一种改进的自适应模糊图像增强方法

Russo提出了一种模糊图像增强方法,该方法的效果由一个事先给定的参数来控制,由于同一幅图像不同区域的灰度值分布不尽相同,所以固定的参数并不能取得满意效果。为了获得更好的滤噪效果,研究了一种基于图像区域信息的改进的自适应模糊图像增强方法。该方法首先计算每个像素与其邻域像素的平均灰度差,然后根据该差值为每个像素分配一个噪声率,最后通过该噪声率来自适应地选择参数。该方法能够在滤除图像噪声的同时,不损失图像的细节特征信息。实验结果显示该方法较原方法有较大改进,并明显优于其他一些常规方法。     

基于遗传算法的DEM粗匹配研究

传统最小二乘无控制DEM匹配方法基于LZD算法实现,该类方法对基准DEM与待匹配DEM之间的初始匹配状态要求较高,其应用受到较大限制。为了解决该问题,提出了一种基于遗传算法的DEM粗匹配方法,结合遗传算法全局最优化的需要,设计了一种新的匹配模型,对最小二乘匹配方法的拉入范围、遗传匹配方法收敛效果和粗匹配效果进行了实验分析。结果表明,基于遗传算法的DEM粗匹配方法能够在基准DEM与待匹配DEM之间状态差异较大时,为最小二乘匹配方法提供合适的初始匹配状态。     

基于迁移学习的低空摄影测量滑坡方量估算方法

针对现有方法难以准确地估算山体滑坡体积的问题,引入人工智能算法,提出耦合迁移学习与微分算法的低空摄影测量山体滑坡方量估算方法。首先,利用SfM与SGM密集匹配等算法从低空无人机立体影像中解算出高精度三维密集点云,结合可见光植被指数和双边滤波算法从密集点云中剥离出目标区地面点云;然后,构建深度神经网络插值模型来表征二维坐标与高程之间的非线性映射关系,并基于参数共享的迁移学习来自适应优化深度神经网络以实现滑坡目标区高程值预测,进而重构滑坡区域的数字地表模型;最后,基于目标区滑坡前后数字地表模型高程差值和微分算法实现山体滑坡方量估算。实验结果表明,该方法平均相对误差为2.7%,相比常用的方法,显著提高了滑坡方量估计精度,并能适应不同地形条件下滑坡方量估算。     

基于拆分-组合的地图要素自动提取方法

针对扫描地图矢量化过程中对交叉、粘连地图要素自动提取困难的特点,提出了一种基于拆分-组合的地图要素自动提取方法,对该方法的各个步骤进行了设计,并对其中关键的细化处理方法进行了优化研究,验证了该方法的有效性.     

空间信息类专业野外认识实习思考

野外认识实习是地学高校空间信息类专业教学中的重要环节,是课堂理论教学的必要补充。峨眉山风景秀丽,自然地理、人文地理资源丰富,地貌类型典型,地质现象独特,是空间信息类专业进行大地学野外教学的理想之地。成都理工大学空间信息类专业结合自身专业特点,在传统地学专业野外教学路线基础上,提出了适合本专业的野外实习内容与要求,并对路线中包含的教学目的、内容与要求做了分析和探讨。