【摘 要】
：
地基合成孔径雷达（Ground-based Synthetic Aperture Radar,地基SAR）系统具有非接触、高精度、大区域连续监测的技术优势,是进行区域性监测、地表形变监测以及定点连续测量的重要手段。传统地基SAR图像多源数据融合算法,一般基于坐标转换或特征匹配的方法实现,需要人工提取地基SAR系统、监测点坐标进行转换计算,难以实现自动化。利用生成对抗网络模型也可以实现地基SAR图像
论文部分内容阅读
地基合成孔径雷达（Ground-based Synthetic Aperture Radar,地基SAR）系统具有非接触、高精度、大区域连续监测的技术优势,是进行区域性监测、地表形变监测以及定点连续测量的重要手段。传统地基SAR图像多源数据融合算法,一般基于坐标转换或特征匹配的方法实现,需要人工提取地基SAR系统、监测点坐标进行转换计算,难以实现自动化。利用生成对抗网络模型也可以实现地基SAR图像多源数据融合。然而,由于地基SAR具有独特的成像机理,地基SAR图像与光学图像地物特征关联度较低,无法直接训练。针对此问题,本论文基于栅格投影的方法,完成了三维点云地形数据与地基SAR图像坐标系统一,实现了多源数据的空间融合,生成东-北坐标系下的地基SAR图像,作为循环一致性生成对抗网络的训练样本,开展基于生成对抗网络的地基SAR多源数据融合算法研究。主要的研究工作如下:（1）针对现有地基SAR图像与光学图像坐标系不一致,地基SAR图像与光学图像的地物特征无法直接建立起对应关系,无法作为样本直接训练的问题,本文提出了基于栅格投影的地基SAR图像与三维点云数据融合方法。首先推导了任意地基SAR观测几何条件下的图像距离-方位坐标系与东北天坐标系的转换关系。然后通过栅格投影的方法,建立东-北坐标系下地基SAR图像信息-高度信息对应关系矩阵,完成地基SAR图像与三维点云数据融合,生成东-北坐标系下的地基SAR图像,并完成坐标转换精度的直接定量分析,实验结果表明地基SAR图像准确地变换到了东-北坐标系下,可以作为样本集训练。（2）针对复杂结构目标监测中地基SAR三维点云数据融合存在俯仰角模糊现象,产生无效地物特征,影响训练样本质量的问题,本文分析了在复杂结构目标监测过程中产生俯仰角模糊现象的原因,提出了基于栅格投影的地基SAR三维点云数据融合俯仰角模糊处理方法。实测结果表明,训练样本中虚假影像去除效果明显,说明本方法对俯仰角模糊现象具有良好的处理效果。（3）针对现有地基SAR图像与光学图像融合方法难以对监测场景整体进行地物特征判别的问题,提出了基于生成对抗网络的地基SAR多源数据融合算法。利用东-北坐标系下的地基SAR图像、谷歌光学图像作为训练样本,进行无监督学习,以训练东-北坐标系下地基SAR图像像素与谷歌光学图像像素之间的映射关系,实现三维点云数据、光学图像和地基SAR图像的数据融合。实测结果表明,本方法可以根据东-北坐标系地基SAR图像,输出同场景逼真的光学图像,完成多源数据融合。
其他文献
臭氧是氧气的同素异形体,由三个氧原子构成,在常温下容易自行分解为氧气。同时臭氧具有极强的氧化性和杀菌能力,并且不产生二次污染,是一种优良的氧化剂和消毒剂。目前国内外学者对臭氧的理化特性和制备方法进行了深入地研究,取得了一系列成果,为臭氧的实际应用提供了坚实的理论基础。介质阻挡放电法（Dielectric Barrier Discharge）制备的臭氧产量大、浓度高,所以广泛应用于工业制备臭氧领域。
情绪识别是近年来人工智能的一个研究热点,也是一个难点。人的情绪会通过面部表情、语音、身体姿态等不同模态表达出来。目前,有关静态面部表情和语音的情绪分类研究比较多,但基于面部表情及头部姿态的多模态情绪识别研究相对较少。课题研究了面部表情和头部姿态这两种模态的情绪表达特征,利用宽度学习（Broad Learning System,BLS）算法建立了基于这两种模态特征的情绪识别模型,并在公开的情绪视频数
