Dan510275的博客

随着数字化测量的发展，三维激光扫描仪能够快速地以多角度、高效、高精度方式获取物体的表面三维数据，可以用于校园典型建筑物的三维建模。以云南师范大学呈贡校区内的国立西南联合大学纪念碑和国立昆明师范学院纪念柱为典型建筑物三维建模对象，首先采用徕卡Ｐ４０三维激光扫描仪采集它的三维点云信息，然后利用Ｃｙｃｌｏｎｅ软件对多站式点云数据进行拼接、统一化和去燥，将处理后的点云数据导入Ｇｅｏｍａｇｉｃ　Ｓｔｕｄｉｏ软件，对其进行封装、孔洞填充、平滑等相关处理，构建其三维模型并对模型进行纹理映射，最终完成校园典型建筑物点云数据的三维模型构建。该三维建模流程方法对校园典型建筑物的三维建模可取得较好的效果。

针对同一物体不同视角下获得的三维点云数据，提出一种基于改进特征点对选取的三维点云配准方法。在欧氏距离的基础上选取与目标点最近的三点均值为对应点，并应用邻域比值法来剔除错误点，结合K-d tree 提高搜索速度，实现最终点云配准。实验结果表明，该方法具有可行性，相比传统ICP 算法，其匹配精度和效率明显提升。

水资源是维持一个地区经济社会发展和生态安全的重要因素，尤其对西部干旱半干旱区发展格局的构建、经济的高速提升、生态环境的可持续的作用更加凸显。通过以石河子市为例，利用遥感图像对不同生态系统的解译，采用面积定额法和生态系统单位面积当量估算法，对石河子市各种生态系统进行生态需水量计算和生态服务价值估算，并进一步与该市社会经济生产需水量和生产价值进行对比分析发现，石河子市的耕地在各生态系统类型中，所占比重最大、生态需水最多; 生态环境实际补水量，不足以维持本地区生态环境可持续; 在生态可持续性优先的背景下，需积极调整产业布局，优化水资源的配置，切实提高水资源利用效率

基于形态学变换的遥感图像分类提取技术在影像识别中得到了广泛应用, 也取得了令人满意的效果。但在处理多光谱、高光谱影像中, 由于较少考虑色差信息而使分类识别受到限制。本文在分析形态学算子特点的基础上, 提出了基于形态学变换色差的水域特征提取策略。实验表明, 该算法具有明显的优越性和较强的适应性。

准确提取城市不透水面对生态环境、水热循环及热岛效应等研究具有重要意义。该文利用ＷｏｒｌｄＶｉｅｗ高分辨遥感影像，提出基于ＰＵＬ（Ｐｏｓｉｔｉｖｅ　ａｎｄ　Ｕｎｌａｂｅｌｅｄ　Ｌｅａｒｎｉｎｇ）算法的高分辨率影像城市不透水面提取方法，该方法不需要负样本数据，只需少量的正样本和未标记样本即可训练分类模型。结果显示，ＰＵＬ算法的提取结果优于一类支持向量机（ＯＣＳＶＭ）以及最大熵（ＭＡＸＥＮＴ）模型。使用不同正样本量时，ＰＵＬ的提取结果总体精度和ｋａｐｐａ系数均优于ＯＣＳＶＭ 和ＭＡＸＥＮＴ，最高总体精度为９１．２７％，最高ｋａｐｐａ系数可达０．８２５５，可快速、有效地从高分辨率遥感影像中提取不透水面。

