控制点影像库构建与多源影像联合空三定位

针对大遥感时代多源异构导致影像几何精度难以保证的问题,提出通过空天多源异传感器影像自动匹配,在传统的普通地面控制点基础上,构建广义影像控制点和控制点库。同时,以通用传感器模型的精化参数为基础,采用空天影像联合几何处理方法,使用高定位精度的空天影像作为辅助参考影像,对原始空天影像实现多源异构遥感影像的几何纠正和配准,从而保证空天多源数据几何精度的可靠性和一致性。实验表明,该方法符合多源影像的高精度几何纠正和配准需要。该方法应用于控制点影像空间数据库构建与大范围影像定位网更新领域还需要进一步研究。

高光谱图像深度学习分类模型研究

光学遥感成像传感器光谱分辨率的提高,使得通过地物光谱属性精细地识别和解译地物类别成为可能,不仅促进了对地遥感观测技术的发展,也使得高光谱遥感成为遥感领域最前沿的研究方向之一。随着机器学习、模式识别和人工智能等技术领域的快速发展,高光谱遥感图像分类研究受到广泛关注,内容包括:如何利用高光谱遥感数据中包含精细光谱特征的优势。

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云平台的地图学实践教学提供建设性参考。

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。

像方补偿自检校卫星影像快速几何纠正方法

本文通过像方补偿自检校的参数模型,对卫星影像畸变进行几何纠正,解决了卫星影像在成像的过程中受到传感器平台、大气折光、地形起伏等诸多因素影响造成的线性和非线性几何畸变问题,消除了影像中像点不同程度的几何位移而产生的失真,实现了高精度卫星影像几何纠正,同时采用GPU并行加速实现,提高了处理效率。

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。