道路网增量更新中拓扑冲突的检测方法

为提高空间数据增量更新中拓扑冲突的检测效率,针对道路网数据,首先分析了增量要素进行更新时可能产生的拓扑冲突的类型和特点,运用规则格网进行邻近区域的表达;然后使用5元组模型描述增量要素与邻近区域要素间的拓扑关系,与设定的拓扑冲突表达进行比较,判断是否存在拓扑冲突。实验结果表明,本方法对于道路网数据增量更新中的拓扑冲突的类型区分准确全面,检测效率较高,具有很好的实用性和可靠性。     

模糊关联规则挖掘算法及其在异常检测中的应用

阐述了在入侵检测中应用模糊关联规则挖掘的方法,提出了对传统Apriori算法的改进。最后以网络流量分析为例,详细描述了在入侵检测中运用模糊关联规则挖掘的步骤,并以规则集相似度建立对入侵的响应机制。     

一种新的运动检测及轮廓追踪方法

构建了基于块区域二阶矩比的三帧差分运动检测模型,应用文献[1]中的核密度估计模型来滤除其中的非运动区域,并采用支持向量聚类实现多目标检测。给出了运动物体轮廓快速追踪的RW算法,该算法不必考虑检测区域内部的细节问题,能够充分利用所检测到的边缘信息,比较符合人眼对轮廓的搜索习惯。最后给出了实验结果。     

一种利用数学形态学提取地形轮廓的方法

提出了一种利用数学形态学提取图像中地形轮廓的方法。首先分析运用传统单一边缘检测算子提取地形轮廓的不足,然后着重介绍了数学形态学提取地形轮廓的原理,最后通过实验分析,采用开运算与闭运算相结合的方法提取地形轮廓,不仅有效地去除了各种噪声,而且极大地保持了地形轮廓的细节特征。     

GPS网正常高求解方法的研究

本文针对几何方法在山区存在的局限性,提出了一种考虑地形起伏影响的几何方法。试验结果表明,在山区应用该方法可以获得与平原地区精度相当的高程异常。文中推导了GPS网正常高求解的数学模型,并分析了正常高求解结果的精度。     

GPS高程转换中不同高程异常基准对正常高高差的影响

为了解决不同坐标系统下高程异常对正常高高差转换的影响，通过模拟计算得出了对正常高高差影响的定量结论，对于大地水准面的精化和应用似大地水准面确定GPS正常高具有一定的参考价值。     

不动产登记空间数据库轮廓体更新方法

提出不动产登记空间数据库轮廓体更新方法,针对不动产登记数据的管理要求,构建空间数据库模型,依托修剪空间定理和动态查询窗口,识别空间数据轮廓。根据轮廓体更新原理,结合Addpoint＿Skycube算法和Deletepoint＿Skycube算法,设计轮廓体数据更新技术,再通过临时数据库的过滤,完成不动产登记数据库的准确更新。实验结果显示：所提数据库更新方法的执行时间较短,分别缩短了74.2%与68.5%。完成不动产登记空间数据库更新后,可保证不动产登记过程的完整性。     

基于深度学习的遥感影像地物目标检测和轮廓提取一体化模型

随着遥感影像的分辨率不断提升,基于可见光遥感影像地物目标检测和轮廓提取的研究越来越受到关注。基于深度学习的方法提出一个利用遥感影像进行地物目标检测和轮廓提取的一体化模型,旨在解决遥感影像地物目标检测和轮廓提取中繁复的手工标注和传统算法效果不佳的难题。以船舶为研究对象,在HRSC2016遥感数据集上进行验证,单类目标检测精度可以达到79.50%,4类目标检测精度为63.45%,轮廓提取精度可以达到97.40%。结果证明,提出的模型可以实现基于遥感影像的自动化、智能化的船舶目标轮廓提取。     

拟合高程异常方法的比较

本文通过具体算例,比较了几种常用的由大地高推算正学高拟合内差法的特点,对ＧＰＳ水准提出了一些算法和建议。     

局部统计活动轮廓模型的SAR图像海岸线检测

首次将局部统计活动轮廓模型引入SAR图像海岸线检测问题中,提出了一种基于局部统计活动轮廓模型的SAR 图像海岸线检测方法。首先利用C-V模型进行粗分割,消除局部统计活动轮廓模型对初始轮廓线设置要求严格的限制,然后提出了一种基于G⁰分布的局部统计活动轮廓模型,进行精细分割。该模型采用G⁰分布对轮廓线上每一点的邻域进行统计建模,增强了模型数据拟合能力,提高了海岸线检测精度,加入水平集函数惩罚项,消除了重新初始化过程。实测SAR图像实验表明,本文方法可用于精确海岸线检测。     

