一种快速有效的大数据区域网平差方法

针对摄影测量影像来源多样化、复杂化、大数据化等趋势,传统区域网平差算法在应对当前复杂多变的数据来源,矩阵排列毫无规律的法方程结构以及大数据量带来的高内存需求和低计算效率等问题上,遇到了前所未有的挑战,为了解决上述难题,本文引入了预条件共轭梯度法以及不精确牛顿解法求解区域网平差过程中的法方程,同时使用一种块状法方程系数矩阵压缩存储格式,构建了全新的区域网平差技术流程。本文方法避免了直接对法方程系数矩阵的求逆,压缩了法方程系数矩阵所需的内存空间,使得本文算法比传统算法所需计算机内存空间大幅减少,平差计算速度明显提升,同时保证了计算精度与传统方法相当。初步试验证明,本文方法对4500张影像、近900万像点数据的平差计算在普通电脑上仅需要约15min,且计算精度达到子像素级。     

云环境下改进TLBO算法的图像边缘检测

针对TLBO算法在解决复杂高维问题时,表现容易陷入局部最优,多样性丢失过快等不足的问题,提出了一种基于云计算环境下改进的TLBO算法(ITLBO),并将其应用到图像边缘检测中。通过对基本TLBO算法中的‘教’与‘学’阶段进行改进,引入一种新的种群更新方法,提高算法的迭代寻优能力。利用云环境下将该方法应用到图像边缘检测中进行实际性能验证,实验仿真结果表明,该方法提取图像的边缘信息的有效性。本文研究可为智慧城市的建设提供关键技术参考。     

改化的有理函数模型在卫星影像定位中的应用

近年来,鉴于高分辨率卫星传感器参数的保密性和构建模型的复杂性常使用有理函数模型进行高分辨率卫星高精度几何定位。但是,在解算有理函数模型参数时,在影像的行和列方向上会产生较大的系统误差,从而影响几何定位精度。因此,提出了一种基于像方坐标系的有理函数优化模型,并将其用于IRS-P5立体像对几何定位。结果表明,在地形较复杂的地区定位效果改善明显,可将该模型推广用于实现高分辨率卫星影像高精度几何定位。     

基于F.Leberl模型机载SAR影像联合平差

机载SAR影像定位时需要进行影像的联合平差,而传统的定位方法需要在地面控制条件较好的情况下才能进行平差。因此采用少量的地面控制点完成影像定位是我们需要研究的问题。论文基于F.Leberl构像模型研究了在控制点较少的情况下进行机载SAR影像联合平差的理论与方法。实验中分别对两景影像和四景影像进行联合平差,实验结果表明随着加密点数量的增加,加密点的精度有所提高,多景影像的联合平差可以减少地面控制点的数量,从而实现稀少控制点条件下的机载SAR影像高精度定位。     

基于时间窗的多车场车辆路径问题研究

启发式优化算法在解决车辆路径问题时具有较好的收敛性,整体法在解决时间窗的多车场车辆路径问题时具有较好的全局性,结合二者优点,进行了算法研究。首先采用整体法得到车辆路径问题的全局最优解;再采用智能优化算法对配送点进行车场选择,匹配代价最小的车场;最后通过实验验证了该算法在解决时间窗的多车场车辆路径问题上的有效性。     

基于时空分配组合的消防设施服务范围计算方法探讨

基于时空分配组合方法,综合考虑服务时间在主干道路和街区内分配的各种情形,探讨了符合实际需求的消防站点服务范围计算方法.提出了基于多个独立指标的评价消防设施布局方案的方法,对消防规划方案进行评价.最后以武汉市武昌区为例对所提出方法进行了实验,实验结果也验证了该方法的可行性和合理性.     

基于相关系数匹配的混合像元分解算法

遥感影像中的混合像元不仅影响地物识别和分类的精度,而且已成为遥感科学向定量化发展的主要障碍.为此,人们已经提出了多种混合像元分解算法,其中应用最为广泛的是最小二乘法.该方法虽然具有意义明确、简单易行等特点,但也易受局部噪声、大气效应、环境辐射等因素的影响.本文将混合像元分解问题归结为一个基于光谱匹配的非线性最优化问题,并针对最小二乘法的不足提出了一种新的基于相关系数匹配(spectral correlation matching, SCM)的混合像元分解技术.通过在北京市北三环及其以北区域内案例的研究表明:在城市区域内,利用图像选取终端端元的办法,基于相关系数匹配的混合像元分解算法的总体精度高于带全约束的最小二乘法(LS)的分解结果.对比分析表明:在目标光谱的绝对值整体放大或缩小而光谱形状得到了很好的保持、及局部噪声使得光谱值显著变化但光谱形状得到了一定程度保持时,基于光谱形状的相关系数法可以得到比基于光谱绝对值的最小二乘法精度更高的分解结果.     

关于进一步改进和完善报国务院批准城市建设用地审查报批工作的通知

在总结2007年度城市建设用地审查报批工作的基础上,为进一步转变职能、改进审批方式,简化手续,优化程序,提高效率,服务城市建设和发展。现就报国务院批准城市年度农用地转用和土地征收方案（以下简称城市年度用地方案）有关问题通知如下：     

多目标粒子群算法与选址中的形状优化

选址问题是GIS最基本的任务之一.一般性的选址是基于点的位置优化,可利用有关GIS功能完成.实际的选址问题是很复杂的.在给定设施的数量和面积前提下,需要在空间上确定设施的最佳位置,并对形状进行优化,以获取最大的效用.采用一般的方法无法求解这种最优化问题.而且,当选址问题涉及多个目标和不同的约束性条件时,就会变得异常复杂.提出了利用多目标粒子群优化算法和区域形状变异算法相结合来解决复杂的空间选址问题.具有智能的搜索方法,大大提高了空间搜索能力,并保持了搜索区域的连通性,取得了较好的效果.     

空间智能:地理信息科学的新进展

在总结多年来研究GIS智能计算的理论与实践基础上,提出地理信息科学发展的新方向:空间智能.空间智能强调发现与应用空间模式,以增强GIS处理复杂数据和解决复杂问题的能力.空间智能主要的技术体系由空间分析、空间优化和空间模拟三大模块构成,其技术基础包括空间统计与索引、智能代理、高级启发式,以及数学规划等系列智能技术.由于空间智能融合了机器学习、统计分析和人工智能等多个学科理论,面向解决实际工程需求中大量存在的复杂时空问题,因此理论上具有广阔的发展空间,实践上也有重大的应用需求.随着空间智能体系的完善和技术的进一步成熟,它将在实际应用中具有巨大的价值.