复合式VTOL无人机为最近比较火热的无人机机型,以其独特的四旋翼加固定翼的结构特点应用在诸多领域,复合式无人机结合了四旋翼和固定翼的特点,既可垂直起降,又可以进行平直飞行,大大减少了无人机对地形或者其它环境的依赖,其在最近几年得到快速的发展。由于复合式无人机近年来需求的增长,对复合式无人机的研究和制造就成了重中之重,直接利用一个实体无人机进行实验可以给我们最佳的反馈,但是由于极高的造价,导致我们不
下肢辅助运动装置是一种便携式可穿戴智能设备,它将人的下肢与机器结构巧妙的结合起来,能够为人体提供支持保护,同时也能够辅助人体完成步行等行为。按照功能的不同,可以分为:致力于解决下肢运动能力丧失或者严重损伤患者的运动问题的康复类型的辅助运动装置和增强人体负载能力的辅助运动设备。本课题围绕下肢辅助运动装置控制系统进行研究,主要做了以下工作:（1）通过研究有关人体下肢辅助机器人文献资料,总结了下肢辅助运
网络化控制系统是将控制器、执行器与传感器通过通信网络连接起来的一种分布式控制系统,具有远程和大范围控制、便于安装和维护、移动性强等优点。由于通信网络特别是无线网络的开放性和保护不足,通过网络传输的数据很容易被窃取,甚至遭到恶意攻击者的破坏。因此,本文从控制安全的角度研究了网络化控制系统中虚假数据注入攻击的设计、检测和分析问题,主要研究工作如下:（1）针对网络化控制系统反馈通道测量数据和前向通道控制
图像分类旨在判断输入图像所属类别,是计算机视觉四大基本任务之一,单分类（one-class classification）是针对数据集中只包含一种类别样本的分类问题,在实际场景中的应用十分广泛。近年来随着深度学习理论的发展,许多优秀的分类网络被提出用来解决单类分类问题。但在实际应用中,分类器的分类效果常常会受到复杂背景、数据样本集小、目标在图像中的占比小等诸多因素影响,效果还不是很理想,基于深度学
网络购物时代的来临,使得物流运输业变得日益重要,日常小件货物的分拣、存放、运输等问题也越来越突出,其中必然会涉及物体的重量和尺寸信息。尺寸信息也就是物体的体积。如何智能化、自动化地获取物体的体积信息是亟待解决的问题。而已有的视觉测量技术,大多需要人工进行物体的定位检测、识别以及角点、边缘线等的提取,考虑到近年来深度学习理论在物体识别等方面的成功应用,本文以此为研究背景,系统探讨了在深度学习框架下利
目标跟踪广泛应用于智能家居、医学诊断、交通视频监管等多个领域。随着相关滤波、深度学习的理论知识和计算机存储设备的迅速发展,判别式跟踪算法逐渐成为目标跟踪领域的主要发展趋势。判别式跟踪算法将目标跟踪问题转变成跟踪的目标与背景之间的二分类问题。因此算法先利用正负样本训练前景与背景的分类器,然后用该分类器在后续帧中找到最优目标区域。判别式跟踪算法的核心是目标定位、尺度以及速度三个问题,本文在判别预测模型
为了满足人们的精神文化需要,尤其是影音娱乐方面,超高清技术正处于大力发展阶段。但由于成像硬件设备的价格高昂,靠提升硬件来提高清晰度显然是无法大面积实行的。随着近些年深度学习的发展,依靠神经网络来进行超分辨率重构已经如火如荼,其不光成本低廉、便于部署,且重构效果已经超越了很多传统算法。超分辨率,其目标是从低分辨率图像中尽可能的恢复更多的细节信息,使图像变得更清晰,更容易被人眼所接受。针对单帧图像超分
随着大数据时代的到来,计算机与移动网络的飞速发展。我们已经迎来了5G网络,人们获取信息的途径越来越多,每天数以亿计的信息留存于互联网上。丰富的信息资源在互联网上构建了一个大型知识库满足人们对未知信息的渴望。但是,庞大的信息量也让人们很难快速得到有价值的信息,如何快速筛选有价值的信息是当前亟待解决的难题。自动问答系统可以根据用户所提出的问题,自动挖掘问题的语义信息,并快速匹配得到问题的正确答案反馈给