深度学习融合局部聚合向量的增强现实标志物检索研究

为了降低计算量,增强现实（augmented reality,AR）经常在真实场景中设置人工标志物,用以协助相机对场景的跟踪,因而对人工标志物的检索与跟踪技术十分关键,是增强现实融入大众生活的重要前提。针对标志物检索问题,设计了一个端到端的神经网络模型,该模型由特征提取和局部特征聚合两大核心模块组成：特征提取模块使用卷积神经网络提取图像高维特征;局部特征聚合模块对高维特征进行降维与压缩,为图像编码全局特征。该网络在文中提出的一种新的损失函数的指导下进行训练。为了解决真实场景数据收集成本较高的问题,提出了一种模拟数据集,网络在模拟数据集上训练及测试,取得了较高的检索准确率,证明了深度学习与局部特征聚合结合的方法在图像检索领域的可行性。     

北斗三号卫星观测信息高度角相关随机模型统计特性分析

观测信息随机模型在参数估计、质量控制和精度评定过程中具有重要作用,准确的观测信息随机模型是北斗精密定位的基础。首先,利用简化的Helmert方差分量估计方法估计北斗三号卫星观测信息精度,并拟合模型系数;然后,利用全局检验和ω检验对基于分段函数、正弦函数、余弦函数和指数函数的随机模型进行统计检验,分析随机模型统计特性;最后,利用精密单点定位（precise point positioning,PPP）检验各随机模型对定位性能的影响。实验结果表明,北斗三号卫星的伪距和载波相位观测值精度均与高度角相关,且观测类型不同,相关程度不同;基于指数函数的随机模型在拟合误差、全局检验和ω检验中均表现出最优的性能,全局检验浮点解和固定解的误警率仅为5.1%和4.9%,ω检验伪距和载波相位最大误警率分别为5.8%和6.8%,PPP收敛时间最短,定位精度最高。基于指数函数的随机模型能够准确描述北斗观测信息精度,提高北斗三号卫星精密定位结果的精度和可靠性。     

基于多时相冠层结构参数对冠层光谱的敏感性分析

遥感反演的前提需对模型的输入参数进行敏感性分析.该文选取冬小麦返青期、拔节期、孕穗期和抽穗期,考虑输入参数之间的相关性,以辐射传输模型(PROSAIL)为研究对象,对比分析了局部敏感性和全局敏感性方法在模型不确定性和LAI敏感性上的差异.结果表明,随着冬小麦的生长,模拟光谱与实测光谱吻合度提高,模型模拟的不确定性降低;与局部敏感性方法相比,全局敏感性方法的模型不确定性降低,模拟精度提高,冠层光谱对LAI的敏感性有明显变化,植被指数对LAI的敏感性则相对稳定;与NDVI相比,TGDVI对LAI更敏感.     

黄河流域绿色发展水平时空演变特征

采用全局Malmquist-Luenberger指数,测算了2001-2018年黄河流域的绿色全要素生产率,作为绿色发展水平的度量指标,并借助于核密度估计、泰尔系数、变异系数、Dagum基尼系数等考察黄河流域绿色发展水平的时空演变特征.结果 表明:黄河流域绿色发展总体水平不高,且呈现出缓慢的波浪式上升特征,增长的动力来...     

近景摄影测量在目标监测中的应用

本文主要介绍近景摄影测量技术中一种基于单应性矩阵进行的核线影像重采样过程，以及利用半全局匹配(SGM)算法进行核线影像匹配，在得到高精度的、密集的同名点后，通过前方交会的方法获取目标三维点云数据，然后对两期监测数据及全站仪测量数据进行对比分析，进而实现目标位移的监测研究，通过结果可知近景摄影测量能够满足目标监测的要求。希望本实验方法为今后的生产任务贡献一份微薄的力量。