结合MST划分和RHMRF-FCM算法的高分辨率遥感图像分割

针对基于像素的HMRF-FCM算法抗噪性差以及对地物复杂边界分割精度低的问题,提出一种结合形状信息的静态MST区域划分和RHMRF-FCM算法的高分辨率遥感图像分割方法。该方法定义一种静态MST同质区域划分准则,借助MST能较好表达边界和形状信息、能较好抑制几何噪声的特点,解决地物复杂边界的表达和降低分割结果中几何噪声问题。首先,利用MST静态划分将图像域划分成若干个均质区域,假设每个均质区域内光谱测度服从独立同一的多元高斯分布。然后,在此基础上构建了区域隐马尔可夫随机场模型,以及建立基于信息熵和KL信息正则化项的模糊聚类目标函数。最后,采用偏微分方法对分割模型参数进行求解,从而得到全局最优分割结果。为验证本文方法,对WorldView-3高分遥感图像进行分割试验。定性、定量分析了尺度参数、光谱相似性参数和区域紧致度参数对最优分割结果的影响,并对比分析本文算法和eCognition软件中的多分辨率分割算法、分水岭算法。     

不规则三角网数字水深模型缓冲面快速构建的滚动球加速优化算法

针对TIN_DDM缓冲面构建与应用中存在的数据类型特殊、算法效率与模型精度不匹配的问题,本文将滚动球模型应用扩展至TIN_DDM缓冲面的构建过程。在分析滚动球模型构建精度局限的基础上,建立了滚动球半径关联的滚动球模型整体精度控制方法;结合大数据量TIN_DDM缓冲面多次构建的应用效率需求,阐明了关键采样点与滚动球半径对TIN_DDM缓冲面构建效率的影响规律;设计了TIN_DDM缓冲面构建关键采样点的判定准则,建立了关键采样点与滚动球半径的数值关联关系;提出了一种基于滚动球加速优化模型的TIN_DDM缓冲面快速构建算法,算法时间复杂度为O(n)。试验结果表明:本文算法可实现任意缓冲半径条件下TIN_DDM缓冲面的多次快速构建,且算法精度控制在2σ内。     

模糊聚类定权法对SLR定轨精度的影响

针对卫星激光测距(satellite laser ranging,SLR)精密定轨过程中存在的测站观测数据合理定权问题,将一种改进的模糊聚类算法引入到SLR观测数据定权中。基于国际激光测距服务(International Laser Ranging Service,ILRS)提供的全球SLR测站性能报告,对测站进行近实时滑动分类定权,改变SLR数据处理中权重的经验或者随意性选取模式。经过LAGEOS1卫星2014年1月至2016年12月3年全球SLR实测数据处理的测试。结果表明,当考虑LAGEOS标准点总数、LAGEOS标准点RMS值以及LAGEOS标准点合格率这3项测站质量控制因素确定的测站权值能最大限度地提高卫星定轨精度和观测数据的使用效率,对参与计算的365个3d弧段数据,91.46%弧段精度得到提高,平均提高约3.7mm,且每个测站的定轨残差RMS也得到了降低。这对于正在迈向毫米级测量精度的SLR技术至关重要。     

基于卫星测高数据的萨德湿地水位变化研究

以萨德湿地为例,使用ENVISAT和Jason2卫星测高数据利用改进的阈值法进行回波重定,反演萨德湿地水位。结果显示:萨德湿地的恒定水域水位变化规律。通过对比萨德湿地和维多利亚湖的水位变化可以发现,维多利亚湖对萨德湿地南部水域水位有巨大的影响,且影响与人类活动(尤其是欧文瀑布大坝的水能发电)有很大的关系,而位于大坝下游的阿尔伯特湖水位变化和萨德湿地南部水域水位变化有很强的相关性。     

