多尺度细节增强的遥感影像超分辨率重建

鉴于现有超分辨率重建方法难以突显重建影像细节信息的问题,提出多尺度细节增强的遥感影像超分辨率重建模型框架。首先,通过最小二乘滤波方法将序列影像分解成包含大尺度边缘的平滑信息和包含中小型尺度的细节信息;其次,利用插值方法得到相应的高分辨率细节信息和平滑信息,构造纹理细节增强函数,提升中小型细节的增强幅度;最终,融合细节信息和平滑信息,得到初始的超分辨率重建结果,并利用局部优化模型进一步改善重建影像质量。选取同时相和多时相遥感影像作为试验数据。试验结果表明,本文重建结果与插值方法、TV方法和MAP方法相比,在客观评价指标上均有显著提高,明显改善了重建影像的纹理细节。论文提出的多尺度细节增强的超分辨率重建方法,可以使重建影像提供更多高频细节信息,具有较好鲁棒性和普适性。     

支持向量机的车载雷达点云目标识别

为了进一步研究移动测量系统的数据处理问题,该文根据点云的基本特征,归纳了由7个特征构成的点云原始特征向量,在此基础上,结合语义环境构建了由17个特征构成的点云扩展特征向量,并采用支持向量机模型对车载LiDAR点云进行行道树点云识别的一系列实验。实验中采用粒子群优化算法和遗传算法对支持向量机进行参数寻优;采用不同特征向量和不同数目样本对点云进行学习和目标识别;分析了特征向量的学习曲线和识别精度。实验结果表明,支持向量机模型能够在行道树点云识别中取得较高的精度。     

遥感影像超分辨率处理方法与研究进展

随着人们对影像高分辨率需求的不断增加,图像超分辨率技术已成为相关研究领域的热点之一。针对在遥感领域并非所有的超分辨率方法都可用的现状,该文按照遥感影像超分辨率处理的流程,将超分辨率问题分为退化模型、配准、重建和精度评定4大模块。对于其中每一模块的理论、常用方法与研究进展进行了较全面的综述及比较分析。最后对这一领域的未来发展进行思考和展望。     

水库群水沙调控的单-多目标调度模型及其应用

为缓解内蒙古河段"二级悬河"形势,以黄河上游沙漠宽谷河段为研究对象,以龙羊峡水库、刘家峡水库为调控主体,开展黄河上游水沙调控研究。建立了输沙量、发电量最大的单目标模型以及多目标模型;分别采用自迭代模拟算法、逐次逼近动态规划算法(DPSA)和改进的非支配排序遗传优化算法(NSGA-Ⅱ)求解模型;设置了初始、常规、优化和联合优化4种方案。通过实例计算,联合优化调度方案的区间总冲刷量达到了0.38亿t,梯级发电量148.22亿kW·h。该方案以较小的电量损失换来了输沙量的大幅度增加,水沙调控效果显著,推荐为最优方案。研究成果量化了水沙调控效果和各目标间的转化规律,为开展黄河上游水沙调控提供了决策依据,具有重要的应用价值和实际指导意义。     

高频地波雷达海杂波背景下的船只目标检测研究进展

针对海杂波对高频地波雷达目标检测的干扰问题,分目标处于海杂波谱区之内和之外两种情况综述了海杂波背景下的目标检测方法。对于海杂波内目标检测的难题,介绍了一种基于现场海态同步观测信息的检测新思路以及初步验证结果。对国内外相关研究进展的归纳总结和新思路的提出,为提出更加有效的海杂波干扰下的目标检测方法提供了重要的参考。     

多波束测量测线布设优化方法研究

随着多波束测深技术的广泛应用以及人们对高精度海底地形测量的迫切需求,海洋测深已由离散、低精度、低效率向全覆盖、高精度、高效率的方向发展,传统的技术设计已不能满足对海底精细描述的要求。而测线布设作为海区技术设计的一个重要环节,其设计方法仍相对滞后。基于这一现状,在深入分析测线布设对测量成果的影响机制基础上,提出了一种全新的多波束测线布设优化方法,并详细给出流程图。整体研究结果表明:该优化方法是合理可行的,体现了逐步优化设计的思想,更符合实际测量需求。     

利用GPR天线-目标极化的瞬时属性分析方法探测LNAPL污染土壤

轻非水相流体(LNAPL)泄漏后会对土壤和地下水造成严重污染,为了准确探测出LNAPL泄漏范围,本文将GPR天线-目标极化的瞬时属性分析方法应用于轻非水相流体污染土壤探测的研究中。采用注入柴油的石英砂砂箱在实验室建立污染土壤模型,利用探地雷达对该污染土壤分别进行天线方位为0°、90°的测量。LNAPL土壤污染物形状、大小、结构并不规则,因此可以通过0°和90°方位天线测量来分析天线-目标极化特征,了解目标物的走向、形状等地下介质信息。通过对预处理后的包含天线-目标极化特征的信息进行瞬时属性分析,LNAPL污染范围可以被清晰地识别,提高了GPR探测能力。     

一种融合单目视觉SLAM与GPS的无人机视频目标定位方法

提出一种融合单目视觉SLAM与机载GPS信息的无人机视频目标定位方法。首先利用单目视觉SLAM实时估计相机相对位姿,融合机载GPS数据,得到WGS84坐标系下的相机位姿估计;其次利用融合后的相机位姿将已知GPS路标投影到像平面,实现GPS路标与无人机监控视频的叠加显示;最后通过关键帧间的极线搜索匹配确定目标像素点的匹配点,并将其反投影到三维空间得其对应的GPS坐标,实现无人机监控视频中的GPS位置查询。实验验证了该方法的有效性、精确性与实时性。     

一种新的六自由度测量方法

针对空间中运动目标的六自由度测量,在研制的新型光笔基础上提出了一种六自由度测量方法。该方法既可以对目标进行六自由度测量,也可以进行单点测量。测量前,只要将光笔安装于被测目标上,利用激光跟踪仪技术和视觉测量技术分别获取光笔的位置和姿态;再将其位置与姿态融合于激光跟踪仪坐标系下的目标六自由度测量值。文中描述了六自由度测量系统的基本原理,并推导了测量系统中涉及到的关键算法。实验结果表明,该方法六自由度测量精度达到国外同类产品水平,基本满足高精度六自由度测量的需要。     

改进的GOTURN算法

随着基于深度学习的算法在计算机视觉领域中的应用不断拓展,GOTURN(Generic Object Tracking Using Regression Networks)算法是第1个满足目标跟踪实时性要求的深度学习算法(达到100 fps),但是该算法的跟踪精度有待提高。针对此问题,采用基于运动估计的卡尔曼滤波算法与基于卷积神经网络的深度学习算法相结合的方法,将卡尔曼滤波算法融入GOTURN算法进行目标跟踪。为了验证该算法的有效性,在ILSVRC2014数据集和ALOV300++数据集中进行了训练和评估。实验结果表明,该算法不仅能够满足目标跟踪的实时性要求,而且能够提高线性系统的跟踪精度。