利用多特征协同深度网络的高分遥感影像分类

基于深度卷积神经网络的高空间分辨率遥感影像(高分影像)分类是当前遥感智能解译技术领域的研究热点之一。然而,现有的分类网络未充分考虑多类型特征间的协同性,无法有效捕获高分影像中复杂的地物空间关系。为进一步挖掘空间信息、提高分类精度,本文提出了一种多特征协同深度网络(MFCDN)学习算法。在MFCDN中,首先提取多类型的浅层特征作为网络输入,随后利用多尺度特征提取模块获取不同空间尺度的地物信息。然后经过通道和空间注意力机制动态加权后,采用多个特征提取层和数据下采样层提取语义信息,并通过逐元素相加的方式进行特征融合。最后,使用多层感知机结合Softmax函数获取分类结果。试验结果证明,MFCDN在分类精度和泛化能力方面都优于相关方法。

一种“附近”空间关系增强的多源融合室内定位方法

针对传统室内定位模式单一,结合室内位置描述中常用的“附近”空间关系,融合多传感器数据,本文提出一种“附近”空间关系增强的多源融合语音交互室内定位方法。首先,研究“附近”空间关系特征,针对室内环境,建立基于“窃取面积”和最短距离的“附近”空间关系的概率密度函数;其次,采集每个参考节点的指纹信息及节点间的距离和运动信息,基于隐马尔可夫模型对室内位置描述定位过程建模,通过维比特算法预测用户位置;最终,通过实际场景对本方法验证,本文提出的方法平均定位精度在1.88 m,80%的情况下定位精度可以达到2.12 m。

融合高度和光谱信息的倾斜摄影数据建筑物自动提取

建筑物作为三维模型的主体,其矢量化主要依赖人工勾画,虽有采用深度学习等方法进行建筑物提取的研究,但依然需要标注大量样本。针对上述问题,本文以天津市典型区域为试验区,提出一种融合高度和光谱信息的倾斜摄影数据建筑物自动提取方法。首先,通过高度初始分割、植被信息滤除、形态学后处理等,逐步优化建筑物提取结果,实现建筑物信息的自动提取,建筑物的总体识别精度达到94%。然后,通过对建筑物轮廓进行矢量化和规则化,在地理信息平台中实现了建筑物的对象化查询,拓展了实景三维模型的应用深度。

基于地理空间感知型表征学习的轨迹相似度计算

度量轨迹间的相似性不仅是一项基础的研究问题,同时也为众多轨迹数据挖掘应用提供支持。传统相似性度量方法面临数据噪声敏感、算法效率低等问题,难以进行大规模数据计算。当前研究开始尝试使用深度表征学习方法,将高维轨迹数据映射到低维向量空间,通过度量表征间的距离高效地完成相似度计算任务。本文在轨迹表征学习中引入Transformer机制,提出了一种地理空间感知的深度轨迹表征学习方法。首先,使用Geohash编码将二维空间坐标点转换为一维编码序列,使轨迹点在嵌入过程中保留空间相关性。然后,引入Transformer框架构建轨迹表征的深度学习模型,并采用一种隐轨迹点训练模式,以保证模型能从低频、噪声的数据中习得更稳健的向量表示。最后,设计了一个空间感知损失函数,通过距离因子调整模型误差,拉近空间相近轨迹的表征。试验表明,本文方法在轨迹相似性计算任务中超越了基准模型,并且计算效率远高于传统度量方法。

开放式虚拟地球集成共享平台GeoGlobe

如何管理覆盖全球多尺度PB级海量地理信息,构建三维虚拟地球,并进行高效传输与实时可视化以及与专业GIS的集成是我国空间信息技术面临的巨大挑战。对此,重点介绍网络三维虚拟地球中多源、多尺度、多时相海量地理信息管理、网络传输、共享集成与可视化的理论、方法与关键技术。在此基础上,研制开放式虚拟地球集成共享平台GeoGlobe,并成功应用于国家地理信息公共服务平台等项目中。

快速处理大数据量三维激光扫描数据的技术研究

为解决由于利用三维激光扫描仪进行模型重建过程中数据量大而造成的在数据读取、数据处理及三维显示等方面速度低下、操作不流畅等问题,结合当前计算机软、硬件技术的现状,分析激光扫描数据本身的特点,提出基于内存映射文件技术、虚拟内存技术、多线程技术、数据库技术及用OpenGL快速显示三维模型的技术等解决手段,同时在WindowsXP操作系统上,利用Vc++6.0给予了具体的程序实现,以古建筑室内激光扫描数据作为试验数据,实践表明了文章提出的技术手段在现有的计算机条件下,较好地解决数据量大、数据处理和显示速度慢的问题。

基于影像模拟的星载SAR影像正射纠正

对山地和高山地等选点困难地区的星载SAR影像进行正射纠正时,通常采用距离多普勒模型进行影像模拟纠正。但由于每类星载SAR影像辅助数据不同,所建立的距离多普勒模型均不相同,从而导致针对每类星载SAR影像需要采用不同的软件模块进行模拟和正射纠正。针对该缺点,采用RPC模型代替距离多普勒模型并利用改进的模拟影像灰度确定方式进行星载SAR影像模拟,在此基础上建立模拟影像和真实SAR影像之间关系进行正射纠正。采用四川某地区的TerraSAR-X影像,将正射纠正的实际精度和理论精度进行对比,验证本文提出的理论和方法。

几何条件与变换模型对坐标变换质量的影响

提出同名点的信噪比是影响坐标变换质量的根本因素,各种变换方法的区别在于对信号的模拟能力和抗噪音干扰能力。设计一套包含可靠性指标和模拟水平指标的坐标变换评价体系。通过计算各个同名点的多余观测分量和内、外可靠性,评价在某种坐标变换方法下各同名点发现和抵抗噪音的能力,通过讨论坐标变换过程的精度和扩展性、可逆性、唯一性,评价各种模型面对不同应用要求时对信号的模拟能力。对典型数据的对比试验证明采用上述指标的可行性、必要性和有效性,考察了不同几何条件和变换模型对上述指标的影响,指出改善几何条件的办法和各种变换模型适用的条件。

基于形态重构的图像去噪方法研究

应用数学形态学中的形态重构滤波,对噪声图像进行了处理,在去除噪声的同时,也保持了边缘及细节信息。

轻小型地面雷达近实时冰凌监测技术

加强对黄河凌汛的监测与预报,对于防凌工作的安排与决策有着至关重要的作用。针对现场观察或者采用卫星遥感技术开展冰凌监测的缺陷,提出了一种基于轻小型地面雷达进行冰凌监测的方法,利用地形数据对雷达视频数据的帧图像进行地理校正,通过图像分割算法实现冰凌信息的自动提取。以黄河包头段为例,采用该方法提取冰凌信息并计算其密度,结果表明该方法合理有效、成本低,可快速完成冰凌监测任务。

基于BP神经网络算法的GPS水准高程转换

提出了一种基于BP神经网络算法的GPS水准高程转换方法,该方法是对现有基于BP神经网络GPS水准高程转换方法的改进。考虑了重力长波项和地形改正项等因素对GPS水准高程转换的影响,并拓展了其应用范围,使其不仅在平坦地区而且在起伏较大的丘陵地区也可以得到较高的精度。该方法在一定程度上能够克服重力信息缺失的困难,具有一定的实际参考价值。