求解不稳定且可靠性低的特点,基于稳定泛函极小准则最优化思想,提出了一种自适应松弛正则化数值算法。该算法采用正则化参数几何递增计算方法和残差最小步长准则,实现了正则参数和迭代步长计算的完全自适应,提高了非线性迭代收敛效率。以病态仿真数据和水下实测数据为例,验证了该方法的数值收敛解优于线性平差估计解,收敛效率优于迭代Tikhonov正则化方法。     

一种局部稀疏地面点云与已有DEM的融合方法

机载LiDAR采集的点云数据中会存在一些局部区域地面点稀疏的情况,利用这些稀疏地面点构建DEM时会出现“三角面片化”的问题,严重影响DEM的质量。为此,本文提出了一种局部稀疏地面点云与已有DEM的融合方法：将稀疏点云作为高精度控制点,在尽量保持原始DEM的地形形态特征的前提下,通过高斯核函数加权迭代插值算法对DEM进行高程局部改正,实现稀疏点云与DEM的一致性融合。试验分析表明,融合后的点云数据得到了较好的补充,由此构建的DEM地形形态自然,在精度上相对于融合前的稀疏地面点云有一定改善,在弱精度区域的可靠性有显著提升。     

带不等式约束的最小二乘方法比较

解决带不等式约束的平差问题已有较多方法,但不同方法之间的对比分析不足。本文讨论三种带不等式约束的最小二乘算法:简单迭代算法、虚拟误差方程法、迭代乘子法,三种算法都是基于有效约束理论将不等式约束转换为等式约束,通过迭代求解。采用同一组数据和蒙特卡罗仿真实验方法对三种算法计算结果进行对比分析,实验结果分析表明:迭代乘子法算法效率最高,推荐使用该算法。     

基于NDT和ICP融合的点云配准方法

针对传统迭代最近点算法高精度低效率与正态分布变换算法高效率低精度的问题,提出了基于NDT与ICP融合的点云配准方法。首先通过NDT算法选择合适的网格参数将待匹配的点云向目标点云拉近以提高配准效率,完成粗配准,其次使用KD树加速的ICP算法求解变换矩阵以提高配准的计算效率。通过实验表明,本文方法匹配速度相比NDT算法和ICP算法有明显提高,且精度高于NDT算法。     

一种病态EIV模型正则化的修正算法

针对解决变量中含有误差(EIV)模型参数估计算法的降正则化性导致即使模型参数初值可靠,参数估值也可能在迭代过程中发散的问题,该文分析现有EIV模型参数估计算法具有的降正则化性质,讨论EIV模型参数估计算法具有的降正则化性对模型正则化的影响,建立一种病态EIV模型的实时修正算法。通过算例验证该文所建立的算法,算例结果表明,该文建立的算法能够有效解决EIV模型参数估计存在的上述问题。该文所建立的病态EIV模型正则化算法更具普适性。