基于多核支持向量机的高光谱影像非线性混合像元分解

针对基于线性模型分解高光谱影像混合像元分解精度低,而非线性模型难以建立等问题,提出了利用多核支持向量机(MKSVM)的后验概率进行高光谱影像非线性混合像元分解的方法。该方法在支持向量机的基础上,以线性加权组合核函数代替单核函数,采用简单多核学习方法迭代解算权系数来实现分类。然后,通过S型函数将分类器输出值转化为概率;将两两配对概率转换为多类后验概率。最后,利用后验概率实现高光谱影像的非线性混合像元分解。采用该方法对两组推帚式超光谱成像仪(PHI)的高光谱影像进行了对比实验,结果表明:该方法的分类精度分别提高到95.62%和91.51%,均方根误差(RMSE)最小分别为11.15%和7.55%,均小于15%。实验结果显示提出的方法基本消除了混合像元对高光谱影像分类的影响,提高了分类精度。

总体最小二乘用于线阵卫星遥感影像光束法平差解算

顾及像点观测方程的系数矩阵中存在随机误差,提出了基于总体最小二乘的线阵卫星遥感影像光束法平差模型。在假定像点观测误差和系数矩阵误差均为独立、等精度分布的基础上,利用拉格朗日条件极值法推导了包含外方位元素虚拟观测方程和控制点误差方程的总体最小二乘光束法平差算法的具体公式和计算方法。该方法利用方差分量估计确定各类虚拟观测值的方差,可求解包含多类虚拟观测量的平差问题,并可用先验信息或岭迹法确定系数矩阵观测值的权比例系数,从而克服了现有总体最小二乘虚拟观测方法不能处理多类虚拟观测值的不足,确保了光束法平差可正确有效求解。分别利用模拟算例与两组真实影像进行了试验验证。结果表明,相比于常规最小二乘虚拟观测法以及现有总体最小二乘虚拟观测方法,本文方法具有更高的求解精度与适应性。相较于传统线阵卫星遥感影像光束法平差方法,本文方法可以获得更高的平差计算精度。

高光谱影像的多核SVM分类

以支持向量机为代表的核方法在高光谱影像处理中得到了广泛的应用。但高光谱影像的数据特点使单核学习模型的分类具有一定的局限性。提出了一种基于多核SVM的高光谱影像分类方法。该方法以线性加权求和核为多核组合方式,从简单多核学习模型的原始问题出发,通过迭代解算单个标准SVM优化问题来实现权系数的解算,最后利用一系列两类分类器组合解决多类分类问题。通过AVIRIS和PHI影像2组实验,表明了高光谱影像的多核SVM分类方法的优势。

基于SVM核函数评价的高光谱遥感影像核分类方法比较研究

通过交叉验证获得不同核函数参数,并对线性、多项式、RBF、Sigmiod核函数分别用于支持向量机分类的性能进行评价,选择出最优核函数。基于上述最优核函数选择,将SVM与核Fisher判别分析和核主成分分析两种核分类方法进行比较研究。试验结果表明,SVM具有较高的分类精度和可靠性,上述研究能够为实际应用提供相关的参考。

中高空激光雷达系统定位精度分析与仿真

针对目前商业激光雷达系统仅适用于低空测绘的不足,开展了面向中高空应用的新体制激光雷达的技术研究。结合我国新体制中高空激光雷达系统的研制,构建了系统的定位模型;针对18km航高激光雷达测图的定位精度要求,对各项误差因素进行了定量分析,并开展了系统的参数设计与仿真论证,对误差项进行了分配,给出了量化的参数设计结果。该研究为中高空激光雷达系统的总体设计及各分系统的指标分配提供了定量计算及决策依据。

结合水平集与光流的序列影像运动分割技术研究

提出一种结合变分水平集分割与变分光流的运动分割方法。该方法将光流能量函数与水平集分割能量函数进行整合形成新的运动分割能量函数,并采用变分方法进行优化。采用无人机序列影像对该运动分割方法进行实验分析,实验结果表明该方法在目标运动位移过大时,既能准确地估计出运动矢量,又能精确地分割出目标区域。

