结合注意力机制的卫星遥感影像立体匹配

采用立体匹配技术对多视卫星遥感影像进行三维场景重建一直是摄影测量与遥感领域的核心问题。基于卷积神经网络的深度学习方法极大地促进了立体匹配技术的发展,然而其中涉及匹配困难和误匹配问题的相关研究仍然不足。为了提升卫星遥感影像不适定区域中视差估计的精度,本研究提出了一种结合注意力机制的立体匹配深度学习网络,在特征提取模块中加入注意力机制,分别从通道和空间两个维度捕获全局信息,对特征进行优化;在代价体的构建模块中构建新的代价体积,并重新设置视差的回归范围。为了验证本文方法的有效性,在US3D、WHU-Stereo两个数据集上分别与已有方法Stereo-Net、PSM-Net进行了比较分析。结果表明,本文方法在EPE(endpointerror)和D_1两个指标上均能达到最优,取得了较好的性能,提高了立体匹配的精度,尤其在无纹理、重复纹理、遮挡及视差不连续区域表现出良好的鲁棒性。

基于复杂阴影测量方法的建筑物高度反演

阴影法能以较低的成本测量大范围的城市建筑物高度,但其中的阴影长度测量方法在复杂阴影场景中存在测量效率低、精度差、鲁棒性低等问题。对此,该文提出了一种复杂建筑阴影测量方法。该方法首先通过渔网法和多种约束条件相结合实现对阴影的测量与划分;其次,统计所有划分区域的阴影长度值,利用四分位法和双向逼近策略确定阴影最优值;然后,综合评估所有区域最优值确定阴影长度;最后,利用立体交会的建筑高度对应用该阴影测量方法计算的建筑物高度进行验证。结果表明:该方法计算建筑物高度有90.6%以上绝对误差在0~5 m之间。因此可以得出该文方法计算的阴影长度有着较高的精度,能够满足不同种类的复杂阴影测量,提高了阴影法反演建筑物高度的精度,为城市建筑物高度的反演提供新的技术支撑。

神经网络学习与灰度信息结合的跨视角影像线特征匹配算法

跨视角影像几何形变大,同名线段单侧邻域易产生明显差异,传统线特征匹配算法难以获得可靠线对。为此,本文提出了一种针对跨视角影像的神经网络学习与灰度信息结合的线特征匹配算法。首先,获取影像的像素级方向梯度直方图特征,并结合神经网络融合影像灰度信息形成特征描述格网;然后,在线段上提取离散点,根据离散点单侧特征描述格网信息计算点的单侧描述,采用深度学习方法聚合点单侧描述符形成线的单侧抽象表达;最后,利用已知同名点约束匹配区域进行分组匹配,通过比较线对拓扑一致性进行匹配结果核验,得到最终匹配线对。选取多组具有代表性的异源跨视角影像公开数据进行线匹配试验,并与主流线匹配算法进行对比分析。结果表明,本文算法能够针对内容差异明显的异源跨视角影像,获取分布均匀且正确率较高的匹配线对,实现跨视角影像线特征的稳健匹配。

无人机大场景在线密集点云和DSM生成算法

针对无人机影像获取密集点云和DSM过程中耗时过多、点云质量与处理速度难以平衡的问题,本文提出了一种大场景无人机在线密集点云和DSM生成方法。首先,采用SLAM与RTK信息松耦合的方法在线估计影像位姿;然后,利用多视影像位姿信息在深度空间进行离散采样,通过将当前像素点离散采样深度投影至候选帧影像上获取匹配代价,在代价计算过程中引入中心对称的census代价函数,并考虑多视图遮挡关系计算联合代价值,节省时间的同时提高了匹配代价准确度;最后,提出了一种增量式的代价积聚策略,将前一帧获取的深度投影至当前帧约束代价积聚范围,从而缩短在线计算耗时,结合抛物线拟合算法得到完整度和精度更高的深度图,将深度图去噪后投影至物方空间得到最终的密集点云和DSM。利用3组典型地区的无人机影像对本文方法进行测试,结果表明,本文方法能够满足在线计算的要求,获取的点云和DSM精度与完整度较好。

GIS数据自动更新技术的研究

保持GIS数据的现势性是GIS应用和发展的“瓶颈”。本文探讨了GIS数据自动更新的一般过程,将自动变化检测归纳为三种基本实现方法,详细讨论了三种方法的具体实现过程,并对各个方法的特点进行了分析,最后指出了需要进一步研究的问题。

ALOS卫星PRISM影像严格几何模型的构建与验证

根据ALOS卫星全色遥感立体测绘仪(PRISM)传感器的成像原理,利用卫星影像的辅助数据文件构建无需地面点的严格几何模型。试验发现,直接利用星上提供的轨道姿态数据和严格几何模型进行无控制定位精度较差,经分析发现ALOS卫星辅助数据文件中提供的CCD侧视角可能存在固定的系统误差,经校正后能使定位精度得到显著提高,达到ALOS卫星标称的几何定位精度。不同景影像定位精度的差异可能的原因是CCD侧视角的细微变化。

基于相位相关的小基高比影像匹配方法

在建筑物密集、高度起伏变化剧烈的城市地区测绘中,采用大基高比摄影测量方案容易造成立体影像之间较大的辐射和几何差异,使得相关匹配处理异常困难。小基高比摄影测量能在一定程度上解决这一难题,但却要求极其精确的视差测量精度,常规的影像匹配方法难以奏效。这里在相位相关方法的基础上,分别利用局部上采样技术和奇异值分解等技术,对小基高比立体影像进行处理,在一定条件下可获得亚像素精度的匹配结果和较好的高程精度。

