利用HJ-1B模拟数据反演地表温度的两种单通道算法

针对HJ-1B热红外波段特点,采用修正型QK & B算法,反演广州市2013-01-14的地表温度（land surface temperature,LST）。建立偏微分方程得出,当辐射率误差为0.01时,引起的LST误差约为0.6 K,LST误差与大气透过率成反比,与大气透过率误差成正比,0.1的透过率误差引起LST误差约1 K。大气水汽含量w误差与LST误差成线性关系,当大气水汽含量误差为0.1 g/cm²时,引起LST误差约为0.2 K。LST反演误差与近地表气温误差和大气平均作用温度误差均成正比,1 K的近地表气温误差引起LST反演误差约1K。总的来说,LST反演误差与区间比值和大气平均作用温度误差和近地表气温误差相关。用算法反演出来的广州市地表温度与MOD11_L2温度产品具有较强的空间一致性,温度差值曲线呈正态分布,主要集中在-0.9~0.9℃区域,选取广州市6个观测点,得出修正型QK & B算法和实测地温平均值相差约为0.31 K,MOD11_L2与实测地温的温度平均值相差0.65 K,误差均小于1 K。通过对修正型QK & B算法偏微分方程的推导,可对HJ-1B/IRS中的LST反演进行更细致和精确的分析,为其他针对环境卫星热红外波段类似反演LST的算法提供一定的借鉴,也为后续提高LST反演精度提供科学依据。     

对GPS模糊度解相关方法的一种改进

针对Lenstra-Lenstra-Lovász（LLL）规约算法在高维情况下规约耗时较大的特点,采用贪心算法和部分列向量规约,减少LLL算法规约过程中的基向量交换和尺度规约次数,以降低LLL算法的计算复杂度。通过模拟和实测的数据验证,该改进方法可以降低LLL算法的规约耗时,因而对高维模糊度的快速解算具有一定的参考应用价值。     

坐标排序的离散点凸包生成算法

针对传统的凸包生成方法在数据量较大情况下效率下降明显的问题,该文提出了一种基于平面离散点快速生成凸包算法。基于凸包边界单调性对平面点集分区域按X轴方向排序的方法,较好地减少了传统凸包生成算法的计算量,实现了凸包求取的高效性。实验结果表明:该算法不仅可以快速有效地生成凸包,还能够保证结果的准确性,且效率较高。     

结合模糊分割和遗传算法的航空影像车辆提取方法

利用高分辨率遥感影像实现道路车辆监测在交通管理系统中占有重要地位,然而受成像条件及车辆本身颜色多样性的影响,很难从遥感影像中直接提取道路车辆。为此,本文提出了一种结合遗传算法和数学形态学的遥感影像道路车辆提取方法。首先利用模糊聚类方法建立影像分割模型,并利用遗传算法对其进行求解,从而实现影像中道路、车辆及环境的精确分割;然后对分割结果中不同层进行赋值,实现分割结果的二值化;最后利用数学形态学操作从分割的道路-车辆的二值结果中剔除道路,从而实现道路车辆的提取。利用本文方法对航空影像进行了道路车辆提取试验。试验结果表明,本文方法不仅能够准确识别地面车辆位置,还能精确提取其轮廓线。     

一种启发式有环河系自动分级算法

在地图综合中,河流分级是对水系要素表达的重点也是技术难点,对精确性和计算速度都有较高的要求。目前对河系分级的研究中,已有分级算法的效率较低,且鲜有针对有环河系的分级。基于此,本文建立了河系分级的属性规则、几何规则、环规则,对河系中存在的不同环类型进行了分类处理,且在求取河流最长路径时,运用启发式算法迭代计算,实现了河系的自动分级。实际河系数据试验表明,该算法能在对有环河系的处理中取得良好的效果,提高了河系分级的计算效率和准确度。     

引潮位的Doodson规格化展开及其精度评定

基于引潮位Doodson规格化展开的基本原理以及ELP/MPP02月球历表、Newcomb太阳历表的结构,设计了一个用以代表三角函数的数据结构;并由此自定义了三角函数的乘法与加法算法,将月球、太阳引潮位分别展开至5阶、3阶,振幅绝对值截断阈值为10-7,在展开过程中对"伪波"进行"滤波"处理后,最终得到包含4 686项展开式的引潮位展开表(其中振幅绝对值超过10-6的展开式有2 441项)。以德国BFO(Black Forest Observatory)测站为例,基于DE431历表,通过天球参考系变换计算得到1950—2050年间时间间隔为1 h的法向引潮力基准序列BFDE431;并根据各个引潮位展开表计算得到相应的法向引潮力序列;通过与BFDE431基准序列求差,得到各个差值序列的统计值。计算结果表明,文中给出的展开表对应的差值序列数值在±58×10~(-11)m·s~(-2)(nGal)以内,均方差为12.5×10~(-11)m·s~(-2),与XI89展开表的精度相当。但由于没有考虑行星及地球扁率的影响,仍未达到HW95和RATGP95展开表的精度水平。     

欧氏聚类算法支持下的点云数据分割

欧氏聚类算法是多元统计中的一种重要分类方法,可以将其应用于测绘领域中点云数据的分割。本文首先计算点云数据中两点之间的欧氏距离,将距离小于指定阈值作为分为一类的判定准则;然后迭代计算,直至所有的类间距大于指定阈值,完成欧氏聚类分割。具体步骤为：①利用Octree法建立点云数据拓扑组织结构;②对每个点进行k近邻搜索,计算该点与k个邻近点之间的欧氏距离,最小归为一类;③设置一定的阈值,对步骤②迭代计算,直至所有类与类之间的距离大于指定阈值。试验证明,欧氏聚类算法对不同测量技术手段获取的点云数据均具有适用性,可以成功对点云数据进行分割,分割效果良好。     

基于距离权重的分块MASK匀光算法

匀光处理是遥感影像处理中十分重要的一个步骤,现有的MASK匀光算法对消除影像内部光照不均匀现象有较好的效果。但是,MASK算法仍具有一定的局限性,如高斯滤波器最佳尺寸的选择问题,匀光后影像依然存在反差分布不一致问题。针对这些问题,本文提出了一种基于距离权重的分块MASK匀光算法。通过实验,与传统MASK算法进行对比分析,证明本方法得到的结果影像质量更好,反差也趋于一致。     

彩色地图图像分色的研究及算法实现

研究了目前国内外现有的彩色地图图像分色算法 ,并在此基础上提出一种新的彩色地图图像自动分色算法。该算法直接利用彩色地图图像的颜色特点 ,并充分考虑图像的空间相关信息进行自动分色 ,最终可得到理想的分版图。     

TK算法在GPS中的新应用

讨论了TK算法的原理和在GPS中TK算法的新应用。用TK算法估算出GPS多径信号相对于直射信号的码片延迟,使GPS直射信号经过一定的延迟后,与反射信号进行叠加,提高了直射信号的载噪比,进而达到反射信号增强直射信号的作用。验证了这一算法和结论。