【摘 要】
：
针对线阵卫星影像核线纠正问题,本文简要分析了现有方法的优劣势,并在此基础上提出一种将基于像方和物方相结合的核线纠正方法。其分为两步:首先在影像空间内对左影像进行分块并逐区域纠正,利用局部仿射拟合的方法实现左影像的核线纠正;然后利用物方投影基准面生成与左影像分辨率一致的右核线影像。试验结果表明,本文方法既能获取上下视差接近于零且优于对比方法的核线影像产品,又能够保证核线影像左右视差与高程的线性比例关
【机 构】
：
广东省国土资源技术中心,腾讯科技（深圳）有限公司
论文部分内容阅读
针对线阵卫星影像核线纠正问题,本文简要分析了现有方法的优劣势,并在此基础上提出一种将基于像方和物方相结合的核线纠正方法。其分为两步:首先在影像空间内对左影像进行分块并逐区域纠正,利用局部仿射拟合的方法实现左影像的核线纠正;然后利用物方投影基准面生成与左影像分辨率一致的右核线影像。试验结果表明,本文方法既能获取上下视差接近于零且优于对比方法的核线影像产品,又能够保证核线影像左右视差与高程的线性比例关系,尤其是3组较大核线曲率数据试验结果,证实了本文方法具有较好的稳健性和适用性,能够较好地应用到不同传感
其他文献
眼动追踪技术在人机交互、用户行为识别、预测等方面得到了广泛应用,但是如何自动识别用户的地图阅读行为,眼动行为仍具有一定的挑战性。本文提出了一种基于朴素贝叶斯分类模型的方法识别用户阅读地图线状要素时的眼动行为。本试验首先通过25名被试者阅读地图过程中的眼动行为进行数据采集,然后提取了250个眼动特征并对其进行离散化处理,采用最小冗余最大相关方法进行特征选择排序。结果显示,当采用信息熵法,特征数量为m
常州信息职业技术学院积极探索现代学徒制试点,努力构建多元主体参与办学的格局,发挥协同育人功效.在实践中通过实施招生招工一体化、创设工学结合人才培养模式、构建模块化
《双节堂庸训》是清代汪辉祖所作的一部家训,其中蕴含着丰富而独到的家庭教育思想。主要包括家庭教育要从幼小时期开始,家庭教育应以道德教育为首要,以读书治学和职业选择教育为主要等方面,并且对幼小时期的教育、家庭道德教育、读书治学教育、职业选择教育的具体内容给予了阐释。汪辉祖的家庭教育思想中不乏科学合理的因素,能够为加强和改善当代社会的家庭教育提供借鉴,值得认真分析和总结。
针对现有流行病空间异常探测方法在全面探测多因素导致的潜在空间异常方面的局限性,本文提出一种流空间邻近约束关系下的流行病分布空间异常探测方法。首先,基于地理探测器识别与传播中心人群流出强度因素具有显著关联关系的疫情专题属性;然后,基于流空间邻近关系度量自适应构建流空间权重矩阵;最后,构造疫情属性空间局部变化梯度变量刻画空间单元疫情态势特征,提出改进的全局和局部莫兰指数(Moran’s I)实现流空间
为了适应当前智能时代大数据的特点和地图应用的发展,本文结合当前地图学课程内容设置现状,分析在大数据时代地图学教学的特点,多源地理信息的参考体系差异、多维度地理信息高效可视化、多尺度表达的灵性化、地图用户需求的多样化等对地图学教学提出的新要求,在此基础上,结合地图学课程教学的理论与实践目标,提出在地图数学基础、地图可视化技术、地图综合和地图分析等进行课程教学内容改革的主要思路,增设新型坐标系知识、多
为完成不动产权籍调查项目成果与不动产登记信息系统的对接,实现权籍调查成果数据的整合,综合考虑数据的海量性、多源性、异构性等特征,本文提出利用欧氏距离和相似度系数建立描述数据样本间近似程度的归一化综合指标即相似离度,根据计算出的相似性测度最大值确定关联目标,从而实现地块的落宗匹配。通过应用试验评价及算法效益分析,本文方法可以在投入人员、完成周期和经费投入方面提高效率,在数据整合领域具有推广意义。
本文首先分析了地理空间认知的心理学起源与发展现状,介绍了地理空间认知经典理论及影响,指出了地理空间认知和认知地理空间的根本区别:尽管两者都需要人工智能的支持,前者旨在了解人脑在空间任务中的工作机理,后者则注重利用传感技术和计算机视觉建立、维护地理空间的动态数字孪生体;然后,讨论了地图作为空间认知的双向工具的作用和研究方法,重点是眼动跟踪试验以及它们在交互方面的优势;最后,指出了人工智能新时期地理空
地理信息分类是地图学的核心内容。随着泛在信息社会的来临,地理信息逐渐呈现时空泛在的新质特征,传统地理信息分类模型面临新的挑战。本文以泛在地图信息为研究对象,面向位置聚合应用需求,提出由"实例层→特征层?维度层?主题层"4个层次构成的信息分类模型。本文设计了一种泛在地图信息分类建模的验证方法,通过基于特征系统和信息维度的泛在地图主题特征标注,实现泛在地图信息在向量空间统一表达,并结合层次聚类算法生成
在边坡自动化监测过程中,由于传输信号中断、设备故障、电源中断及传感器替换等原因,不可避免地出现监测数据缺失的现象。数据的缺失对后续的边坡稳定性分析及预测带来不确定的因素,使分析结果产生偏差。本文针对边坡自动化监测数据缺失这一现象,采用时间序列回归预测模型对不同数据缺失率的边坡监测数据进行填补,通过填补值与真实值之间的绝对误差与均方根误差判别其在不同数据缺失率的填补效果,得出该模型对缺失率低于10%
形状是地理空间要素的重要特征,是人们建立空间概念、形成空间认知的重要依据。本文利用深度学习的特征挖掘能力引入自编码学习方法,对二维地图空间中形状边界上多组邻域尺寸下的多个特征进行集成和整合,为空间形状认知的机理和形式化提供支撑。本文以建筑物数据为例,将建筑物形状边界转换为序列数据,并提取其描述特征;随后结合sequence-to-sequence自编码学习模型,对无标签的建筑面要素数据进行学习训练