一种基于核偏最小二乘法的高光谱影像最佳波段选择方法

最佳波段选择是高光谱影像降维的常用手段,将本征维数估计与核偏最小二乘法,相结合,提出一种基于核偏最小二乘法的最佳波段选择方法。首先利用自适应最大似然法估计高光谱数据的本征维数;然后将核方法引入到偏最小二乘法中,利用核偏最小二乘法对高光谱影像进行最佳波段选择,所需选择的波段数即为本征维数。实验分析表明,与其他最佳波段选择方法比较,本文方法输出的最佳波段用于地物分类,取得了较高的分类精度。

基于非正定OCSVM的高光谱影像地物异常检测

针对基于高斯径向基核函数的OCSVM等异常检测算法,对地物光谱变异极为敏感,导致算法异常检测性能不稳定的问题,根据光谱角度余弦测度对光谱形状相似性的描述不受地物光谱辐射强度变异影响的特性,将具有非正定核特性的光谱角度余弦核测度引入非正定SVM算法中,提出一种基于非正定OCSVM的高光谱影像地物异常检测算法。利用四组模拟数据进行目标异常检测实验,结果表明,该算法能够有效检测出高光谱影像数据中的目标地物,检测精度提升明显。

基于直线特征优化的建筑物三维重建

为了提升建筑物三维重建精度和效率,提出基于直线特征优化的建筑物三维重建方法。首先,在分析传统直线特征检测与匹配算法的基础上,通过设定直线长度阈值,提高两视图直线特征匹配效率。随后,将密集点云引入传统直线特征匹配算法,提出点特征辅助的直线特征匹配方法,匹配直线数量明显增长。最后,结合建筑物特点,将三轴垂直关系作为约束条件引入光束法平差中,优化了建筑物模型结构,并将优化后的直线特征重采样为离散点,进一步加密建筑物点云,改善建筑物轮廓及其邻域的建模效果。结果表明:基于直线特征优化的建筑物三维重建方法能够在保证模型精度的基础上,有效改善建筑物模型结构和建模效果;在直线特征加密试验中,优化后的直线特征能够有效加密建筑物稀疏三维点云,在密集点云中仍能有效优化加密区域的建模效果;在模型结构优化试验中,改进后的光束法平差优化方法能够明显改善建筑物模型三轴垂直关系,有效提高了建筑物模型精度。

一种适用于多视角航空影像的区域网平差方法研究

多视角航空摄影测量是国际测绘领域近年来发展起来的一项高新技术。针对多视角影像空中三角测量中存在的问题，本文提出了一种适用于多视角航空影像的区域网平差方法。该算法利用四元数描述成像姿态，利用三个独立的解算参数参与计算，不再需要带约束条件的间接平差，消除四元数引入造成的参数相关。实验结果表明，该算法能进行多视角航空影像的区域网平差计算，为该类影像的空中三角测量处理提供了一条技术思路。

基于分层PatchMatch匹配的运动目标检测方法

提出一种基于分层PatchMatch匹配的运动目标检测方法。首先使用分层PatchMatch匹配准确估计视频影像帧间运动信息；进而根据背景和目标的运动位移大小不同的特点，自动计算出最优分割阈值，并进行阈值分割；最后进行形态学处理去除少量背景噪声，从而完成运动目标检测。采用无人机视频影像数据对所提出方法进行实验分析，实验结果表明该方法能够快速、有效地检测出运动目标。

基于加权高光谱植被指数的植被分类提取方法

针对常见植被指数不能很好地降低非植被地物对植被分类提取的影响，设计了一种基于植被光谱特征的加权高光谱植被指数，并提出了一种基于加权高光谱植被指数的植被分类提取方案。先利用加权高光谱植被指数对植被信息进行提取，得到较为完整的植被分布信息，再利用典型分类算法进行植被分类，实验结果表明，本文提出的方案能够有效降低非植被地物的影响，提高植被分类提取的精度。

机载激光雷达飞行顷量检查软件设计及关键算法研究

本文从机载激光雷达系统飞行质量检查的需求出发，明确了机载激光雷达系统飞行质量检查的内容及方法，重点设计了软件的体系结构与组成；同时，分析了涉及的关键算法，提出飞行质量检查的技术流程，为开展机载激光雷达系统的成果质量控制提供了有效的技术手段。

