几何地理要素的相似性度量方法研究

几何地理数据相似性是地理数据匹配处理的基础,决定着地理数据匹配结果的成功率和准确率。本文分别从点、线、面3个角度对几何地理数据的相似性进行深入分析,通过对点、线、面三种地理要素特点的深入研究,给出了几何地理数据的相似性算法和度量模型。通过实验,初步验证了所提算法的可行性,为地理数据的相似性匹配研究奠定了基础。     

基于Landsat-7影像的缺行修复算法对比分析

采用人为制作的缺行模拟数据,基于Matlab平台对其中4种修复算法——全局直方图匹配修复算法、局部直方图匹配修复算法、自适应窗口直方图匹配修复算法以及自适应窗口回归图像修复算法编程实现图像修复,定量比较4种算法修复效果。结果表明,当修复缺行数据宽度较大的图像时,无论缺行数据位于图像何处,全局直方图匹配修复算法修复效果最理想;当修复缺行数据位于图像内部且宽度较小的图像时,自适应窗口回归修复算法修复效果最理想。     

基于主方向的SIFT误匹配点剔除方法

针对RANSAC方法在剔除SIFT误匹配点方面的不足,提出了一种基于主方向的SIFT误匹配点剔除方法。结果表明,该算法与RANSAC相比,耗时较少,剔除效果更好,保留的正确匹配点数更多,且当误匹配点数量多于正确匹配点时也能得到很好的剔除效果。     

基于Google Maps的路径分析方法研究

路径分析是GIS中的常用功能,它根据起点和终点的位置坐标,计算出一条可行路线表示在地图上,为大众用户的出行提供路线查询方法。本文在研究地名地址匹配技术与Google路线请求服务及Google地名服务基础上,结合两者优势,提出基于Google Maps的路径分析方法,并以实验进行论证,为在基于网络地图服务的WebGIS系统上实现路径分析功能提供一种新思路。     

利用方向纹理特征从影像上搜索道路中心线

针对遥感影像道路中心线提取问题,提出利用方向纹理特征辅助道路中心线匹配搜索的思想,以人工给出的道路种子点和初始搜索方向为基础,运用方向纹理特征直接从遥感影像上匹配搜索道路的中心线。算法通过预测道路的宽度、弯曲等情况来自动调整纹理窗口的大小,因而能够很好地搜索到道路中心线,此外算法针对树木遮挡、车辆压盖设计了相应的处理策略。实验表明:该方法对遥感影像上不同类型道路均有很好的提取效果,且提取效率高于现有的道路提取算法。     

主编手记

最近一个月以来,海洋的热度突然急剧增温。虽然这主要拜日本对我钓鱼岛掀风作浪所赐,但由此引起公众对海洋事务更为广泛的关注也未尝不是一件好事。不过,在钓鱼岛事件过程中引发的诸多社会反应,也揭示了一些平时被掩盖的问题——并不完全是海洋问题。《海洋世界》杂志很少就海洋以外的社会问题展开评述,但是目睹这些发生在我们身边     

基于概率的地图实体匹配方法

数字地图合并是通过同名实体匹配和合并变换技术,调整相关地物实体的几何、属性等差异,实现同一地区不同来源地图数据的集成和融合。其中同名实体匹配是极为重要的第一步,也是一个存在大量不确定性的过程,匹配阈值的选取、实体非一对一的匹配关系是匹配中的关键难题,匹配效果不佳或出现错误匹配直接影响着后续合并结果的正确性。本文提出一种基于概率理论的匹配模型,该模型融合多种匹配指标,通过计算实体匹配概率大小来确定匹配实体。该方法避免了匹配指标精确阈值的选取,并且能够有效地解决匹配中非一对一的情况。     

卫星影像匹配的深度卷积神经网络方法

本文侧重于智能化摄影测量深度学习的第一个方面：深度卷积方法。传统的影像同名点对提取算法通常利用人工设计的特征描述符及其最短距离作为匹配准则进行匹配,其匹配结果易陷入局部极值,造成部分正确匹配点对的遗漏。针对这一问题,本文引入深度学习方法,设计了一种基于空间尺度卷积层的两通道深度卷积神经网络,采用其进行影像间的匹配模式学习,实现了基于深度卷积神经网络的卫星影像匹配。试验表明,在处理异源、多时相、多分辨率的卫星影像情况下,本文方法比传统匹配方法能提取到更为丰富的影像同名点对,且最终匹配提纯结果正确率优于90%。     

高分辨率遥感影像DSM的改进半全局匹配生成方法

提出一种基于改进半全局匹配算法的高分辨率遥感影像数字表面模型（digital surface model,DSM）生成方法。首先利用影像间连接点几何约束关系对有理函数模型进行系统误差补偿,在补偿模型的基础上对影像进行分块,利用投影轨迹法逐块得到核线影像对;在密集匹配阶段,对影像建立金字塔后逐层进行半全局匹配,匹配过程中引入顾及影像纹理信息的视差图膨胀腐蚀算法约束每一层视差搜索范围,增加了视差图边缘处的有效像素数,同时减少了算法所需的内存开销和计算时间;在视差图后处理阶段,利用加权中值滤波算法保护了视差图的边缘信息;最后基于前方交会获取DSM。选取WorldView 3和资源三号立体影像进行试验,结果表明,本文方法获取的DSM精度在高程方向上接近于1.5倍GSD,并且较好地保持了地物的边缘特性,在计算效率和内存开销方面也具有较好的平衡。     

车载LiDAR点云路灯提取方法

道路场景中路灯数量大、类型多,大场景中路灯详细信息获取是一项繁重的工作。本文提出先验样本集辅助的、基于骨架线缓冲区判别的路灯点云提取及种类识别算法：先根据路灯在车载LiDAR点云中的表达特征,构建路灯模型,并构建路灯先验样本集;再依据数学形态学的理论和方法,提取车载LiDAR点云场景中的杆状地物,在路灯模型及语义规则约束下,得到候选路灯;然后根据候选路灯的参数信息,及已获取路灯的统计信息,从样本集中筛选候选样本;最后基于最小二乘理论的匹配算法,对路灯先验样本与候选路灯点云进行匹配筛选,并基于路灯骨架线信息构建的双重缓冲区,对候选路灯进行判别分析,实现路灯的提取和种类识别。试验表明,该算法对于遮挡少、数据相对完整的路灯提取准确度为95.2%,对于遮挡严重、点云密度低、数据完整性差的路灯提取准确度为78.0%,验证了该算法对大场景中路灯详细信息提取的稳健性。