基于MSA特征的遥感图像多目标关联算法

遥感图像中多目标关联存在以下两个问题:一是低时间分辨率观测使得目标状态信息无法准确估计,基于Kalman滤波的多目标关联算法不再适用;二是基于图像特征的目标关联算法又无法处理大场景观测中多个目标关联引起的模糊性.针对上述问题,提出一种基于多尺度自卷积特征匹配和关联代价矩阵最优化的多目标关联算法.实验表明该算法对遥感图像中多目标关联问题具有一定的适用性.     

基于动恣规划的整体影像匹配

影像匹配是数字摄影测量工作的基础。考虑到多条核线上的匹配点，本文提出了一种基于动态规划的整体影像匹配方法，构造了一种新的立体匹配模型，并将该模型转化成为简单的一维动态规划模型，采用对角线的方法划分阶段，用视差较和相关系数来构造阶段的代价函数，从而得到了基于动态规划的整体最优匹配结果。     

一种中分辨率遥感影像道路的快速搜索算法

基于动态规划的思想,提出了一种用于中等分辨率遥感影像的道路搜索算法,利用线段代价最小规则进行道路线段跟踪,实验结果表明算法相对简单、快速有效、抗噪性能好。     

结构信息约束的三角网格模型简化方法

针对经典的二次误差度量边塌陷网简化算法存在的模型边缘缺损、三角面形状和拓扑异常等问题,该文在此基础上改进算法,提出一种基于结构信息约束的网简化方法.算法考虑三角面的形状和法向在边塌陷前后的变化,将这些结构变化信息量化与二次误差度量组成复合塌陷代价值;同时给出一种三角面间压覆检测方法,将检测结果作为边塌陷决定条件之一,以此来保护三角面的形状和三角网的流形拓扑结构;此外,通过重新定义边界点的二次误差矩阵,自适应地提升边界点所在边的塌陷阈值,从而实现在简化过程中对模型边缘的保护.实验结果表明,该文方法得到的简化三角网边缘完整,算法鲁棒地维护最佳三角面形状和流形拓扑结构,有效地改善了重建三维模型的效果.     

基于改进NAS-RIF算法的遥感噪声图像自适应复原

实现对遥感噪声图像的有效复原是遥感图像处理的一项重要研究内容。在对非负支撑域有限递归逆滤波(non-negativity and support constraints recursive inverse filtering,NAS-RIF)算法深入研究的基础上,提出一种基于改进自适应NAS-RIF算法的遥感噪声图像复原方法。该算法针对经典NAS-RIF算法存在的缺陷,首先对含有椒盐噪声和高斯白噪声的遥感图像采用自适应伪中值滤波算法进行预处理,以尽可能排除图像中噪声的干扰;然后结合图像的灰度值,从算法支撑域和背景灰度值2个方面加以改进;最后对代价函数引入基于目标信息的修正项,改进了经典NAS-RIF算法的代价函数;与对数函数复合,使得改进后NAS-RIF算法的代价函数具有良好的收敛性;并采用共轭梯度法对改进自适应NAS-RIF算法进行整体优化。对仿真实验结果进行的主观和客观分析表明,本文算法的性能优于经典NAS-RIF算法、已有的改进NAS-RIF算法以及小波阈值去噪方法,能够胜任遥感噪声图像的复原处理。     

全局局部细节感知条件随机场的高分辨率遥感影像建筑物提取

条件随机场模型由于其较强的上下文信息建模能力,被广泛应用于建筑物提取任务中。然而,面对高分辨率遥感影像丰富的地物信息,基于条件随机场的提取方法存在建筑物边界模糊的问题。本文提出了一种全局局部细节感知条件随机场框架,该框架提出全局局部一体化D-LinkNet,在有效利用多尺度建筑物信息的同时保留局部结构信息,解决了传统条件随机场一元势能丢失边界信息的问题。同时,该框架融合分割先验以缓解建筑物类内光谱差异较大的影响,利用更大尺度的上下文信息来精确提取建筑物,并引入局部类别标记代价从而保持细节信息以获取清晰的建筑物边界。实验结果表明,该框架在WHU卫星和航空数据集上的精度评价指标均优于其他对比方法,其IoU分别达89.82%和91.72%,对于复杂场景下的建筑物信息能够获得较好的提取效果。     

内嵌式空间数据库优化器代价评估框架及实现

传统的优化器缺乏空间数据分布统计信息和空间算子的支持,不能评估和生成有效的查询执行计划。对此,提出了包含空间执行算子的一体化评估框架,根据重要属性及元组流属性实现了执行计划自底向上的代价推演计算。通过服务器端编程实现了利用概率累计扩展空间直方图模型描述空间数据的统计信息,并通过优化器接口计算空间谓词选择率,为优化器提供更为准确的代价参数,改进了评估的准确度。实验结果表明,采用此方法进行涉及空间查询的计算,理论代价估计与实际执行代价具有相对一致性,在统计值完整的情况下能够准确地估算实际较优的执行计划。     

基于改进A*算法的无人航道测量船路径规划方法

无人航道测量船由于具有低成本、高效率、便捷等优点,在航道测量领域受到越来越多的关注。在避碰过程中,为保证无人航道测量船测量数据的有效性,新规划的避碰路线应尽可能地与原规划测量航线一致。针对传统A*算法所规划的路径在避开障碍物之后无法快速回到预设航线上的问题,提出了一种改进的A*算法。该算法主要是在原始代价函数的基础上,新增了一个与当前点到预设航线的垂直距离相关的代价值,且该代价值的取值与无人航道测量船所处的位置相关。首先在MATLAB仿真环境下对改进A*算法进行仿真实验,然后利用无人航道测量船实船平台开展航行验证实验并进行围栏分析。实验结果表明,相比于传统A*算法,在保证安全的前提下,改进A*算法能够使无人航道测量船在避开障碍物之后更快地回到预设航线。     

人工神经网络及其在短期气候预测中的应用

从业务实际出发，提出了面向短期气候预测的神经网络。选用主分量作为网络的输入和输出，大大减少了输入输出节点数，重点突出了大尺度影响变化关系，提高了实际预报的稳定性；用全局寻优的SA算法取代经典BP算法，使网络学习训练更充分，知识获取更全面；针对业务实际设计代价函数，保证了网络学习训练能适应短期气候预测业务的要求，学习目的更明确，针对性更强。