排序方式: 共有11条查询结果,搜索用时 31 毫秒
1.
以云南地区陆态网27个全球定位系统(GPS)基准站在2011-2017年不同时间跨度的观测数据为例,使用赤池信息量和贝叶斯信息量估计准则(AIC/BIC)对解算结果进行分析,从而确定其最优有色噪声模型.结果表明,不同时间跨度基准站各坐标分量上噪声特性主要体现为白+闪烁噪声(WN+FN)、幂律噪声(PL)模型组合.部分基准站在北向和垂向的最优噪声模型会随着观测时间的累积而改变,PL模型所占比例有所下降,WN+FN模型所占比例有所上升.当时间跨度大于5 a时,基准站噪声模型的稳定性显著提高.随着坐标时间序列积累时长的增加,未知噪声分量出现的可能性也相应提高. 相似文献
2.
3.
针对传统的无人机航线设计大都只考虑垂直摄影的情形,没有考虑倾斜摄影的问题,该文结合滑坡地区的具体地形,对倾斜摄影的倾角以及主光轴方位角等相关参数进行了讨论与设定,并对倾斜摄影方式下的图像重叠率进行分析与对比,从而在确定重叠率后对无人机航线设计规划进行了研究,最终通过对比同一摄区垂直摄影与倾斜摄影的拍摄结果并分析。实验结果表明,对于单位摄区面积内,垂直摄影的密度为237.15张/km2,倾斜摄影的密度为206.69张/km2,同时可以明显发现单相机倾斜摄影的方式更有利于滑坡监测。 相似文献
4.
图像模糊程度是图像评价的一个关键指标参数,它影响着图像的质量和信息。特别对于无人机拍摄的图像,如果利用模糊的图像参与计算,会造成很大的误差甚至出现颠覆性的结果。因此对于图像模糊的检测显得至关重要。传统的图像模糊检测方法大都基于人工检测、且有合格的参考图像参与评价过程,方法耗时、费力,无法用于大量无人机拍摄图像的分析。因此本文基于Sobel边缘检测原理,利用4个方向的Sobel算子,寻找图像中每个Sobel边缘点的模糊邻域,并构建模糊邻域宽度值的计算准则,由此来计算出整幅图像的平均模糊邻域宽度值,并将这个计算结果作为检测模糊的直接依据。同时考虑到无人机拍摄图像的特点,将其按照拍摄时间顺序排列,依次将相邻图像互为参考,通过对比互为参考图像的模糊邻域宽度值的变化情况,将宽度值突变的图像确定为模糊图像。据此对无人机拍摄的所有图像进行模糊检测。最终通过7组2322张 图像进行自动检测发现151张图像模糊,通过人工检测发现158张图像模糊,平均检测率95.57%。该检测方法具有较强的 适用性。 相似文献
5.
针对传统的欧拉(Euler)矢量法在具有复杂构造运动的区域地区内构建GPS速度场模型精度低的问题,该文提出了欧拉矢量法结合遗传算法(GA)和BP神经网络方法来构建区域GPS速度场。以云南区域1999—2015年间的GPS速度场为实验数据,分别使用欧拉矢量法、遗传神经网络(GABP)、欧拉矢量结合神经网络(Euler-BP)和欧拉矢量的遗传神经网络(Euler-GABP)法构建区域速度场模型。实验结果表明,相比其他3种方法,该文提出的Euler-GABP方法在构建区域GPS速度场模型是可行和有效的且精度高。 相似文献
6.
以云南地区27个GPS基准站坐标时间序列为研究对象,使用赤池信息量和贝叶斯信息量估计准则(AIC/BIC)对其进行噪声分析,计算并扣除时间序列中大气负载、非潮汐海洋负载和水文负载3种环境负载引起的位移量,得到各基准站分量在环境负载改正前后的最优噪声模型。结果表明,部分基准站分量经过负载改正后最优噪声模型会发生变化,改正前后的大部分基准站噪声特性均体现为闪烁+白噪声和幂律噪声。环境负载对基准站的垂向位移影响比水平向更为显著,水文负载成为影响基准站的最大因素,最大位移量达到厘米级。分析环境负载改正前后噪声特性的变化表明,环境负载改正在U分量上的影响最大,N分量次之,E分量最小,噪声模型的变化在地域上并未呈现明显规律。 相似文献
7.
针对传统的GPS时间序列最小二乘(LS)谐波函数模型方法不能精确提取GPS垂向时间序列的周期项信号问题,该文以云南地区2011年1月—2017年6月连续观测的27个GPS基准站数据为例,使用主成分分析(PCA)获得27个测站的共模误差,然后分别使用奇异谱分析(SSA)和LS方法对PCA滤波前后的测站时间序列进行周期项信号提取.实验结果表明,原始时间序列分别减去SSA、PCA-SSA、LS和PCA-LS提取周期项信号的RMS减少百分比平均为25.66%、17.23%、16.76%、16.76%;原始时间序列与4种方法提取周期项信号的相关系数平均为0.66、0.55、0.54、0.54,说明SSA提取的周期项信号要优于其他3种方法,将SSA应用于云南地区GPS垂向时间序列的周期项信号提取是可行和有效的. 相似文献
8.
高分辨率的DEM和DOM数据是对地形地貌信息的准确描述,也是滑坡信息提取的重要数据源。首先,针对滑坡信息提取的要求,本文采用无人搭载微型单反相机的影像获取平台,结合野外测量的GPS数据,弥补了无人机POS信息精度低的劣势;针对无人机影像的特点,运用摄影测量基本原理与计算机视觉算法,获取高精度、高分辨率的DEM与DOM影像,保留了丰富的光谱与纹理信息。其次,借助ESP辅助工具获取了DOM影像的最佳分割尺度,并结合研究区地物特征构建了基于模糊分类与SVM算法相结合的决策树,运用面向对象的分类方法实现了对研究区内植被、道路、疑似滑坡区域的信息提取。最后,依照研究区地物分布的空间特征确定了高风险等级区域,并对该区域进行滑坡的形态与纹理分析以及精度评价,其中提取的疑似滑坡区域用户精度为91.44%、生产者精度为84.65%,结果表明无人机遥感在滑坡信息提取领域具有较高的应用价值。 相似文献
9.
10.