Feature point detection based on convolutional neural network (CNN) has been studied widely. The effective approaches for improving detection accuracy are building a deeper network or using a multi-network cascade structure. However, some potential capacity of CNN has not been excavated. In this study, the authors mainly analyse several factors influencing CNN performance from two aspects: (i) the position relationships between feature points and (ii) the normalisation methods of coordinates. Whether the network can learn the position relationships is also studied. For extracting the deep Abstract: Feature point detection based on convolutional neural network (CNN) has been studied widely. The effective approaches for improving detection accuracy are building a deeper network or using a multi-network cascade structure. However, some potential capacity of CNN has not been excavated. In this study, the authors mainly analyse several factors influencing CNN performance from two aspects: (i) the position relationships between feature points and (ii) the normalisation methods of coordinates. Whether the network can learn the position relationships is also studied. For extracting the deep features of images, a network containing three convolution layers is constructed. The specific geometric relationship constraints are applied during calibration to maximise the capability of the CNN for learning the position relationship between feature points. Considering that different feature points only appear in various local regions of an image, local normalisation is proposed, which increases the mapping scope of the feature points and decreases the mapping error. The experimental results prove that the specific position relationship and local normalisation obviously improve the feature point detection based on CNN. At the detection error of 5%, the average detection accuracy of eyelid feature points is improved by 7.1% and single-point detection receives a high accuracy of 97.96% features of images, a network containing three convolution layers is constructed. The specific geometric relationship constraints are applied during calibration to maximise the capability of the CNN for learning the position relationship between feature points. Considering that different feature points only appear in various local regions of an image, local normalisation is proposed, which increases the mapping scope of the feature points and decreases the mapping error. The experimental results prove that the specific position relationship and local normalisation obviously improve the feature point detection based on CNN. At the detection error of 5%, the average detection accuracy of eyelid feature points is improved by 7.1% and single-point detection receives a high accuracy of 97.96%

传统的目标检测识别方法难以适应海量高分辨率遥感影像数据，需要寻求一种能够自动从海量影像数据中学习最有效特征的方法，充分复挖掘数据之间的关联。本文针对海量高分辨率遥感影像数据下典型目标的检测识别，提出一种分层的深度学习模型，通过设定特定意义的分层方法建立目标语义表征及上下文约束表征，以实现高精度目标检测。通过对高分遥感影像目标检测的试验，证明了该方法的有效性。

摘要：随着ＷｏｒｌｄＶｉｅｗ－２卫星的发射，首次出现了８波段多光谱高分辨率商业卫星。高分辨率影像包含丰富的空间结构信息和地理特征信息，采用传统的基于像元的影像分析方法精度明显达不到要求。为了提高精度，本文以西藏那曲为研究区，利用面向对象的方法对那曲的ＷｏｒｌｄＶｉｅｗ－２影像进行分类，采用模糊分类法，利用所分地物的特征确定类别，针对西部地区干旱河流的特殊情况，提出了一种基于地物空间轮廓特征的分类方法，分类结果较好。

特征提取是影像目标分类识别的重要步骤。通过研究四元数在多光谱遥感影像处理中应用的优势, 提出了一种基于四元数的多光谱遥感影像水域提取的算法。该算法把多光谱遥感影像的所有波段作为一个整体考虑, 充分利用了光谱信息, 同时也减少了计算量。实验表明, 该算法具有明显的优越性和适应性。

近年来遥感技术在海洋上的应用得到较快的发展, 尤其对同步宏观的观察海洋各种信息, 使它占更重要地位。作为“E O P A P” 的一部分(地球海洋物理应用规划) , 美国在1 9 78 年6 月26 日专门为研究海洋发射的海洋卫星一“ S ae s a t 一A ” , 在当今还是领先。海洋卫星S c a s at 一A 每天观测面积为12 x t o 7 K m Z , 1 52 天将地球观测一遍, 装有四部为微波, 三部属主动式, 合成孔径雷达等传感器。但运行到1 05 天, 因技术故障而停止工作。海洋卫星取得的资料, 将对海洋水文、 气象、海洋工程、海洋环境等的研究有重要意义。

利用传统邻域均值法对全色影像水域进行提取时，所提取的水域边界精确度严重依赖于搜索窗口的大 小。本文通过分析水域灰度特征以及提取边界不精确的原因，对方法进行针对性的改进: 依据邻域各像素点与种子点的灰度差值分别对其赋予不同的灰度值，以处理后的邻域均值作为特征进行水域提取。实验结果表明: 基于改进的邻域均值方法对遥感影像水域有较好的提取结果，提取精度较之改进前有明显改善。

