摘要：针对山区LiDAR点云的特点,对TIN滤波算法的三个重要环节进行了改进:1利用一种简单、快速的随机化格网搜索算法来获取更多的精确初始地面点;2提出一种地形预测角的判断准则来提高地形断裂线附近区域的滤波精度;3对每个激光脚点设置加密优先级,并在滤波过程中动态调整优先级大小,优先级高的激光脚点先进行判断,加密优先级的引入提高了TIN滤波算法对地形的适应性。最后,采用两块分布有大量地形断裂线的山区数据进行实验验证,并与传统的TIN滤波算法进行比较分析,结果表明,改进后的TIN滤波算法可以有效地保留山区的地形断裂线特征,提高了算法在山区的滤波精度。

摘要：特征匹配是基于特征图像配准方法的难点之一,利用空间关系的策略是解决它的一种可靠途径。首先从理论上统一基于空间关系的特征匹配方法的数学模型,然后详细剖析已有几种经典方法定义的全局一致性度量准则存在的问题,最后提出一种新的解决方法。该方法采用高斯分布描述匹配特征对的空间位置在变换模型约束下存在的不一致性,由此定义全局一致性度量准则,使它在平滑连贯性和全局最优解的突出性等方面比已有准则有较大改善,同时该准则中涉及的惟一参数———高斯分布的方差———对它的全局最优解的突出性影响较小,保证提出准则的稳健性。针对新定义准则的最优化求解问题,本文设计一个两步迭代优化算法。用大量实际图像测试本文提出的方法,并将它与几种经典方法进行比较,实验结果表明本文提出的方法是正确和稳健的。

摘要：嫦娥探月工程二期嫦娥3号的着陆任务需要高分辨率影像数据的支持。因此,提出了一种基于压缩感知的超分辨率图像重建方法,实现了虹湾地区月球卫星影像的超分辨率重建。通过从美国阿波罗计划获取的月球影像、嫦娥1、2号卫星影像和嫦娥工程二期试验中获取的图像中提取了大量训练图块,完成了高、低分辨率过完备字典对Ah和Al的联合训练,采用正则正交基追踪算法求解优化问题,获得关于低分辨率图块的稀疏表示,并将表示系数用于Ah以生成对应的高分辨率图块,得到满足重构约束的高分辨率图像。实验验证了算法的有效性,表明其在视觉效果及PSNR和RMSE指标上均优于传统方法。

摘要：随着万维网的发展,在网上实现3维图形的显示、漫游、分析和量测成为研究的焦点内容之一。传统方法通常采用OpenGL,Direct3D技术以及VRML来实现。本文总结了Java3D与其他技术相比在绘制3维图形方面的优势,并设计了使用该技术在网上实现地形3维可视化的算法。最后,经过实验证明算法是可行的。

摘要：针对三维激光点云线性K最近邻(K-nearest neighbor, KNN)搜索耗时长的问题,提出了一种利用多处理器片上系统(multi-processor system on chip, MPSoC)现场可编程门阵列(field-programmable gate array,FPGA)实现三维激光点云KNN快速搜索的方法。首先给出了三维激光点云KNN算法的MPSoC FPGA实现框架;然后详细阐述了每个模块的设计思路及实现过程;最后利用MZU15A开发板和天眸16线旋转机械激光雷达搭建了测试平台,完成了三维激光点云KNN算法MPSoC FPGA加速的测试验证。实验结果表明:基于MPSoC FPGA实现的三维激光点云KNN算法能在保证邻近点搜索精度的情况下,减少邻近点搜索耗时。

摘要：《激光遥感》课程是武汉大学遥感信息工程学院为适应遥感技术发展的最新需求,针对本科生设置的一门专业必修课程,为学生传授LiDAR技术的相关知识。本文针对教学大纲和LiDAR技术的特点,根据科研和生产的需要,设计了实践课程,并提出了课程的框架和建设方案。

摘要：基于判别空间模型方法,根据尺度转换的信息守恒原则,利用2008年张掖地区的一景SPOT5高分辨率影像对土地覆盖信息的尺度效应进行研究和分析。结果表明,基于判别空间的土地覆盖尺度转换精度优于常规的基于择多原理方法的结果,分类前后土地覆盖图的信息一致度高,且尺度转换前后单个地物类别的面积比例相对误差小,说明了基于判别空间的土地覆盖信息尺度转换方法的有效性。

摘要：针对地图标图在不同操作系统和移动终端间跨平台传输、显示和交互问题,提出了基于开源跨平台图形用户界面库Qt和SVG(Scale Vector Graphic)相结合的跨平台地图标图和共享方法。对网络化、跨平台地图标图需求进行分析,提出了基于Qt的SVG结构化标图符号描述模型;设计了基于开源Qt的SVG标图符号体系及动态标图方法;采用提出的标图内核编译了不同操作系统下的标图原型,解决了桌面应用系统和移动终端下地图标图一体化应用问题,显示效率和效果均能满足实际应用要求。

摘要：探讨了信息时代国民经济动员软件系统的实现方式 ,并给出了行之有效的解决方案———基于Oracle的分布式资源数据库和基于GIS的分析决策系统 ,以及基于Domino/Notes的文档管理。

摘要：深度学习的迅速发展极大地推进了多种图像解译任务的精度提升,然而深度学习网络模型的“黑箱”性质让使用者难以理解其决策机理,这不仅不利于模型结构优化和安全增强等,还会极大地增加训练调参成本。对此,本文围绕影像智能解译任务,对深度学习可解释性国内外研究进展进行了综合评述与对比分析。首先,将当前可解释性分析方法分为激活值最大化分析法、代理模型分析方法、归因分析法、扰动分析法、类激活图分析法及样例分析法等6类方法,并对方法的原理、侧重点及优缺点进行了回顾。其次,对8种衡量各类分析方法所提供解释的可靠性的评估指标进行了回顾,并梳理了当前公开可用的可解释性开源算法库。在当前开源算法库的基础上,以遥感影像智能解译任务中的可解释性分析为例,验证了当前深度学习可解释性方法对遥感影像的适用性;试验结果表明当前可解释性方法在遥感解译中还存在一定的局限性。最后,总结了现有基于自然影像的可解释性算法在遥感影像解译分析中存在的问题,并展望了设计面向遥感影像特性的可解释性分析方法的发展前景,旨在为相关研究者提供参考,推动面向遥感影像解译的可解释性方法研究,从而为深度学习技术在遥感影像解译任务中的应用提供可靠的理论支持与算法设计指导。