一种改进的车头SURF特征提取和匹配

通过对加速鲁棒性算法特征关键点提取和匹配的研究,提出一种改进的车头加速鲁棒性特征点提取方法,该方法在车头图像像素梯度变化较大的范围内提取关键点,然后采用最近邻比例算法进行特征点匹配。实验结果表明,提出的改进方法不仅能够筛选出鲁棒性较强的关键点,同时提高了特征的提取速度和匹配效率,在总时间上比尺度不变特征变换算法提高了3~6倍;比加速鲁棒性算法提高了近1/4。     

基于遗传算法的瞬变电磁法线圈阵列优化设计

为解决瞬变电磁检测技术遇到地底干扰物时在探测精度方面的不足,从载流直导线出发,利用磁场矢量叠加原理,计算单个正三角形空间磁场分布,设计了一种正三角形发射线圈阵列。为得到更好的磁聚焦特性,利用遗传算法对线圈阵列的具体参数进行优化。仿真结果表明:87.5%及以上的磁场能量集中在半径0.113m的特定区域内。说明该线圈阵列在较小目标区域实现了聚焦,具有良好的聚焦性,可以应用在瞬变电磁检测技术发射回线中。     

基于Android的电力规划信息系统设计与实现

智能移动终端的飞速发展为电力规划信息在移动平台的展示提供了新的机遇。本文针对离线式移动GIS的特点和优势,结合电力信息系统移动客户端的建设情况,从移动GIS的架构、应用模式、数据组织方案、移动GIS关键技术及实现等方面进行了探讨建立一个基于Android的电力规划信息系统。     

基于地理信息服务平台的农业信息系统研建

当前农业地理信息管理系统在农业信息资源的有效统一管理和共享方面发挥着越来越重要的作用。本文主要讨论了如何在地理信息服务平台的支持下构建农业地理信息系统,从而加快系统建设步伐,减少财政投资,合理管理现有农业资源,为农业部门提供辅助规划和决策,加快农业现代化进程。     

海南省基础地理信息数据库设计与建库

简单介绍了海南省基础地理信息数据库的物理设计和逻辑设计,包括数字线划图数据库、数字正射影像数据库、数字高程模型数据库、地名数据库以及元数据库五个子库的逻辑设计,以及数据库建库的步骤,包括数据入库前检查,数据库结构设计和数据入库。     

一种基于DCT变换的数字水印算法在“天地图·广东”中的应用

地理信息公共服务通过云平台进行部署和发布,可以使得其应用于政府部门和社会的空间数据服务更加高效和稳定。然而,把对应的地图信息挂载在云平台供应商处同时也加大了防止电子地图被盗用的难度。本文针对"天地图?广东"的电子地图瓦片,提出了一种具有高鲁棒性、基于离散余弦变换(DCT)的数字水印算法,在寄存云端和公开发布的电子地图中隐藏生产单位版权的数字水印图片,藉此来跟踪、抵制"天地图"图片数据的非法流通,非法复制,有效地保护数据生产单位的合法权益。     

江苏沿海滩涂利用模式遥感影像解译和时空变化分析

为了弄清江苏沿海滩涂利用模式分布情况,定量分析其时空变化趋势,本文基于Google Earth Engine云计算平台和Landsat卫星遥感影像数据,结合随机森林分类方法,通过机器学习建立了滩涂利用模式自动识别分类方法,样本训练后识别准确率达93％以上.利用该方法提取了2002年、2014年和2019年江苏沿海的土地...     

基于航摄影像的滇池捞鱼河湿地植物类型提取

为了获取滇池湿地的植物类型分布信息,以捞鱼河湿地为示范区,采用分辨率为0.15 m的航摄影像为影像数据源,利用人机交互和面向对象相结合的影像解译方法,实现捞鱼河湿地植物类型分布信息的提取.在植物类型边界提取过程中,发现过高的影像分辨率(≤0.3m)不利于成片具有空间异质性植物类型边界的正常提取,容易出现同一类型过度分割情况.通过邻域降分辨率重采样技术,将影像分辨率降至0.6m时,能有效解决过度分割问题.当分辨率降至更低时,虽然能解决过度分割问题,但会导致地物边界出现不同程度的锯齿而与地物边界不符的后果.研究所应用的基于Feature Extaction模块的植物类型边界提取方法,能有效减少人机交互方法中人工勾绘边界的工作量,在保证分类精度的同时减少人力投入,对航摄影像在大范围湿地植物类型的提取中具有重要借鉴意义.     

基于遗传小波神经网络的海底声学底质识别分类

分割海底声纳探测图像,提取单元特征向量进行主成份分析,选取均值、标准差、对比度、相关系数、能量及同质性作为训练特征向量,构建小波神经网络。利用遗传算法优化小波神经网络的初始权值及小波参数,对砂、礁石、泥3种底质类型分别进行训练,并得到3种底质的测试精度都在90%以上,优于单独利用小波神经网络进行训练时的测试精度,克服了小波神经网络训练时易陷入局部极小的固有缺陷,表明基于遗传算法的小波神经网络可有效用于海底底质声纳图像的识别和分类。     

海岛礁光学和雷达影像基于改进非子采样小波变换的自动配准

Homologous feature point extraction is a key problem in the optical and synthetic aperture radar （SAR） image registration for islands. A new feature point extraction method using a threshold shrink operator and non-subsampled wavelet transform （TSO-NSWT） for optical and SAR image registration was proposed. Moreover, the matching for this proposed feature was different from the traditional feature matching strategies and was performed using a similarity measure computed from neighborhood circles in low-frequency bands. Then, a number of reliably matched couples with even distributions were obtained, which assured the accuracy of the registration. Application of the proposed algorithm to SPOT-5 （multi-spectral） and YG-1 （SAR） images showed that a large number of accurately matched couples could be identified. Additionally, both of the root mean square error （RMSE） patterns of the registration parameters computed based on the TSO-NSWT algorithm and traditional NSWT algorithm were analyzed and compared, which further demonstrated the effectiveness of the proposed algorithm. The algorithm can supply the crucial step for island image registration and island recognition.