尺度效应往往会制约着定量遥感反演的精度，对地学信息进行空间尺度转换是生产实践的必然要求，而常用的尺度转换模型多利用光谱数据进行差值计算，不适合升尺度和降尺度转换。由于土壤含水量数据具有区域变化量的随机性和结构性特点，本文以１５ｍ分辨率的ＡＳＴＥＲ图像像元为基本单元，采用点克里格法完成ＡＳＴＥＲ　１５ｍ至７．５ｍ分辨率的土壤含水量数据降尺度转换，从分维数的相似程度上来看，转换结果是合理的；并利用块状克里格法对地面实测样点数据进行点到７．５ｍ分辨率的面数据升尺度转换，将升尺度和降尺度转换结果与实测样点均值相比较，结果表明：７．５ｍ分辨率的实测样点土壤水均值误差在１．５７８２－５．０１９之间，块状克里格法获取的升尺度土壤含水量数据与点克里格法获取的降尺度土壤含水量数据之间误差则为１．２８２５－５．０４８１，可见克里格法考虑了点与周边的关系，所获得的土壤含水量值要优于未考虑空间异质性的土壤含水量平均值。

摘要: 高分辨率遥感影像分类是遥感影像处理领域中的一个重要的研究方向． 选取Worldview-2 影像，分别以光谱信息和光谱结合纹理信息为分类数据，采用最大似然法( MLC) 和支持向量机法( SVM) 进行监督分类，用混淆矩阵对分类结果进行评价． 结果表明，9 × 9 为最佳纹理窗口; SVM 法分类精度明显优于MLC 法; 基于光谱结合纹理信息的分类精度明显优于单纯基于光谱信息的分类结果． 辅以影像纹理特征，采用SVM 法可以较为有效提取Worldview-2 地物信息．

本文从我国水文遥感技术和应用的现状出发, 以降雨量估算、土壤含水量探测、湖泊和巨型水库水 位监测及大型水体水温监测为重点, 阐述了新一代水文遥感的技术动向和发展趋势, 点明了90 年代我 国水文遥感的研究方向。

从卫星遥感影像中快速、准确地提取水体信息已成为水资源调查，水资源宏观监测及湿地保护的重要手段，但目前，进行水体提取所使用方法都是完全人工或者半人工半自动化的手段，都摆脱不了人工操作，还没有一个完全智能化的手段本文利用ERDA嗽件进行卫星影像中水域特征提取，通过图像分类的方法，提取遥感影像水域特征，得出实验结果，并进行分析和评价

:以ETM+影像为数据源, 采用2 种归一化水体指数分别从遥感数据中定量提取水域面积, 并将提取结果 和监督分类提取结果做比较。研究表明, 3 种模型都能从ETM +遥感数据中准确提取水体信息, 并且归一化水体指数模型简单计算速度快, 适合用于水域面积的动态监测。选用优良的训练样本, 监督分类提取的结果和归一化差异水体指数相同或者更优。

合成孔径雷达, 是一种主动式微波传感器, 能够全天时、全天候对地观测, 而传统的光学遥感方式对空气能见度要求很高, 特别在灾害性天气时具有独特的优势。所以在洪涝灾害应急测绘保障方面, 发挥着不可替代的重要作用。从影像中识别提取所需的地物地形要素, 人工的识别操作无疑是最准确的, 但也是最慢的。在灾害面前, 时间就是生命、时间就是财产, 计算机程序自动识别和提取要素是最快捷的, 比传统手工提取更快捷, 能够在第一时间为了解灾情、抗灾救灾、灾后重建提供数据基础。本文以影像水域提取为切入点, 抛砖引玉的介绍了一种水域提取的可行方案。

分布式水文模型的发展对水文信息的范围和精度提出了更高的要求，用遥感信息获取水文要素成为重要手段。探讨使用ENVI软件对MODIS 数据处理和计算的方法，并分析和讨论了此方法的优缺点。以东苕溪流域为应用实例，提取了下垫面蒸发量信息和计算土壤含水量，并用4 个水文站的实测数据对遥感数据进行了验证。最后，结合土地利用情况分析两者在时间和空间上的变化。结果表明，东苕溪流域蒸散发量与实测数据符合度比较好，可以用来估算流域蒸散发量。东苕溪流域平均月蒸发量和地域分布年内变化大，土壤含水量在地域上呈东西向阶梯分布，随时间变化不大。

