为提高高分辨率遥感影像变化检测精度，提出一种以领域知识为优化策略的深度学习变化检测方法。利用改进的变化矢量分析和灰度共生矩阵算法获取影像的光谱和纹理变化，设定合理阈值获得变化区域待选样本；引入领域知识中图斑形状特征指数与光谱知识，筛选得到高质量的训练样本；构建并训练了深度置信网络模型，使用优化策略对深度学习变化检测结果进行优化，以减少“椒盐噪声”和伪变化区对检测精度的影响。通过GF-2与IKONO
针对多种分布形式混合的观测数据，建立了P范分布混合模型，考虑到模型中混合数属于不完全数据，引入EM算法，对该混合模型的参数进行估计，详细推导了P范混合模型参数估计的迭代公式，并给出了相应的迭代步骤。最后采用混合高斯分布数据、拉普拉斯分布与高斯分布混合数据以及实测GPS观测值残差数据，验证了本文公式的正确性和适应性。算例结果表明，相比于单一概率分布，P范混合模型能够准确反映数据分布的实际情况，同时利
针对紧组合模型下GPS/QZSS（quasi-zenith satellite system）短基线相对定位精度，基于IGS（international GNSS service）跟踪站组成的短基线GPS、QZSS重叠频率实测数据，推导GPS/QZSS紧组合模型原理，评估了两个系统间偏差与模糊度固定情况，并且对比了松组合和紧组合模型下的相对定位精度。结果表明，紧组合模型计算得到的卫星可见数与卫星空
数独是一个难以求解的整数规划问题,可以通过实数编码的方式去除整数约束的限制,将整数规划模型转化为一个?_0范数极小化模型.已有算法大多是求解松弛的?_1范数极小化模型,只能求解部分数独问题.本文证明对于数独这样一个特殊的问题,?_q(0
昭觉县是大凉山腹地的典型彝族聚居县,也是国家级深度贫困县，农业以传统农业居多，为推动农业发展方式的转变，昭觉县开展了现代农业园建设。笔者通过无人机航测，获取了拟建园区的高分辨率影像, 使用面向对象的影像分析软件，快速提取了土地利用现状等信息，结合收集的其他资料，筛选了坡度、坡向、断层、地质灾害、土地利用、灌溉、交通、自然保护区８个评价因子，在GIS的支持下，先开展单因子土地适应性评价，然后进行综合
遥感图像中的目标往往呈现出任意方向排列, 而常见的目标检测算法均采用水平框检测, 并不能满足这类场景的应用需求. 因此本文提出一种旋转框检测网络R~(2)-FRCNN. 该网络利用粗调与细调两阶段实现旋转框检测, 粗调阶段将水平框转换为旋转框, 细调阶段进一步优化旋转框的定位. 针对遥感图像存在较多小目标的特点, 本文提出像素重组金字塔结构, 融合深浅层特征, 提升复杂背景下小目标的检测精度. 此
针对现有多波束测深数据的滤波方法需要人工干预且难以实现自动滤波的问题，本文在布料模拟滤波基础上，提出并实现了一种基于双向布料模拟(bidirectional cloth simulation filtering, BCSF)的多波束测深数据滤波方法。首先，基于二次曲面LM算法拟合构建传递式迭代趋势面，消除海底负异常数据；然后，构建BCSF修正模型，确定最终海底滤波面，解决海底凹凸地形或具有成簇噪点
针对传统聚类算法无法处理大数据中多视图高维数据问题，提出了一种基于混沌粒子群优化算法的智能加权K均值聚类算法。首先，在聚类模型中引入聚类之间的耦合程度以扩大聚类的相似性。其次，为了消除初始聚类中心的敏感性，利用混沌粒子群优化算法通过全局搜索得到最优初始聚类中心、视图权重和特征权重。然后，引入一种精确摄动策略提高混沌粒子群优化算法的寻优性能。最后通过在apache spark和single node
高光谱遥感水深反演是一种对传统水深测量方法的补充，具有方便快捷经济等突出优势。本文以上海市横沙滩涂浅水区为研究区，基于GF5-AHSI高光谱遥感数据和同时期的水深数据，通过数据变换和相关分析等方法提取建模参数，利用单波段比值模型、多元线性回归模型、最优标度回归模型和BP神经网络模型实现该区域水深反演，并对4种模型反演结果的准确性进行了验证和比较。研究发现：最优标度回归模型优于其他3种，R~(2)达
为研究结伴行为对疏散过程造成的影响，建立了一种考虑结伴行为的元胞自动机模型。模型中每个人员占据4个元胞而不是传统的1个元胞，对于结伴行动的人员，使用结伴黏度的概念来重现更复杂多样的结伴对象间相对位置关系。通过仿真模拟实验表明，在不同结伴黏度条件下，疏散耗时随普通个体相互结伴的人数占比增加而增加，随普通个体与弱势个体结伴的人数占比增加而减少；适当的结伴黏度能够使疏散耗时最小；不同结伴种类的人数占比造