针对线路空间关系难于快速全面获取、精确定量测定的问题,提出了一种基于地基激光三维(3D)扫描和无人机倾斜摄影分别获取线路点云、线路周边真3D情境的方法。将用改进Bursa算法匹配的点云和3D情境的空间坐标融合后导入地理信息系统平台,在仿真环境中自动快捷地检定线路的空间状态。将构建的数据融合配准流程应用于实例中,实验结果表明,激光3D扫描与倾斜摄影在数据采集时可互为补充。相比原始Bursa算法,改进Bursa算法的精度可提升10%~50%,点云与3D情境的配准融合精度优于±2 cm;且融合后的3D效果逼真、空间信息完整、人机交互性强,能快速完成线路的精细测量。

当前基于深度学习的遥感目标检测方法只能识别出遥感目标的类别及位置,无法检测出遥感目标间的空间关系。针对该问题,提出一种遥感目标空间关系检测方法。首先采用卷积神经网络构建视觉模块,以提取出遥感图像中的视觉特征;其次构建语义模块将提取出的视觉特征映射至语义嵌入空间中,以实现遥感目标视觉特征和语义特征的深度融合;最后将Softmax函数和视觉一致性损失函数引入传统的三元组损失函数中,设计一种改进的三元组损失函数。在自制的遥感目标空间关系检测的数据集中采用所提方法进行实验。实验结果表明,在前20、50和100个的预测结果中,所提方法的召回率分别为76.32%、78.54%和81.47%,说明所提方法具有良好的空间关系检测性能,能够精准检测出遥感图像中的遥感目标及其空间关系。

提出一种融合时间及目标之间空间语义信息的视频运动目标交互行为识别方法，即基于目标之间空间语义的变化规律识别其交互行为类别。不同于传统的语义事件建模方法，首先根据运动目标跟踪结果，基于其运动方向以及建立目标之间的空间关系（拓扑关系和方向关系）模型，提出一种提取人目标之间空间语义（前面、后面、背对、面对以及左右）的方法；然后基于空间语义的变化规律建立随机文法规则；最后采用随机文法器识别九种常见的两人交互行为。该方法无需训练样本，实验结果验证了方法的有效性及优越性。

提出了一种基于相邻图像空间变换关系的场景校正(SBNUC)算法。该算法利用相邻图像空间变换关系，将前一帧已校正的像元灰度组合为当前帧所期望的像元灰度，再以误差梯度迭代修正偏置和增益。理论上证明了在未加其他条件的情况下，该算法能够防止鬼影现象。红外图像序列校正结果显示，该算法在保证图像锐度的情况下，降低了 FPA非均匀的高频信息，从而增强了图像对比度，同时自动补偿坏点。理论和实验结果证明了该算法的有效性和稳定性。

为了描述局部特征在图像空间中相对位置关系，提出一种局部特征空间相关核(Spatial Correlation Kernel, SCK)用于图像目标分类。该方法首先提取并量化图像中的局部特征，再计算量化后的局部特征的空间位置自相关度，然后利用直方图交叉匹配两幅图像的空间位置自相关度得到局部特征空间相关核。该核充分利用局部特征的强分辨能力及其空间位置，且SCK 具有线性计算复杂度，满足正定条件，可以运用于基于核的学习算法。本文将SCK 嵌入支持向量机对公共数据库中图像目标进行分类，实验结果表明，SCK 可以获得良好的时间效率和分类性能。