摘要：可靠性是遥感监测的重要研究方向之一。人工智能技术促进了遥感目标识别技术的快速发展,但是其不可解释性带来了新的问题。本文依据空间数据的可靠性理论和人工智能基础理论,首先,提出了智能化遥感目标可靠性识别思想及总体框架;然后,阐述了影响可靠性的因素分析、可靠性提升方法、可靠性评估方法和可靠性过程控制等核心研究方向;最后,展望了人工智能用于遥感目标可靠性识别方法的未来发展方向。

摘要：通过分离目标反射率、入射角及距离三个因素,利用Weierstrass定理,将激光强度表示成三个因素多项式函数的乘积形式,提出一种新的地面三维激光扫描(terrestrial laser scanning,TLS)激光强度改正模型。利用不同反射率的漫反射目标,设计入射角与距离实验,确定各个多项式的次数及系数,求取改正后激光强度值。实验结果表明,与现有改正模型进行比较,本文模型能精确地对激光强度值进行改正,并可以推广到自然目标强度数据的改正。

摘要：为了科学地评价应用动态 GPS技术鉴别振动特征的能力及可行性 ,本文设计了若干个振动实验。实验数据的谱分析结果表明 ,利用 GPS观测数据可以精确地鉴别出振动特征 ,如相对位移和频率 ,并且当 GPS数据的采样频率为 F时 ,至少可以分辨出约 0 .2 5 F以下的振动频率。

摘要：星载干涉雷达测量已被证实用于生成大范围 (乃至全球 )的 DEM或监测地表位移具有广阔的应用前景 ,其中 SAR复数图像序列的精确配准是保证生成有效干涉相位图的重要环节之一。本文分析了卫星 In SAR系统中所涉及的几种坐标系统变换问题 ,并提出了基于此的几何配准方案 ,即基于卫星轨道状态矢量、SAR成像几何进行配准的算法 ;同时 ,还设计了基于几何配准结果和能量影像相关技术的配准算法。最后使用 ERS-1 / 2、JERS-1和RADARSAT卫星获取的 3种 SAR复数图像对分别做几何配准和相关配准试验和比较 ,并对卫星

摘要：嫦娥四号任务实现了人类首次月球背面软着陆.在任务设计阶段,为制定着陆器动力下降控制策略和设计月面工作程序,根据嫦娥二号、LRO等月球卫星探测得到的图像、激光测高等数据,对冯·卡门撞击坑着陆区的高程起伏、坡度、撞击坑和石块分布密度,以及着陆区内地形对光照和中继链路遮挡进行了详细分析.本文对嫦娥四号冯·卡门撞击坑着陆区的地形地貌情况进行了总结,对地形地貌及遮挡分析所使用的方法进行了详细说明,同时将嫦娥四号着陆区同嫦娥三号虹湾着陆区的地形地貌进行了对比分析,最后对实际在轨着陆点进行了精确定位并分析了着陆点周围地形的遮挡情况.所形成的系统性分析方法在轨得到了全面验证,并为后续月球及深空探测软着陆任务奠定了坚实的基础.

摘要：ＧＰＳ／ＩＮＳ组合导航系统抗差滤波器设计何秀凤陈永奇（香港理工大学土地测量与地理信息资讯学系，香港）ＤＥＳＩＧＮＯＦＭＩＮＩＭＡＸＲＯＢＵＳＴＫＡＬＭＡＮＦＩＬＴＥＲＦＯＲＡＮＩＮＴＥＧＲＡＴＥＤＧＰＳ／ＩＮＳＳＹＳＴＥＭ＊ＨｅＸｉｕｆｅｎｇ，Ｃｈｅ...

