星载毫米波测云雷达资料的云特征分析

基于CloudSat卫星资料, 综合地基和天基遥感资料云特征反演算法, 开展了云分类和云相态识别方法研究, 并将所得结果分别与CloudSat数据处理中心(DPC)发布的云分类产品和CALIPSO星上载荷Lidar产品进行了比对分析和个例研讨。     

提高卫星遥感资料利用率的方法

从NOAA及EOS/MODIS资料的几何精校正、云检测与合成滤云、数据融合等方面分析了提高遥感资料利用率的几种有效的方法.     

NOAA气象卫星云检测方法的研究

为了提高气象卫星资料的可用性，排除云干扰，本文根据云的时空分布变化特征，对可见光波段反射率和热红外波段温度进行分析和研究，提出了可见光反射率自动判云、热红外温度自动判云，可见光和热红外组合判云以及设立云区阈值判云等一系列检测方法。并对检测出的云区采用同周期相近时相的图像资料相对变化率来反演替代云区灰度值。保证了图像的连续性和客观性，取得了较好的效果。     

机载点云数据生产DEM的关键技术探讨

从机载航摄仪中获取的点云数据出发,提出了点云制作DEM的生产工序流程及作业中的注意事项,重点论述点云精度、点云滤波、DEM制作等关键技术,并对点云滤波算法进行优化改进,使之更好地应用于项目生产中,提高了工作效率.     

基于MFC单文档和OpenGL的激光扫描数据可视化与编辑的研究

基于实测的点云数据,根据目前建筑点云显示方面的需求,需要通过平台展示点云成果.本文应用MFC单文档和OpenGL可实现点云数据的显示、缩放、压缩等效果,数据采用嘉荫县恐龙模型点云数据,经实验表明,采用MFC单文档和OpenGL在点云显示编辑方面具有较强大的功能,可作为成果展示的途径.     

一种适应大坝健康诊断的改进云合并算法

针对大坝健康诊断中普遍存在的信息不确定性以及诊断过程中诊断指标信息融合的复杂性等问题,提出了基于云滴的改进云合并算法。该算法从云模型的云滴特性出发,首先通过正向云发生器分别得到多个“原子云”的云滴,再对云滴进行加权运算实现云滴合并,然后通过逆向云发生器得到“综合云”,实现了云模型表征不确定性信息的传递和融合。以紧水滩大坝为工程实例,构建了基于改进云合并算法的大坝健康诊断模型。实例验证了改进的云合并算法的可行性和合理性,适应了大坝健康诊断多指标、多层级、异权重等特点。     

一种陆地卫星影像厚云阴影检测方法

针对现有的遥感影像厚云阴影监测方法存在过程复杂、精度不高等问题,该文提出一种TM影像厚云阴影检测方法:通过阈值分割提取影像中的所有阴影;对比一幅近时相的无云影像,分离出厚云的阴影,即云阴影为"有云"影像比"无云"影像多出的阴影;最后将提取结果与人机交互、云阴影增强模型法提取的结果进行对比分析。实验结果表明该方法提取精度较高,可以快速、准确地提取TM影像中的厚云阴影。     

基于聚类与重构的河流区域滤波方法

研究河流区域水体点云的分布特征与相互关系,提出基于特征聚类的点云分割与基于LLE算法的邻近点点云重构滤波方法。通过统计网格内点云的特征参数,进行点云分割并滤除水面点,再利用LLE算法的邻近点构建约束条件进行点云重构,分离近岸船只点云与岸堤点云的边缘,最后利用船只点云的独立性进行二值连通域标记与滤除,从而实现河流区域的点云滤波。实验表明,该方法能够滤除90%以上的水面点云与大部分船只点云。     

遥感云服务平台技术研究与实验

遥感云服务是基于云计算技术,整合各种遥感信息和技术资源,通过互联网以按需共享的方式提供的遥感应用服务.本文在分析遥感云服务的基本模式和技术特点的基础上,阐述了遥感云服务的技术体系及关键技术,包括遥感数据云存储、遥感数据云处理、遥感应用云服务以及遥感数据云安全技术等,设计了遥感云服务平台总体架构和功能模块,并介绍了作者团队基于云计算技术研发的遥感云服务平台原型系统.该系统支持用户根据业务选择遥感数据和应用软件,在云服务平台自动部署的虚拟机上进行在线使用.实验表明,遥感云服务平台可以汇聚来自不同服务商的遥感信息、应用软件和计算资源,为用户提供一体化的按需应用服务,对于遥感技术的普及应用和产业化发展具有重要意义.     

八叉树索引的三维点云数据压缩算法

针对现有的三维点云简化算法普遍存在运行效率较低、内存消耗大、处理时间过长等问题,该文利用八叉树索引的速度优势和点云数据空间分割的逻辑结构,并结合三维点云网格简化算法高效的优势,提出一种基于八叉树索引的三维点云简化算法。该算法基本满足点云简化的理想标准,计算快速、运行时间短。利用实测大雁塔数据对各种三维点云压缩算法进行比较,结果表明该文提出的新算法对点云数据的压缩简化效率和压缩率较现有算法均有较大提高。     

基于Open Inventor的海量点云交互式管理

针对三维激光扫描点云数据量庞大、管理复杂等不足,结合海量点云数据的特点,采用面向对象和交互式的三维图形库Open Inventor作为开发工具,实现对海量点云的三维动态展示以及法向量和空间坐标的交互式提取等功能。     