PDR算法对地磁室内定位精度的提升研究

利用建筑物中金属结构引起的地磁场扰动可以对室内的行人目标进行定位,而且基于地磁场的定位无需布设任何额外设施,因此可以以低成本实现定位。但仅靠单一的地磁技术无法满足室内定位的精度要求。为了解决磁场数据中单点定位的模糊性问题,本文提出了一种利用粒子滤波算法将PDR与地磁相融合的室内定位方法,并开发了地磁室内导航系统,以智能手机为硬件平台构建磁力计传感器模型,建立匹配轨迹的均方误差准则并实现PDR累积误差实时校正的迭代计算。在68 m×1.8 m的试验区域内,产生的平均定位误差为1.13 m,最大定位误差为2.17 m。本文算法的定位精度比单独PDR算法提升了42%;与单一地磁指纹匹配算法相比,定位精度提高了57%。试验证明,本文提出的融合算法对提高室内定位精度具有显著的作用。     

一种顾及道路影响的点要素注记配置遗传禁忌搜索算法

为使地图上点要素注记配置更美观易读,利用遗传算法的全局寻优能力和禁忌搜索算法的"爬山能力",在考虑传统点要素注记配置约束条件的同时,考虑点要素与道路间的关系,提出了一种顾及道路要素影响的遗传禁忌搜索算法,并从解算精度、运行效率及稳健性3个方面对该算法进行评价。本文以福建省泉州市惠安县1：20万比例尺的乡村点状地形图数据进行试验,试验结果表明,与遗传算法、禁忌搜索算法和ArcGIS软件相比,该算法的算法精度和稳健性均有所提高,但是计算效率略低于禁忌算法,且点要素注记与点要素、道路要素的压盖量最少,与点要素、道路要素注记的交叉量最少。     

Estimation of crowd density from UAVs images based on corner detection procedures and clustering analysis

With rapid developments in platforms and sensors technology in terms of digital cameras and video recordings, crowd monitoring has taken a considerable attentions in many disciplines such as psychology, sociology, engineering, and computer vision. This is due to the fact that, monitoring of the crowd is necessary to enhance safety and controllable movements to minimize the risk particularly in highly crowded incidents (e.g. sports). One of the platforms that have been extensively employed in crowd monitoring is unmanned aerial vehicles (UAVs), because UAVs have the capability to acquiring fast, low costs, high-resolution and real-time images over crowd areas. In addition, geo-referenced images can also be provided through integration of on-board positioning sensors (e.g. GPS/IMU) with vision sensors (digital cameras and laser scanner). In this paper, a new testing procedure based on feature from accelerated segment test (FAST) algorithms is introduced to detect the crowd features from UAV images taken from different camera orientations and positions. The proposed test started with converting a circle of 16 pixels surrounding the center pixel into a vector and sorting it in ascending/descending order. A single pixel which takes the ranking number 9 (for FAST-9) or 12 (for FAST-12) was then compared with the center pixel. Accuracy assessment in terms of completeness and correctness was used to assess the performance of the new testing procedure before and after filtering the crowd features. The results show that the proposed algorithms are able to extract crowd features from different UAV images. Overall, the values of Completeness range from 55 to 70 % whereas the range of correctness values was 91 to 94 %.     

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。     

改进A?的高层建筑逃生路径规划算法研究

针对高层建筑内部结构复杂,发生火灾时没有疏散引导情况,逃生通道极易发生拥堵导致疏散效率降低的问题,本文基于对A*算法的改进,提出了高层建筑逃生路径规划算法。该算法以高层建筑内部路网节点为关键要素,综合火灾发生位置、人员密度、人员数量等因素,从逃生终点优化分配、节点扩展优化、权值优化3个方面进行改进,实现了火灾发生时高层建筑内部的逃生路径规划,并以某高层建筑为例,验证了本文算法的可行性。     

一种基于GA-BP-MC神经网络的高铁桥墩沉降预测模型

提出一种基于马尔科夫链修正的遗传BP神经网络预测模型（GA-BP-MC）,利用遗传算法的全局寻优能力初始化BP神经网络权值和阈值,初步建立GA-BP神经网络预测模型,结合马尔科夫链的无后效性修正模型预测值,形成高精度GA-BP-MC神经网络变形预测模型。结合高铁桥墩沉降数据,分别与BP神经网络、GA-BP神经网络预测模型进行对比,结果表明,该预测模型精度最高。