摘要：从高空间分辨率图像(HSRI)中提取建筑物信息在遥感应用领域具有重要意义。然而,由于遥感影像中的建筑物尺度变化大、背景复杂和外观变化大等因素,从HSRI中自动提取建筑物仍然是一项具有挑战性的任务。特别是从影像中同时提取小型建筑物群和具有精确边界的大型建筑物时,难度更大。为解决这些问题,本文提出了一种端到端的编码器-解码器神经网络模型,用于从HSRI中自动提取建筑物。所设计的网络称为MAEU-CNN(Multiscale Feature Enhanced U-shaped CNN with Attention Block and Edge Constraint)。首先,在设计的网络编码部分加入多尺度特征融合(MFF)模块,使网络能够更好地聚集多个尺度特征。然后,在编码器和解码器部分之间添加了多尺度特征增强模块(MFEF),以获得不同尺寸的感受野,用于获取更多的多尺度上下文信息。在跳跃连接部分引入双重注意机制,自适应地选择具有代表性的特征图用于提取建筑物。最后,为了进一步解决MAEU-CNN中由于池化及卷积操作导致的分割结果边界模糊的问题,引入多任务学习机制,将建筑物的边界几何信息融入网络中以优化提取的建筑物边界,最终获得精确边界的建筑物信息。MAEU-CNN在ISPRS Vaihingen语义标记数据集和WHU航空影像数据集2种不同尺度建筑物数据集上进行了试验分析,在ISPRS Vaihingen语义标记数据集上,MAEU-CNN在精度、F1分数和IoU指标中获得了最高精度,分别达到了93.4%、93.62%和88.01%;在WHU航空影像数据集上,召回率、F1分数和IoU指标中也获得了最高精度,分别达到了95.45%、95.58%和91.54%。结果表明,本文所提出的MAEU-CNN从遥感图像中提取建筑物信息精度较高,并且对于不同尺度具有较强的鲁棒性。

摘要：在均匀应变的假设下 ,给出了由边长变化求解地应变的新方法 ,通过统计检验相邻三角形的最大主应变 ,可判别相邻测点是否位于同一个均匀应变块体上。采用弹性位错理论设计的模拟算例表明 ,该方法能成功地将位于断层两侧的测量点分辨开。

摘要：引入三角形内切圆半径与外接圆半径之比值作为三角形形状因子 ,讨论利用三角形法计算应变分量的精度与三角形形状因子之间的关系。设计一种涵盖所有三角形形状的方法 ,计算分析了用三角形法计算应变分量精度的分布。研究表明 :当三角形形状因子达到 0 .36时 ,计算得到的应变分量均方差 ,一般不会超过位移数据均方差的 3倍 ;而当三角形形状因子小于 0 .1时 ,计算得到的应变分量均方差会陡然增大 ,这样的三角形一般不适合用于应变分量的计算。在利用GPS观测站组成三角形计算地应变时 ,建议所组成的三角形形状因子的阈值应取为0 .1～ 0 .36。

摘要：大规模室外点云具有丰富的空间结构,是地理信息获取重要手段之一,由于其本身具有不规则性、复杂几何结构特征及地物尺度变化大等特征,点云分割的准确性依然是一个巨大的挑战。特别是目前大规模点云几何信息及颜色等信息利用不充分等问题,为解决这些问题,本文提出了一种融合颜色信息和多尺度几何特征的点云语义分割方法(Integrating Color Information and Multi-Scale Geometric Features for Point Cloud Semantic Segmentation(CMGF-Net))。该方法中,分别设计了几何特征信息提取和语义特征信息提取模块。在几何特征信息提取模块中,为了充分利用点云数据的几何特征信息,设计了2个特征提取模块,分别是局部邻域的相对位置特征提取模块(RPF)和局部邻域的几何属性提取模块(LGP)。其中,RPF模块利用三维点云的空间法向信息以及相对空间距离,提取邻域点与当前点的相对位置关系;LGP模块利用点云几何属性在不同地物上有独特的表现特性,融合局部区域的几何属性特征;然后通过所设计的几何特征融合模块(LGF)将RPF模块和LGP模块所提取的特征信息进行融合得到融合后的几何特征信息。此外,为了从点云中学习到多尺度的几何特征,CMGF-Net在不同尺度的网络层中都进行了几何特征的提取,最终将所提取的几何特征与基于颜色特征提取的语义特征信息分层进行融合,以提高网络的学习能力。实验结果表明所提出的网络模型在Semantic3D数据集上的平均交并比(mIoU)和平均准确率(OA)达到了78.2%和95.0%,相较于KP Conv提高了3.6%和2.1%;在Sensat Urban数据集上达到了59.2%和93.7%,由此可见本文所提出的网络模型CMGF-Net在大规模室外场景点云分割具有较好的结果。