支持向量机理论及其在遥感图像处理中的应用

支持向量机(SVM)是在统计学习理论的基础上发展起来的一种新的学习算法,经过多年的研究,它的理论基础日渐成熟,它的应用领域逐步扩大.SVM在遥感图像处理领域内的研究也逐渐增多.介绍了支持向量机的理论以及近年来它在遥感图像分类、检索、特征提取、图像压缩、混合像元分解等方面的应用.随着支持向量机研究热的兴起,它必将在遥感图像处理方面发挥更大的作用.     

数字图像超分辨率重构技术研究

数字图像超分辨率重建是近20年来兴起的一门新的数字图像处理技术。随着计算机硬件技术和软件设计技术的不断发展,各种数字图像超分辨率重建算法被提出。综述超分辨率重建的相关技术,指出数字图像超分辨率重建技术的未来的发展方向。     

关于测绘工程专业“测量程序设计”课程改革的思考

测量程序设计是测绘工程专业的一门必修课程,其目的是让学生熟练地掌握一门编程语言并且能够进行测量程序设计。文中针对该课程课堂教学和实验中存在的问题,提出了部分教学改革建议,分析了教学改革建议的优点,希望通过教学改革,提高学生的学习兴趣,使教学效果有明显的改变。     

基于ENVINet5的高分辨率遥感影像稀疏塑料大棚提取研究

随着设施农业管理要求的提高,需要提取高分辨率遥感影像中大范围、低密度的塑料大棚空间分布信息作为农业管理和资源分配的依据。以浙江省桐庐县为研究区域,利用高分辨率遥感影像数据,对比分析不同机器学习方法提取塑料大棚的效果。ENVINet 5深度学习架构可以克服标签较少的困难,通过语义学习进行塑料大棚提取和面积估算,总体精度和Kappa系数达到97.84%和0.81;U-net深度学习网络的提取结果中,总体精度和Kappa系数为96.22%和0.79,两种深度学习方法均优于利用支持向量机进行塑料大棚提取的结果。研究表明通过深度学习方法提取高分辨率遥感影像中稀疏分布的塑料大棚有很好的效果,可以为农业经济作物管理、规划和气象保障提供支持。     

青藏高原GPM降水数据空间降尺度研究

高分辨率的降水数据对于复杂地形区的精确水文预报和气候模拟至关重要。利用青藏高原的植被、地形和地理位置特征,建立了与降水的回归模型,将全球降水测量（GPM）IMERG的年降水量从0.1° 降尺度至1 km,通过分解年降水获得月降水量数据,并用气象站点的实测数据进行校准。得出以下结论：①GPM IMERG月降水量略大于地面观测值,与2015~2017年的站点数据相关性较高（R²=0.79）;②通过建立降尺度模型,提高了研究区GPM IMERG的空间分辨率;③利用站点数据校准后的月降水量,可以反映降水的细节特征,尤其是在雨季和湿润地区。该模型可用于获得地形复杂地区的高空间分辨率降水资料,对水文学和气象学研究具有重要意义。     

基于插值的遥感图像超分辨率重建

利用卫星对地观测的特点,容易得到同一地区的多幅多时相的遥感影像.这些影像提供了不同角度对地观测的数据,影像之间存在着互补性的信息.本文中提出了利用插值进行超分辨率重建的简单算法,首先对不同的遥感影像进行运动参数估计.进行图像配准.然后将低分辨率的遥感影像投影到高分辨率的网格上以获得超分辨率重建后的影像.重建后的图像的目视效果较好,图像的平均值、标准差及信息熵等对比效果有所提高.     

基于BP神经网络的遥感图像超分辨率重建

介绍了一种利用BP神经网络由低空间分辨率遥感图像序列重建得到一幅较高空间分辨率图像的算法。给出了重建过程,并且通过实验数据对算法进行了验证。     

基于SBAS-InSAR技术的西宁地表形变监测

地表形变引发的地质灾害给自然环境和社会带来了巨大威胁,小基线集合成孔径雷达干涉测量（SBAS-InSAR）技术以其监测精度高、监测范围大和非接触等优势,成为地表形变监测的重要手段,为预防地质灾害发生、降低灾害损失,实现地表形变有效监测具有重要意义。利用SBAS-InSAR技术对青海省西宁市2018年1月7日至11月27日27景Sentinel-1A数据进行处理,得到西宁市地表平均形变速率分布图。与同期8个西宁南山GPS地面观测点比较,除一个点误差较大外,其余7个点均方根误差都在3 mm以内,证明了SBAS-InSAR监测结果的可靠性。SBAS-InSAR监测结果表明：山体滑坡是西宁市地表形变的主要形式,特别是沿互助北山和G6京藏高速公路一带滑坡运动尤为明显。实验首次获取了西宁市火车站东北滑坡灾害点定量形变数据,为分析该灾害点状况、保障西宁火车站安全运行提供有价值的参考。     

结合形态描述和直方图特征改进的点云配准北大核心CSCD

针对点云配准过程中配准效率和精度无法兼得的问题,提出一种将内部形态描述(ISS)特征点和二进制方向直方图(BSHOT)特征描述符相结合的改进的点云配准算法。该算法先采用体素格网下采样和ISS算法提取特征点;然后通过二进制的方向直方图(BSHOT)特征描述符结合汉明距离和随机采样一致性算法(RANSAC)进行粗配准;最终利用改进的ICP算法进行精确配准。利用多组点云数据对该方法进行验证。结果表明,在相同条件下,改进后的算法在配准时间和配准精度上均优于其他算法。说明所提出的方法具有较高的配准效率与精度,且随着点云数量的增多,配准精度的提高效果会增强。     

基于正则化方法的遥感图像混合像元分解

由于传感器的分辨率的限制,在低空间分辨率遥感图像中存在着大量的混合像元.混合像元所表示的并不是单一地面物体类别的光谱反射值,而是多种类别的反射光谱的组合.混合像元的混合模型可以分为线性混合模型和非线性混合模型.线性混合模型是最常用的一种解混合方法,对于线性混合模型的求解算法进行了研究,根据最小二乘原理,提出了基于正则化方法的线性混合模型求解算法,对实际遥感TM图像进行了解混合运算,求得了端元丰度图像和伪彩色合成图像.