高分辨率、栅格化的气候数据作为环境因子是地学模型和气候模型等相关研究的重要参数, 国内外的研究多集中于温度、降水等气象要素, 对陆面蒸发空间化研究较少。对黄土高原多沙粗沙区及周围共计53 个气象站点(多沙粗沙区30 个)蒸发皿测量值Epan进行空间插值, 以5 变量局部薄盘样条函数(经纬度为自变量, 净辐射、水气压差和风速为协变量), 建立具有多元线性子模型的蒸发插值模型, 以ANUSPLIN 为实现软件, 生成连续21 年共252个蒸发表面。交叉验证表明:引入蒸发影响因子作为协变量线性子模型进行表面插值能显著提高插值精度, 夏季提高幅度更大, 拟合表面具有较高的精确度与平滑度。蒸发随协变量的变率显示, 在多沙粗沙区, 水气压差是夏季蒸发的主要控制因素, 风速对蒸发的影响冬季稍强一些, 净辐射的影响没有明显的季节性, 只在春分和秋分时节有微小提高。

针对遥感图像中水域的变化检测问题，提出一种综合特征级和像素级变化检测的多光谱图像变化检测方法，用于检测多时相遥感图像中水域的变化情况；首先利用ＢＰ神经网络，选取输入层为５，选定隐含层为１０，完成多光谱图像的水域有效分类，再根据多光谱图像的水域特征，通过ＨＳＶ空间准确定位水域区域，最后利用差值法进行多光谱图像水域变化检测；实验结果表明，该方法提高了变化检测的自动化程度和变化检测效率，具有较高的检测精度。

为了尝试用Pareto蚁群算法(PACA)和遥感技术(RS)来求解复杂的水资源优化配置问题, 建立了以经济、社会和生态环境综合效益最大为目标, 以供水、需水、水质等为约束条件的基于像元的水资源优化配置模型. 通过局部信息素强度限制、全局信息素动态更新、Pareto解集过滤器构建等策略, 使蚂蚁向信息素浓度大的优化边界移动,以提高PACA的全局搜索能力和收敛速度. 以中原地区某县为仿真对象, 借助RS获取其土地利用类型, 利用PACA在栅格地图上求解水资源优化配置模型, 并得到水资源最优配置方案. 最后PACA与遗传算法(GA)和BP神经网络算法(BP-ANN)进行了比较. 结果表明, PACA能有效地求解大范围、多目标水资源优化配置模型

基于智能手机内置加速度传感器的人体行为识别是近年来人工智能领域的一个研究热点，传统的贝叶 斯、极速学习机、决策树等识别方法都必须先针对加速度传感器采集数据提取时频域特征，并从大量的时频特征中进行特征优选。采用深度学习中卷积神经网络算法( convolutional neural network，CNN) 在大数据量与小数据量两种情况下分别进行特征学习，直接读取智能手机内置三轴加速度数据，自动提取加速度信号的特征，利用自动提取出来的加速度数据特征，结合决策树算法实现人体行为的分类识别。实验表明，该识别方法准确率较传统机器学习方法提高了1． 1% ～ 5． 2%，尤其在大数据量下准确率提高更为明显。

应用Pan - sharpening和(Gram - Schmid两种高保真融合影像方法对Alps全色光谱影像和多光谱影像进行融合，并且对融合效果进行评价和分析，选取结果较优的(Gram一Sc;hmidt方法融合后的影像作为面向对象方法提取影像的数据源进行水体的提取。检验最后的提取结果，发现面向对象的方法在融合后的影像中提取水体，可得到较好结果。

激光点云数据以其详尽、高精度的三维信息，在森林参数估算、精确重建植物形态结构三维模型方面具有特 殊优势。为进一步提高三维模型精度，综合集成多种算法，在改进现有PC2Tree 软件基础上，基于点云数据进行树 木三维重建。首先根据树木局部点云的主方向相似度和局部点云轴向分布密度分离枝干与树叶; 其次采取水平集 和最小二乘法提取枝干部分的骨架点，通过下采样方法提取冠层部分的特征点; 最后根据骨架点和特征点拓扑结 构重构树木三维模型。以樟树为例，分析枝叶分割精度，自动分割与手动分割结果相近; 以无叶的鸡蛋花树为例， 分析重建模型精度，模型主枝长度相对误差范围集中在0 ～ 8. 0%，半径相对误差范围集中在0 ～ 10%; 枝条重建过 程避免了噪声点的干扰，对噪声点具有一定的不敏感性; 重建三维模型与原始点云吻合度高，基本解决了冠层内部 枝干遮挡严重带来的三维建模困难的问题; 依据模型提取树高、冠幅、胸径、体积等参数