基于Bootstrap的模糊度法方程更新算法的改进

阐述了GPS数据处理中基于Bootstrap的模糊度固定策略,在此基础上对二维法方程以及参数更新的算法进行改进,推导了更高效的三维法方程以及参数更新算法,能够提高解算速度,对GPS数据处理具有一定的参考价值。     

一种自适应的矢量数据增量更新方法研究

针对GIS增量更新中存在的一致性维护与空间冲突问题,提出一种自适应的矢量数据增量更新方法。以同名对象匹配为切入点,探讨变化对象的检测与增量更新的方式。在综合考虑空间距离,语义相似度及拓扑一致性约束的基础上,提出接边匹配度的计算方法并设计自适应的对象接边算法。同时,介绍矢量数据增量更新中基于约束规则的空间冲突检测与处理方法。并以矢量地形图试验数据验证文中所提出的模型与算法。     

一种基于灰度剖面分析的边缘提取新算法

针对影像中梯度较小的模糊边缘,提出了一种自适应梯度的概念和边缘检测算法。基于新的梯度概念,可以根据刀刃曲线的实际形状自适应地计算影像中每一点的梯度,比较理想地消除边缘的渐变效应(模糊)对边缘检测的不利影响。试验表明,这种梯度计算方法对模糊边缘的检测具有较好的效果。     

引入二维交细分类型的地表覆盖矢量数据增量更新

通过遥感影像与基准年数据对比获得变化信息是目前地表覆盖数据增量更新的主要变化数据来源,但现有方法不能直接更新地表覆盖矢量数据。本文设计了一种包含变化对象的空间位置和类型信息的地表覆盖增量数据模型,发展了一种引入面/面二维交细分类型的地表覆盖矢量数据增量更新方法。该方法首先采用基于目标整体交、差结果的欧拉数的E-WID层次拓扑关系模型区,分析了地表覆盖矢量数据更新中的14种二维交细分拓扑关系类型;然后根据这些二维交细分类型,设计了9条自动更新处理规则。最后开发了一套基于根据二维交细分类型处理规则的地表覆盖数据增量更新原型系统,并用实际数据验证了其正确性。     

基于特征层融合的高光谱图像异常检测算法研究

介绍了一种基于特征层融合的异常检测算法。目前，其他的目标检测算法都需要知道有确定类别标记的样本，而一般的异常检测则是利用统计特征差异分割出图像中不同于背景的点。此方法减少了对先验信息的依赖，但是其结果存在较大虚警。提出的异常检测算法是利用低概率检测算法对高光谱数据先进行特征层融合，再进行分割、提取异常点，其结果降低了虚警和漏警。用这一方法对OMIS系统产生的数据进行了处理，取得了较好的结果。     

基于特征层融合的高光谱图像异常检测算法研究

介绍了一种基于特征层融合的异常检测算法。目前，其他的目标检测算法都需要知道有确定类别标记的样本，而一般的异常检测则是利用统计特征差异分割出图像中不同于背景的点。此方法减少了对先验信息的依赖，但是其结果存在较大虚警。提出的异常检测算法是利用低概率检测算法对高光谱数据先进行特征层融合，再进行分割、提取异常点，其结果降低了虚警和漏警。用这一方法对OMIS系统产生的数据进行了处理，取得了较好的结果。     

基于多孔径映射的高光谱异常检测算法

针对高光谱遥感异常检测中复杂背景与异常目标之间光谱特征相关性导致背景模型难以准确估计的问题,提出了一种基于多孔径映射的高光谱遥感异常检测算法。首先,不同于背景建模提取背景特征的方法,多孔径映射从不同角度提取数据特征,通过构建基集合表征高光谱数据的光谱特性,获得用于衡量统计差异的异常显著性指标。其次,为了实现对具有适中及低异常显著性像素的精细分析,本文基于模糊逻辑理论构建隶属度函数获得关于像素异常显著性的连续性属性标记,并将隶属度值作为权重,通过加权迭代过程实现多孔径映射的自适应收敛。最后,借鉴模糊逻辑理论中的去模糊机制,对多孔径检测结果进行融合,获得最终的检测结果。本文仿真试验采用高光谱遥感数据,从稳健性及对低显著度目标敏感性方面对算法进行验证。     

基于带权点法向量的LiDAR数据屋顶检测方法

提出了一种基于带权点法向量的LiDAR数据屋顶检测方法。通过利用点和其邻接点构成的面法向量进行峰值统计,检测屋顶面。检测过程中同时考虑每个点法向量的权值,从而确定每个点对面的贡献,一定程度上消除了噪声的影响,提高了小面积屋顶检测的准确程度。同时,采用多阈值进行屋顶面检测,能够检测大小不同的面。通过实验验证了本算法的有效性。