五摄影测量与遥感学(6)
CH 一种改进的机载SAR基线估计方法=An Improved Baseline Estimation Method of Airborne SAR/木林(辽宁工程技术大学测绘与地理科学学院),张继贤,黄国满,赵争//测绘科学.-2011,36(6).-121~123,97
利用地面控制点对机载双天线雷达系统的基线参数进行估计。首先证实了基线长度的精度与控制点斜距差的精度是同数量级的,然后运用最小二乘法解算控制点的斜距差,并通过干涉相位信息和解缠相位信息对斜距相位差进行精化处理,得到精度较高的斜距相位差参加基线的解算。通过实验表明,该方法获得的基线参数精度较高。图5表4参11
?角反射器 斜距相位差 干涉相位 解缠相位
CH 利用改进的SUSAN算法提取航空影像中孤立的特征点=Extracting Isolated Feature Points in Aerial Images by Using Improved SUSAN Algorithm/杜艺,龚循平(中国测绘科学研究院)//测绘科学.-2011,36(6).-131~132,94
针对地形起伏较大、无明显建筑物的航空影像,分析了SUSAN算法角点检测理论,提出一种提取孤立特征点的方法。先对图像进行梯度幅值运算,然后对梯度幅值进行Otsu法阈值分割,设计模板并对孤立特征点进行套合,最后利用SUSAN算法计算原始影像的角点初始响应,经过非极大值抑制提取孤立特征点。经实验证明,与传统的Harris角点、Forstner角点相比,该特征点受地形起伏、太阳高度角、视角变换等外界条件干扰较小,为下一步影像匹配做了较好的准备。图4参7
?特征点提取 角点检测 阈值分割
CH 宽基线立体影像Harris-Laplace特征的最小二乘匹配算法=W ide Baseline Im age Sequence Least Squares Matching A lgorithm of Harris-Laplace/姚国标,杨化超,张磊(中国矿业大学江苏省资源环境信息工程重点实验室)//测绘科学.-2011,36(6).-141~143
针对宽基线立体影像匹配的困难,提出一种基于Harris-Laplace的最小二乘匹配算法。算法基于Harris-Laplace特征检测器获得精度较高的初始特征点,对初始特征点进行NCC匹配,并应用基本矩阵F与单应矩阵H估计剔除误匹配点对,采用距离加权最小二乘匹配算法进行扩展匹配并同时保留定位精度较高的原始Harris-Laplace特征点。实验表明,此算法匹配率高,在视点改变、光照条件变化等情况下具有较好的鲁棒性。图7表1参8
?宽基线 最小二乘匹配
CH 基于RPC的TerraSAR-X影像立体定向平差模型=RPC-based Ad justment Model for TerraSARX Stereo Orientation/张过(武汉大学测绘遥感信息工程国家重点实验室),李贞//测绘科学.-2011,36(6).-146~148,120
针对新型高分辨率雷达卫星TerraSAR-X立体像对,提出采用基于RPC的平差模型,通过少量的地面控制点来拟合因传感器不稳定、平台星历数据不精确及测距误差引起的影像几何畸变,从而达到精确定向目的。为验证RPC平差模型的适用性,通过在立体成像区域均匀布设人工角反射器点的方法验证其模型精度,并评估了其三维定向平差后的精度。实验结果表明RPC平差模型能很好地适用于TerraSAR-X立体数据,并可获得4点控制条件下,平面0.166m和高程0.241m的精度,说明利用RPC平差模型可以对TerraSAR-X数据的立体定向达到很好的精度。图1表4参13
?平差模型 立体定向
CH 改进IHS变换的图像融合方法研究=Improved IHS Transform for Remotely Sensed Imagery Fusion/张丽侠(兰州交通大学数理与软件工程学院),张力,艾海滨//测绘科学.-2011,36(6).-149~151,143
经典的IHS变换融合以其快速、简单的特点得到广泛应用,但该方法在显著提高图像空间分辨率的同时引起了严重的光谱失真。分析了IHS变换引起光谱失真的原因,并总结了已有的针对光谱失真的IHS变换改进算法,提出基于小波的IHS变换融合,利用小波分解尽可能地保留了原I分量中的光谱信息,在提高空间分辨率的同时减少了光谱失真。实验证明,该方法有效地减少了融合结果的扭曲程度。图4表2参10
?图像融合 光谱扭曲 小波变换 图像质量评价
CH 最优路径的无人机影像拼接=UAV Image Mosaic Based on Optimal Path/何敬,李永树(西南交通大学地理信息工程中心)//测绘科学.-2011,36(6).-152~154
SIFT算法是基于尺度空间的特征匹配方法,该算法为每个关键点指定了方向参数,具备旋转不变性,对图像倾斜的适应性很强。采用SIFT算法对无人机图像提取特征点,利用欧氏距离粗匹配,通过距离中误差精匹配。在对拼接误差原因分析的基础上,提出了采用最优路径的拼接方法来降低误差。图5表1参8
文章来源:《测绘科学技术学报》 网址: http://www.chkxjsxbzz.cn/qikandaodu/2021/0310/509.html
上一篇:中国测绘学会召开我国测绘科学技术的发展学术
下一篇:欢迎订阅测绘学报