格网尺度效应是统计型人口数据空间化研究的基础性问题之一。针对资源环境研究领域和全球变化区域模 型对各种尺度的空间型人口数据的需求, 人们对人口数据空间化进行了大量研究。综观现有研究成果, 缺乏针对具体应用需求的数据源选择方法和对数据产品适宜性的分析。因此, 数据在实际应用中, 特别是县市、二、三级流域等尺度上的应用中

人口数据空间化旨在揭示人口在地理空间上的分布位置及数量信息，展现人口统计数据的地理学含义，其研究已经成 为人口学、地理学、GIS 领域的研究热点。人口空间数据库在各级政府部门的规划和决策、灾害评估、资源配置等方面，具有重要的应用价值和科学意义。经过近30 年的发展，人口数据空间化研究水平逐渐成熟，模型丰富多样，已获得众多成果。

人口密度网格化比人口密度行政单元化更接近人口的实际分布。 而且是实现人口数据与其他社会经济统计数据$ 资源数据$ 环境数据复合

:以2000年江西省人口统计数据为基础, 分析各市县人口与土地利用类型、地貌类型之间的相关性, 并按不同地貌类型建立了人口数据空间化模型, 通过残差修正后, 计算出了100 m×100 m分辨率江西省人口分布栅格数据。

：人口的空间分布问题涉及人口学、经济学、地理学等多个学科，统计型人口数据的空间化是 “数字地球”的重要研究内容。阐述了人口地域分布的基本理论，回顾了人口空间分布的研究进展，结合研究实践，提出了在遥感、GIS 技术支持下，统计型人口数据空间化的研究思路和技术流程，并对该方法的特点和应用前景做了展望。

对人脸识别中的光照变化问题，提出一种改进的自商圈算法。对光照图像进行伽玛变换，使用非下采样轮廓被变换对图像进行 多尺度多方向分析，对各方向子带进行wiener滤波，利用自商图模型提取人脸图像的光照不变特性。Yale B与cMu PIE人脸库七的实验 结粜表胡．与传统算法相比．该算法的平均识别更高。

人口数据空间化是“ 数字地球” 的重要研究内容。本文在介绍人口空间分布研究的基础上, 从人口分布影响因 子、土地利用等空间数据的应用、构建间接的人口指标、人口数据空间化建模以及城市人口数据空间化五个方面, 回顾了人口数据空间化研究的最新进展, 并简要阐述了面插值的概念及其对人口数据空间化研究的意义。在总结 前人相关研究的基础上, 本文以福建省为研究区, 在栅格数据模型的支持下, 通过多源信息融合, 从乡镇行政区划 的尺度上对人口数据空间化模拟进行了尝试。

：城市空间ＰＯＩ点的分布模式、分布密度在基础设施规划、城市空间分析中具有重要意义，表达该特征的核密度法由于顾及了地理学第一定律的区位影响，比其他密度表达方法（如样方密度、基于Ｖｏｒｏｎｏｉ图密度）占优。然而，传统的核密度计算方法往往基于二维延展的欧 氏空间，忽略了城市网络空间中设施点的服务功能及相互联系发生于网络路径距离而非欧氏距离的事 实。本研究针对该缺陷，给出了网络空间核密度计算模型，分析了核密度方法在置入网络结构中受多种 约束条件的扩展模式，讨论了衰减阈值及高度极值对核密度特征表达的影响。通过实际多种ＰＯＩ点分 布模式（随机型、稀疏型、区域密集型、线状密集型）下的核密度分析试验，讨论了ＰＯＩ基础设施在城市 区域中的分布特征、影响因素、服务功能。

用C++语言和OpenGL实现F16战斗机的模型的飞行模拟。OpenGL 是行业领域中最为广泛接纳的 2D/3D 图形API，其自诞生至今已催生了各种计算机平台及设备上的数千优秀应用程序。OpenGL是独立于视窗操作系统或其它操作系统的，亦是网络透明的。在包含CAD、内容创作、能源、娱乐、游戏开发、制造业、制药业及虚拟现实等行业领域中，OpenGL 帮助程序员实现在 PC、工作站、超级计算机等硬件设备上的高性能、极具冲击力的高视觉表现力图形处理软件的开发。

模拟钟表运行的程序，由Visual basic为平台写成。钟表由秒针、分针、时针构成，每过1秒钟，秒针运行1次，对于学习VB有所帮助。