优化部分有理多项式系数的卫星影像精确定位

针对目前在补偿卫星影像RPC模型对地定位的系统误差时所广泛采用的像方补偿方法存在需要引入附加参数、无法从实质上消除RPC参数中系统误差的不足,该文提出了一种利用少量地面控制点直接对部分RPC参数进行优化来补偿定位的系统误差的方法,并将该方法进一步运用到基于RPC模型的区域网平差中。以武汉地区和法国Sainte-Maxime地区的ZY-3卫星影像为实验对象,在空间前方交会和区域网平差实验中将本文方法与像方补偿方法做了充分对比。实验结果表明,该方法可达到不低于像方补偿方法的理想定位精度。同时,与像方补偿方法相比,该方法不需引入附加补偿参数,优化后RPC模型形式统一,更加便于后续的计算和处理,可以实现真正意义上的基于RPC模型的卫星遥感影像精确定位。     

采用神经架构搜索的高光谱图像深度学习分类方法

大多数深度网络架构都是人工手动设计的,过程耗费精力且易出错;自动的神经架构搜索和优化学习方法引起了学者的广泛关注;自动架构工程在高光谱图像分类任务中仍然鲜有研究。基于此,提出了一种快速且自动化的深度网络模型构建和生成方法,并将其应用于高光谱图像分类任务。实验表明,相较于传统人工设计的深度卷积网络,该方法的性能更优异。     

WebGIS平台地图设计教学探究

WebGIS平台相对于桌面GIS软件界面友好、操作简单,使地理空间数据的存取、管理、分析及制图输出更加容易.然而,很少有研究将现有的WebGIS平台整合到地图设计课程实践教学.从WebGIS技术、WebGIS平台、WebGIS教学3个维度进行基于WebGIS的地图制图能力分析,以期为未来基于开源WebGIS云平台的地图...