卫星影像匹配的深度卷积神经网络方法

本文侧重于智能化摄影测量深度学习的第一个方面:深度卷积方法。传统的影像同名点对提取算法通常利用人工设计的特征描述符及其最短距离作为匹配准则进行匹配,其匹配结果易陷入局部极值,造成部分正确匹配点对的遗漏。针对这一问题,本文引入深度学习方法,设计了一种基于空间尺度卷积层的两通道深度卷积神经网络,采用其进行影像间的匹配模式学习,实现了基于深度卷积神经网络的卫星影像匹配。试验表明,在处理异源、多时相、多分辨率的卫星影像情况下,本文方法比传统匹配方法能提取到更为丰富的影像同名点对,且最终匹配提纯结果正确率优于90%。

地形图数据库更新的自动化方法

探讨地形图数据库中地物自动更新的一般过程,将地物数据的自动变化检测归纳为3种基本实现方法,详细讨论3种方法的具体实现过程,并对各个方法的特点进行分析,最后指出需要进一步研究的问题。

一种基于点特征的高精度图像配准方法

提出了一种基于点特征的多源图像高精度配准方法。通过在遥感影像上提取密集特征点,利用多种方法结合进行严格匹配获得同名点对。通过构建不规则三角网分割影像,再利用仿射变换模型实现每个三角形的配准。实验证明了该方法的有效性和较高的适用性。

资源三号卫星全色影像的姿态角常差检测

根据资源三号卫星传感器的成像原理,构建严格几何模型进行直接定位。通过对不同时间的资源三号全色影像进行实验,验证了姿态角常差的存在,并建立校正模型对其进行改正。利用少量控制点改正姿态角常差后,影像立体定位精度可显著提高。不同地区的实验结果表明,姿态角常差不是恒定不变的,需要根据长期观测建立其变化模型。

线阵影像GC^3多视匹配模型的匹配方向线研究

针对线阵影像的几何成像特点,介绍GC3及其改进匹配模型的匹配原理;根据模拟参数,推导GC3多视匹配模型的同轨立体匹配方向线、异轨立体匹配方向线的严密函数表达式,给出匹配方向线分析结论;分别采用模拟数据与ADS40影像数据进行试验分析。试验结果证明,在实际匹配过程中,匹配方向线在局部范围内可近似为直线使用。

从地理数据库中探测奇异值

从大型地理数据库中自动发现知识的方法是迫切需要的。本文从探测奇异值的一般方法入手,探讨了四种典型方法的基本思想以及优缺点。根据地理数据的特点,基于距离的奇异值探测方法具有较好的适用性,其关键问题在于定义距离函数。以地理数据库中的道路数据为例,本文说明了如何利用基于距离的奇异值探测方法,从大型、高维的地理数据库中探测奇异值。实验结果表明本文的方法是可行的、有效的。

利用空间叠置分析探测地形图数据库的变化

探讨了地形图数据库中地物自动更新的一般过程,着重研究了如何利用最新的高分辨率正射遥感影像与现存的地形图数据库进行比较,利用空间叠置分析来探测地物发生的变化。最后,指出了需要进一步研究的问题。

地物矢量数据的检查方法

研究了地物矢量数据的质量检查问题。采用数据结构逐项匹配的方法对地物属性进行自动检查 ,用地物与最新的数字调绘片叠加显示的方式来检查地物采集的位置精度、属性精度、数据的完整性以及数据的现势性 ,错误或遗漏将直接标注在调绘片上。实验表明 ,用文中提出的方法检查地物数据比用传统方法准确、有效。

Presentation在“摄影测量学”教学中的应用研究

以国家精品课程"摄影测量学"建设为契机,将美英等国普遍采用的Presentation教学法应用于"摄影测量学"课堂教学中,结合多年教学实践,探讨了Presentation教学法在专业教学中的适用性以及存在的优缺点。

基于调绘片数字影像的街区式居民地全自动提取

针对当前数字化测图实际生产作业中的需要 ,在图像处理技术和线条跟踪技术的基础上 ,对调绘片数字影像中街区式居民地的全自动提取技术进行了研究和实践。实验表明 ,利用文中所述方法可以大幅度提高街区式居民地的矢量化采集速度。

利用VLL-LSM自动检查DEM数据

针对用数字摄影测量手段从遥感影像中提取的DEM,探讨了一种利用垂线轨迹法(VLL)结合最小二乘匹配(LSM)进行DEM高程数据的自动检查与编辑的方法。实验证明,在一定条件下利用该检查方法能够快速、准确地发现并纠正DEM高程数据中存在的问题。

基于自检校的机载线阵CCD传感器几何标定

将基于附加参数的自检校光束法区域网平差技术应用于机载线阵CCD传感器几何标定中,以ADS40为对象,分析集成传感器成像几何关系,引入GPS观测值数学模型和IMU视轴偏心角模型,建立用于标定的自检校光束法区域网平差模型;在深入分析机载三线阵CCD传感器成像误差特性的基础上,建立有效的相机标定参数模型;并采用检校场ADS40数据进行了标定试验,结果表明几何标定方法可行有效,可显著提高测量精度和可靠性。

主成分分析的匹配点对提纯方法

传统的匹配点对提纯算法通常需要寻找小部分点集作为初始输入,再迭代求解出能够满足大多数点对约束要求的最优解,其提纯结果易陷入局部极值,造成正确匹配点对的遗漏。针对这一问题,本文引入了主成分分析思想,将整体点集作为初始输入,逐步剔除误匹配点对,稳健求解,得到更为准确的全局最优解,降低正确匹配点对的遗漏率,达到较好的提纯效果。试验表明,本文方法在一定的原始误匹配率下,能够得到整体最优解,在剔除误匹配点对的同时,能够避免或减少正确匹配点对的遗漏。