基于异源影像配准的光学高分辨率卫星正射影像快速制作

在具有精确地理信息的参考影像支持下,通过异源影像的配准来制作高分辨率卫星正射影像已成为正射影像制作的主要途径之一。针对异源光学影像的配准,分别设计实现了基于ESIFT与RFM引导下的Fornster特征匹配算法,并采用多项式、小面元以及仿射变换等几何纠正模型,实现了高分辨率光学卫星正射影像的快速自动制作。试验结果表明,本文方法有效提升了经典SIFT算法的适用性,对于异源影像配准具有良好的效果,正射纠正相对精度优于1.5个像素,满足了光学卫星正射影像自动快速制作的实际生产需求。

联合多元信息的激光雷达点云多核分类方法研究

充分利用激光雷达点云、波形数据和强度图像的特性，提出了一种联合多元信息的激光雷达点云多核学习分类方法。该方法首先提取点云的高程信息、回波的波形信息和强度图像的灰度信息，然后将三者结合形成新的特征数据，最后采用多核学习方法的MKSVM分类器进行分类，并利用国产机载激光雷达获取的数据进行了分类处理实验。实验结果表明：该方法有效地提高了分类的精度。

基于单位四元数的资源三号卫星影像姿态系统误差改正

本文根据资源三号卫星严格成像模型，建立了姿态四元数系统误差改正模型。通过对登封地区两景影像进行试验，利用不同控制点数量求解姿态四元数系统误差并将姿态进行系统误差改正后，可以使卫星直接定位精度大幅提高，验证了姿态四元数用于卫星影像姿态系统误差改正的有效性。

应用于高分辨率遥感影像配准的SIFT特征均匀分布算法

高分辨率遥感影像配准要求提取出稳定且分布均匀的同名点，但是传统的SIFT算法没有考虑特征点的空间分布情况，提取的特征点往往分布不均匀。针对高分辨率遥感影像数据的特点，提出了一种自适应控制SIFT特征均匀分布算法，利用局部纹理特征，并结合最优化筛选策略，在保证特征点稳定性和准确性的同时，控制特征点在不同空间的分布情况，实现sIFT特征点在图像空间和尺度空间的合理分布。分别采用了常规和多视角航空高分辨率遥感影像进行试验，试验结果表明，算法能够有效控制提取特征点的分布，具有一定的抗噪声干扰能力。

利用SegNet的光学卫星影像居民区要素提取

本文针对2米空间分辨率光学卫星影像中居民区要素,提出了一种利用SegNet网络的要素提取方法。首先,通过人工判读在影像中标注感兴趣的地物要素,构建样本库;然后,使用样本库对SegNet网络进行训练;最后,设计了重叠裁切策略,利用训练好的SegNet网络对模型进行推理,并结合全连接条件随机场进行后处理,完成地物要素提取。该方法的特点在于对大范围图像的重叠裁切策略和融合使用了深度神经网络与条件随机场理论,提高了语义分割结果的精度。通过在天绘一号和高分一号卫星数据集上进行的对比实验结果表明:本文方法能够快速地提取居民区要素,具有校好的准确性和鲁棒性。

基于多核SVM的高光谱影像植被精细分类

植被自身复杂的生长环境和垂直分布结构，使得高光谱影像中的植被特征受到大量异构信息影响。在对植被进行精细分类时，随着植被类别的增加，植被样本信息量大大增加，但植被各类别之间的可分性却在下降，采用单核映射方式对所有植被样本进行处理的分类方法难以得到可靠的分类精度。多核学习方法能够以全新的核函数映射方式对复杂的样本信息进行处理，本文将多核学习方法引入植被精细分类中，提出基于多核SVM的高光谱影像植被精细分类方法，实验结果表明该方法可以显著提高分类精度，在树种识别、精细农业等方面具有广泛的应用前景。

基于ArcEngine的三维城市建模方法

三维城市建模是进行三维城市空间分析的基础,也是构建"数字城市"的重要手段。研究了利用ArcEngine组件对象模型构建三维城市模型的方法,将三维城市建模分为地上地物建模和地下管网建模,分别探讨了通过几何体拉伸、组合等操作构建地上地物模型和通过圆柱体拟合构建地下管线的方法,分析了利用3DMax软件构建三维管件模型的方法,通过实验验证了该方法的可行性,为城市规划部门辅助决策提供依据。