矢量数字地图质量自动检查方法研究

矢量数字地图质量包括数据情况说明(元数据)、位置精度或定位精度、属性精度、逻辑一致性、数据完整性、时间精度等六方面的内容，检查方法一般采用软件自动检查、人机交互检查、人工检查等。本文针对测绘数字信息工程矢量地图的特点、所采用的数据模型和编码，根据实际工作经验，提出自动检查的方法，这些方法包括：模板匹配技术用于检查属性数据的正确性；数学算法用于检查坐标精度及拓扑关系的正确性；标准规范的具体化用于检查要素格式及完整性；制图规则的计算机理解用于检查数据的逻辑一致性；错误快速定位用于错误的确认和编辑修改等。     

基于不变矩的影像匹配搜索算法

矩在统计学中用于表征随机量的分布，直方图不变矩反映了图像灰度分布的统计特征。本文在对不变矩进行深入探讨的基础上，提出了基于圆表搜索模板的图像直方图不变矩搜索方法，并对两幅待融合影像进行了较高精度的灰度搜索匹配试验，取得了较好的结果。     

南极冰貌卫星影像条带噪声的剔除

本文在简要叙述条带噪声形成原因的基础上 ,针对南极地区的ASTER 1A的可见光影像中出现的条带噪声的现象 ,通过设计了基于切比雪夫窗、凯瑟窗的FIR滤波器和约束最小二乘FIR滤波器对其条带噪声进行剔除 ,这两种滤波器能够尽可能地剔除条带 ,同时使影像的灰度分布发生最小畸变。并通过与其他方法 (例如 :低通滤波 ,直方图匹配等 )比较 ,说明这两种滤波的方法优于其他的方法     

高分辨率遥感影像的精纠正

论述了对高分辨率遥感影像进行精纠正获得正射影像的关键技术。若干实际不同分辨率的高分辨率遥感影像被用于相应的实验，实例证明了本文算法的正确性。     

基于物方影像匹配和概率松弛的断面自动提取

提出了基于物方影像匹配的断面提取,为了提高匹配的可靠性,引入了概率松弛法,最终获得了高精度的断面.     

基于光谱角匹配算法的水体信息提取研究

针对水体信息提取时,传统算法不能较好地解决山体阴影被误提为水体的问题,引入多用于高光谱数据处理的光谱角匹配算法,以Land-sat8 OLI(band1-band7)为数据源,以黄河小浪底水库周边区域为实验区,开展水体信息提取研究,结果显示:水体指数法和波段关系提取的结果中有大量的山体阴影信息,提取精度不超过30%,而光谱角匹配法提取结果受阴影的影响较小,提取精度在99%以上。     

局部区域模型重力异常快速算法

地球重力场位系数模型可以用于计算局部重力扰动场元。然而随着地球重力场模型阶次的提高、局域重力场计算范围的增大,其计算速度往往不能满足工程需求。针对这一问题,在对位系数模型泰勒级数展开的基础上提出了采用向量运算、混合编程的方法,同时对连带勒让德函数Belikov递推方法中与经纬度无关的量进行了预先计算,有效提高了计算速度。提出的方法对于利用超高阶次重力场模型快速解算大范围、高分辨率重力场元数据以及累加求和计算具有一定的参考与借鉴意义。     

TRMM星载测雨雷达和地基雷达反射率因子数据的三维融合

TRMM卫星上的测雨雷达(TRMMPR)探测资料分布均匀且具有很高的垂直分辨率,但灵敏度较低;地基雷达(GR)水平分辨率较高且具有较高的灵敏度,但其垂直分辨率低。通过将TRMM PR与GR反射率因子数据的三维数据融合,得到了更优的反射率因子图像。测雨雷达与地基雷达三维数据融合主要分为以下几步:测雨雷达与地基雷达数据预处理——如去杂波、衰减校正;测雨雷达与地基雷达时空匹配;选取和应用合适的三维图像融合算法;对融合后的图像进行效果评估。试验结果表明:融合后的图像不仅增大了信息量,更好地检测弱降水,还提高了空间三维(3D)分辨率,能更好地反映降水区域细节,且使得数据总体上具有更高的完整性和可靠性。此外,还将基于雷达资料估测的降水数据与地面雨量计数据进行对比,估计反射率因子数据融合在降水测量上的有效性。      

执行器退化的遥机器人系统量化反馈容错控制

针对遥机器人系统中存在执行器退化、控制输入量化,且编、解码端的量化灵敏度参数不匹配的问题,设计了遥机器人系统的鲁棒量化反馈容错控制系统.控制器结构的线性部分由线性矩阵不等式给出,旨在解决系统指标性能问题,非线性部分则用于处理量化参数不匹配问题.经稳定性理论证明,提出的鲁棒量化反馈容错控制方法能消除执行器退化及量化参数不匹配等的影响,并确保从机器人能渐近跟踪主机器人.最后,算例仿真验证了方法的有效性.     

SAR影像与光学影像的高斯伽玛型边缘强度特征匹配法

提出了一种基于影像边缘强度图描述的SAR影像与光学影像匹配方法。首先对影像进行粗纠正,消除影像之间的尺度和旋转变化;其次,改进相位一致性特征检测方法,提取对影像相干斑噪声稳健的特征点;然后基于高斯伽玛型双边窗口比值算子计算影像边缘强度图,在此基础上构造不变特征描述符;最后联合几何约束条件,实现SAR影像与光学影像匹配。试验结果证明,与现有方法相比,本文方法能够大幅提高SAR影像与光学影像匹配结果中的正确匹配特征数量以及影像配准精度。