不同类型卫星影像区域网平差方法

传统卫星影像纠正常针对单景影像,且需要一定数量的外业控制点作为参考,严重制约了正射纠正效率。本文提出了一种卫星影像区域网平差方法,利用影像间的连接点进行RPC模型的前方交会,并用少量控制点进行仿射变换,实现了多轨多景卫星影像的区域网平差。经测试,本文方法可有效减少外业控制点,提高卫星影像正射纠正效率。

智能驾驶道路高精地图基础数据规范研究

针对目前部分智能驾驶语义信息存在短缺,高精地图检索效率不足的问题,该文结合浙江省内外6千多公里的道路高精地图数据实际生产项目,提出了一种相对统一协调的、相对基础的、相对共性的智能网联汽车道路高精地图基础数据规范和数据模型。该基础数据模型将高精地图基础数据划分为8大图层,包含17种要素大类,162种要素小类,并在基础数据模型方面针对要素属性进行特别设计,除定义143项基本属性外,新增了64项关联属性,形成15类关联规则,最大化地覆盖道路要素全集。通过车商、图商在封闭道路与开放道路的实地测试应用,充分验证了基础地理数据规范与基础数据模型的可行性、有效性、灵活性,能够在一定程度上辅助智能驾驶车辆对复杂道路环境的认知,支撑智能驾驶应用,实现车路的有效协同。

基于支持向量机的无序图像有序化研究

为提高大规模图像的分类效率及准确性,解决大规模无序图像的有序化问题,该文通过学习引用自然语言及机器学习的理论知识,提出基于视觉词袋模型与支持向量机的无序图像有序化方法,该方法主要流程为:首先利用词袋模型对输入的训练图像数据集构建视觉单词向量;然后利用二分类器支持向量机对生成的视觉单词进行训练,得到训练好的分类器后;再输入待检测图像数据集进行预测;最后得到每一幅图像与之相对应的具有连通性的图像,最终实现无序图像的有序化。通过该文的方法,能够较为准确地、快速地确定大规模图像之间的相互关系。实验表明,该方法显著地提高了效率,较为准确地确定具有连通性的图像,为多视图匹配,三维重建等其他应用提供了良好的数据支持。

外语地名机器翻译中通专名区分技术研究

现有外语地名机器翻译中只有关于音译方面的研究,区分地名通名与专名的研究未开展,造成无法区分地名的通名与专名,外语地名翻译过程中无法正确选择音译与意译的翻译方式,外语地名翻译准确率不高。针对这一问题,提出一种外语地名通专名区分技术。该技术通过对地名词语构建结构树,并对树的叶子节点进行分类来完成通名与专名的区分,从而确定翻译方式。对英国地名进行区分,实验结果证明,该技术可以有效区分外语地名通专名,可辅助进一步的地名翻译,提高翻译精度。

卷积神经网络在大规模图像分类中的应用

针对大规模无序图像分类处理中成对图像的匹配和几何验证的计算量大的问题,该文通过研究和学习机器学习及图像识别领域先进的方法,提出了一种基于孪生神经网络的大规模图像有序化方法。该算法主要是:通过抽取已训练好的VGG19的网络模型的卷积层作为图像的特征,将提出的特征分别加权后,连接起来,再次卷积和池化,利用响应函数判定图像之间连通性,实现对输入图像对连通性判定。经实验证明,该算法可有效地识别具有场景重叠的图像对,效率和精度上也有所提高,无须执行详尽的推定匹配和几何验证,适用于运动恢复结构,图像连接等各种场景。

染料敏化太阳电池:染料中稳定锚基团的研究进展

作为一种颇具潜力的光伏器件,染料敏化太阳电池(DSSCs)因其高性价比以及简单的制造工艺而备受关注.在这样的器件中,染料分子通过锚取代基与氧化物基底之间的化学键接枝在金属氧化物表面,从而实现光捕获以及光生电子的注入.一直以来,广泛应用于DSSCs的染料锚基团主要是羧酸基团,包括苯甲酸和氰基丙烯酸基团.但是,器件使用过程中染料从金属氧化物表面脱附以及由此带来的器件长期稳定性问题却不容忽视,因此,考虑到器件在实际应用中的耐久性要求,研究者们开发了多种在金属氧化物表面具有更好接枝能力的锚基团.主要综述了近年来所研发的几种稳定锚基团及其相应的光伏参数,并简单讨论了分子结构与器件性能之间的关系.同时,对锚基团在光催化水解制氢以及量子点敏化太阳电池的研究进行了简要阐述与展望.