基于小波变换的SAR图像自适应子带编码算法

为降低大数据量SAR图像对传输带宽和存储空间的要求,必须对SAR图像进行高效压缩.基于小波变换的传统SAR图像压缩方法只对低频子带进行分解处理,造成SAR图像处于中高频子带的重要纹理信息丢失.针对上述问题,提出一种基于小波变换的自适应SAR图像压缩算法.首先对图像进行小波软阈值消噪预处理,然后依据能量指标,进行子带重要性判定,对认定为重要的子带进行深一层次分解,分解完成后对所有子带进行恒定比特率条件下的最小误差量化,实现对图像的自适应压缩.仿真实验表明:该算法能很好地保护SAR图像的高频细节,提高了信噪比.     

基于限制的OLAM任务语义模型

通过对大量决策分析算法的分析,提出了基于限制(Constraint)的OLAM任务语义模型,该模型从一定的逻辑高度对OLAM进行抽象,利用它可以分析OLAM任务的共性,提取OLAM任务执行时的基本操作,这些基本操作的基础是语义片断。文中给出了语义片断之间关联关系的分析和判断方法,提出了基于限制的、具有方向性的语义关联度定义。语义片断间关系的确定是OLAM任务/事务优化的基础。     

一种多传感器图像并行融合新方法

小波包变换能够为图像融合提供非常精细的分析。但是,在图像较大时融合的计算量大,耗时长,难以进行快速、实时融合。通过对小波包融合方法在单处理机上的执行效率的分析,针对算法固有的时间复杂性和并行性,提出了一种分布存储环境下的小波包并行融合算法。该算法针对小波变换计算的数据局部性特点,设计并实现了基于Pentium PC和1000Mbps交换式以太网的机群系统的MPI(Message Passing Interface)并行环境的并行小波包图像融合方法。针对不同大小图像、以及不同的集群规模,分析了并行计算的性能。在机群系统上对算法进行实现,结果表明该算法具有良好的并行性能。     

从C/S 模式转向B/S 模式

分析了 C/S模式 MIS的优缺点及建立 B/S模式的新型 MIS系统的必要性 ,在此基础上重点讨论了实现 B/S模式 MIS的关键技术 ,最后给出一个基于 B/S模式的机关业务管理系统实例     

基于最小二乘法的LiDAR数据滤波方法

最小二乘算法在“等权”的条件下进行,不具有先验知识,不适用地形复杂的区域.针对此问题,提出了一种改进的基于最小二乘的激光雷达(light detection and ranging,LiDAR)数据滤波方法.首先对离散点高程进行腐蚀操作,将得到的高程与原始高程相比,选取小于阈值条件的点作为种子点.其次根据腐蚀前后的高程差值赋予点不同的权重,利用最小二乘原理拟合这些种子点,计算所有点的拟合值与实际高程的差;特定阈值比较并将小于阈值的点加入种子点,迭代至地面点集不再变化.利用国际摄影测重与遥感学会(international society for photogrammetry and remote sensing,ISPRS)提供的数据进行实验,滤波总误差小于经典算法.实验结果表明算法能够较好的滤除地物,适用于地形复杂的区域.     

基于模型微调与AM Softmax的极化SAR图像分类

针对极化SAR图像分类中卷积神经网络（CNN）方法训练时间长、收敛速度慢,原始Softmax函数无法对极化SAR图像的类内差异有效应对的问题,提出一种基于模型微调与加性边际Softmax（AM-Softmax）的极化SAR图像分类方法。该方法通过预训练网络的整体微调,来改进CNN模型的效率和分类准确率,然后以AM-Softmax替代Softmax,以解决SAR图像中类内变化较大的问题,进一步提升分类精度。实验表明该方法具有快收敛的优势并且能够较好解决极化SAR图像类内差异较大的问题,模型的分类总体精度达到96%以上。     

基于面特征和SIFT特征的LiDAR点云与航空影像配准

针对LiDAR数据与航空影像融合中的配准问题,提出一种将面特征与点特征相结合的配准方法,首先由LiDAR点云生成深度影像,对深度影像和航空影像提取面特征,在此基础上采用SIFT算子提取点特征,完成LiDAR点云与航空影像的配准。文中方法采取了由面特征到SIFT特征的配准策略,减少了面特征配准的数据量和SIFT算法的计算量。从ISPRS提供的数据集中选取了3组数据进行实验,实验结果表明该方法能有效减少SIFT算子的特征描述符的数量,减少寻找正确匹配点的时间,在保证配准精度的情况下提高配准的效率,适用于城市地区等包含大量面特征地区的LiDAR点云与航空影像配准。     

一种建立包裹圆提取建筑物LiDAR点云边缘点的新算法

为提高变换域通信系统多址接入性能,降低系统误比特率,提出基于改进型Logistic混沌序列的变换域扩频编码通信系统。利用扩频序列优选原则,选取改进型Logistic混沌序列作为扩频序列,对m序列产生的随机相位矢量进行相位编码形成扩频基函数的扩频随机相位矢量。仿真结果表明,该扩频基函数具有更好的随机性,产生的扩频随机相位矢量互(自)相关性能优于传统基函数产生的随机相位矢量;在2个用户和多用户条件下,其信噪比增益和误比特性能都要优于传统基函数和基于Gold序列的扩频基函数,显著提高系统抗干扰性能,能更好地实现TDCS多址接入。     

基于NSST域方向性加权的多聚焦图像融合方法

传统区域特性方法在进行图像融合时,一方面,低频子带融合规则不能同时充分利用区域内能量信息和边缘信息,另一方面,高频子带融合规则没有充分利用子带的方向性信息。针对传统区域融合方法存在上述局限性的问题,提出了基于NSST域方向性加权的区域特性图像融合方法。首先对图像进行NSST分解,得到一个表征图像概貌的低频子带和多个表征图像细节的高频子带;针对低频子带含有轮廓能量的特点,提出采用基于区域能量匹配的空间频率融合规则,从能量和区域变换2个方面对邻域信息加以利用。针对高频子带含有方向性信息的特点,提出采用带有方向加权的改进拉普拉斯能量和的融合规则,并通过实例验证了该方法的有效性。     

综合不规则三角网和区域生长的建筑物提取方法

应用激光雷达探测技术(LiDAR)进行建筑物提取其效率一直是工程应用的关键,针对现有先滤波后提取建筑物一类方法效率低下的问题,提出一种综合不规则三角网和区域生长的从原始机载激光雷达数据中直接提取建筑物的方法。首先利用原始点云数据建立不规则三角网,利用三角网中突起物边缘点所在三角形的法向量、边长及高程特征,提取突起物边缘点;然后以提取出的边缘点为种子点,根据三角网连接关系进行区域生长,提取突起物点集合;最后删除集合中点数量较少的非建筑物点集,得到建筑物点集。该方法可直接从原始点云数据中提取出不同建筑物的点集,无需经过滤波操作。通过仿真实验证明该方法在保证建筑物提取准确度的情况下效率有明显提高并且具有一定的适用性。