数学在地图分析中的运用

数学一直是促进地图学形成独立学科体系的重要因素,而近年来地图生产、研究及应用的计量化,特别是在各种信息源数据的处理、数学模型的建立、地图应用分析的定量化等方面发挥了更大的作用。本文从理论结合实际的角度,对在地图的分析使用中进行各种量算、运用数理统计分析法和数学模型分析法提取地图信息作了具体分析,提出了数学在地图分析运用中的几种方法。     

基于形态重构的图像去噪方法研究

应用数学形态学中的形态重构滤波,对噪声图像进行了处理,在去除噪声的同时,也保持了边缘及细节信息。     

浅谈1∶500航测成图的数学精度

通过工作实践 ,论述在城市建筑区使用纯航测方法成图是无法满足其精度要求的 ,如要满足 ,则必须采用诸如全野外数据采集等辅助测量手段     

一种实现依比例街区自动合并的算法

针对依比例街区的图形特征，介绍了一种实现街区自动合并的有效算法，即利用数学形态学和模式识别对栅格数据进行追踪，然后提取街区轮廓线，编辑后就得到最终合并的街区。     

IMD法在多光谱图像分类中的应用

数学形态学着重于分析和处理图像的几何结构信息。根据这一原理，在图像分类预处理过程中，对各种地物区域的几何结构特点进行分析，构造相应的结构元素，然后对图像进行形态迭代分解法(IMD，Iterative Morphological Decompostion)变换。在变换结果中，地物区域的灰度信息进行了归一化处理，同时区域的几何结构特点和独立地物得到了有效保留。将多光谱图像的IMD变换结果进行分类实验的结果表明，该方法可以有效提高多光谱图像分类的精度和效率，具有较强的适用性。     

地图数学定义的研究

在地图内容和形式数学表示的基础上研究了地图的数学定义。由于引入隐式地图和变换条件,故所有储存地图信息的载体均可属于地图的范围,从而使地图定义获得了广义的解释和精确的表达。     

结合数学形态学与多角度模板匹配的高分辨率遥感图像救灾帐篷识别

从灾后遥感图像中快速准确地识别救灾帐篷有利于灾后救援工作的高效开展.本文结合实际应用需求,在前人研究的基础上,提出了一种结合数学形态学与多角度模板匹配的高分辨率遥感图像救灾帐篷识别方法.首先从遥感图像中选择帐篷模板并从中提取形状特征与光谱特征;然后将各波段灰度图像二值化并进行数学形态学运算,参考帐篷的形状特征提取出候选目标;最后根据帐篷的光谱特征,将候选目标与帐篷模板进行多角度匹配,剔除匹配度较低的伪目标,完成救灾帐篷识别.试验结果表明,本方法的识别精度达90%以上,具有较高的应用价值.     

基于区域多次回波点密度分析的城区LiDAR建筑物提取

以正确提取城区Li DAR点云中建筑物为目标,综合利用不同类别目标点云的回波特征以及地形信息,提出了一种基于区域多次回波密度分析的Li DAR点云建筑物提取方法。首先,将点云构建不规则三角网(triangulated irregular network,TIN),获取封闭的等高线;然后,利用等高线间的拓扑关系得到等高线族区域;最后,统计每一区域的多次回波点云密度信息,通过建筑物和树木区域多次回波点云在区域密度上的巨大差异来识别建筑物点云和树木点云。研究结果表明:该方法既充分利用了建筑物表面与植被间多次回波特性的差异,又不否定建筑物边缘同样存在多次回波的现象;通过封闭的等高线自适应地检测出地物目标的轮廓,弥补了传统Li DAR建筑物提取方法的不足;该方法能够较其他方法更准确地提取建筑物。     

基于遥感影像的地块边界半自动提取

针对遥感影像图中地块的提取,提出了一种基于高斯模型的地块边界的半自动提取方法。以无人机影像为实验数据,首先利用影像分割得到包含要提取地块的窗口影像;然后利用高斯模型对地块进行提取,该算法解决了传统图割算法抗噪能力差的问题。随后,运用数学形态学对分割的结果做进一步处理;最后利用边界提取函数对地块边界进行提取并对边界进行拟合。实验结果证明,本文算法不仅提取地块精度较高,而且适当的减轻了工作人员的工作强度。     

车载移动测量系统在大比例尺地形图数学精度检测中的应用

研究了车载移动测量系统在大比例尺地形图数学精度检测中的应用。首先在小范围内对其进行了相关试验,得到其有效性后,对某市全市域的地形图进行了抽样检测;对车载移动测量检验与常规方法检验在外业数据采集、内业数据处理及存储量等几方面进行了比较,分析了车载移动测量检验方法的优劣性,为提高测绘质检效率提供了一种新方案。