融合激光点云与影像点云的精细化DEM生成

针对地面激光扫描及无人机航摄技术在实际外业测量中受视场角限制或遮挡等因素的影响而难以获取待测区域完整的点云数据的问题,本文在经典ICP算法的基础上,提出了一种顾及高程差异和点云密度的激光点云与影像点云融合方法。通过差分数字高程模型对点云进行分块,并基于点云密度选取融合范围,将分块后的影像点云配准到激光点云的孔洞和稀疏区域。本文方法能够提高激光点云与影像点云的融合效果,保持激光点云的精度并保留更多的细节特征,实现激光点云与影像点云的高质量融合。     

最小割与深度学习联合优化的室内粘连点云分割方法

随着数字城市的发展,城市三维模型重建对三维点云结构化的需求与精度要求越来越高。如何有效准确地分割室内语义模型与三维重构是当前研究的热点问题。点云分割分类是室内点云结构化的重要基础,如何将粘连点云构件进行准确分割并用于室内点云结构化,是当前城市建模的难点。本文提出了一种面向室内粘连点云数据的分割分类方法。首先,利用深度学习网络处理室内点云数据;其次,对点云数据进行标签分类,得到目标标签点云;然后,利用欧氏算法对目标点云进行聚类分割,通过室内语义构件包围盒信息计算各目标中心点坐标与水平半径;最后,利用点云最小割实现室内粘连点云的准确分割。利用3组室内场景中获取的数据对分割方法的精度及有效性进行了验证。结果表明,该分割优化方法具有较高的精度与数据完整性。     

热红外与可见光数据的云边缘高度匹配

高分辨率数据中云高度的差异性突显,特别是边缘处高度在云阴影识别和地表辐射估算等方面成为需要考虑的重要因素。热红外数据获取云高度分辨率较低、缺乏细部差异性特征,为解决这一问题,首先将对应的热红外和可见光数据进行特征点配准,再将基于热红外数据计算的云高度重采样至高分辨率,然后以基于欧式距离变换的围线搜索方法及距离加权将热红外云边缘高度匹配至对应的可见光图像,最后根据云阴影的相似度匹配方法确定真实云高度。结果表明,算法在遵循热红外云高信息分布变化规律的同时,可以得到较准确的高分辨率云边缘高度,一定程度上解决了热红外技术获取云高在分辨率上的局限,扩展了其在云高反演方面的作用。     

基于云计算的智慧唐山时空信息平台数据库构建

随着云计算技术的不断发展,大数据与信息化时代的优势越来越突出,应用越来越广泛。时空信息平台作为智慧城市建设的重要内容,管理海量基础地理信息数据,是智慧城市建设的基础。因此,海量数据的管理成为时空信息平台设计的关键。以智慧唐山建设为例,结合云计算技术,探讨时空信息平台数据库的构建,针对云平台基础地理信息数据体系、云平台数据库体系架构以及云平台数据库管理系统等方面进行设计,明确基于云计算时空信息平台数据库建设内容,探讨适用于智慧城市建设的时空信息云平台解决方案。     

基于密集匹配点云的DEM生产可行性研究

无人机倾斜摄影直接生产的成果通常包括三维模型、TDOM、DSM等,然而规划设计通常不能直接利用倾斜数据输出的DEM,需要辅以人工编辑。作为倾斜摄影影像处理的过程成果,密集匹配点云未得到充分利用。其与激光雷达点云具备相似的结构,且点云密度可自由选择,在不考虑数据量的情况下,密集匹配点云的点密度可数倍于激光雷达点云。此外,密集匹配点云无需单独赋色,即具有纹理信息, 对人工目视编辑自动分类后的地面点具有一定的辅助作用。本文对比分析了同一测区的密集匹配点云与激光雷达点云,验证了密集匹配点云用于房屋建筑区及稀疏林区地面点滤波并生产DEM的可行性。     

Landsat TM遥感影像中厚云和阴影去除

提出了一种新的利用多时相Landsat TM影像数据进行的厚云及其阴影去除的方法。该方法通过分析厚云及其阴影的光谱特征, 设计了厚云和云阴影识别模型。该算法的实现是采用图像配准技术、非监督分类、像元替换等运算, 计算出厚云和云阴影区域的TM影像替换数据, 进而得到消除或者减少云影响的TM遥感影像。试验结果表明本文提出的厚云及其阴影去除方法效果很好, 能消除或者弱化云对TM影像数据的影响。     

基于扫描模式的点云修复技术研究

在现有3维激光扫描点云数据基础上,本文在VC＋＋平台下,对点云数据进行了处理,实现了点云数据的修复,其中数据采用美国斯坦福大学试验点云数据。经实验表明,程序能够实现点云的修复,减少了外业扫描过程中因遮挡引起的点云缺失。     

基于云端一体化技术体系的云GIS系统研究

GIS系统因其与生俱来的空间属性,正面临着数据密集、计算密集、高并发、海量时空数据运算等挑战.云计算具有资源池化、弹性伸缩、按需使用等优势,可实现更高性能、更高并发的应用,从而协助解决GIS面临的问题.本文提出了基于云端一体化技术体系的GIS系统架构,包括集约化的GIS云、多样化的GIS端,以及云端互联的GIS系统三个部分.集约化的GIS云平台集成了高性能跨平台、智能集群、并行切图、并行空间分析等技术,可集约利用云计算资源,并提供高效的GIS服务.多样化的GIS端集成桌面、Web移动端技术,可构建跨多端设备的GIS应用.云端互联的一体化系统通过云端一体化、云端协同技术,实现云端之间高效互联、协同工作的GIS应用模式.云端一体化GIS系统致力于让GIS充分利用云计算的优势,应对大数据时代的数据密级、计算密集等挑战.