下载文档原格式
高分辨率SAR图像机场关键信息提取方法研究的开题报告一、研究背景合成孔径雷达（SAR）成像技术具有独特的优势，能够实现对地面目标进行高分辨率成像，广泛应用于国防、民用等领域。
机场是重要的交通运输枢纽，其安全运行和管理对于保障民航、国防和经济发展具有重要意义。
因此，利用SAR成像技术进行机场的监测和管理，对提高机场运行效率和保障机场安全具有重要意义。
本研究旨在探索一种高效的机场关键信息提取方法，以实现对机场的全面认知和管理。
二、研究内容1. SAR成像原理及特点分析。
阐述SAR成像技术基本原理及其在机场信息提取中的应用，分析高分辨率SAR图像的特点和难点。
2. 机场关键信息提取方法研究。
研究机场关键信息提取方法，包括机场跑道、停机位、跑道标记等信息的提取方法，以及利用SAR图像进行机场建筑物识别和分类的方法。
3. 机场关键信息提取算法实现。
根据SAR图像特点，设计并实现机场关键信息提取算法，包括跑道检测算法、停机位判定算法和建筑物识别算法。
4. 机场关键信息提取系统开发。
将上述算法整合，设计并开发一个机场关键信息提取系统，完成对机场的自动化识别和为机场管理提供数据支持的功能。
三、研究意义1. 实现机场关键信息自动化提取与识别，提高机场信息管理的效率和稳定性。
2. 构建机场安全监管系统，提高机场运行的安全性和可靠性。
3. 为未来机场智能化建设提供技术支持和应用示范。
四、研究方法1. 对SAR图像进行图像预处理和分割。
2. 基于SAR图像特点设计机场关键信息提取算法。
3. 实现算法并进行算法评估和优化。
4. 开发机场关键信息提取系统。
五、预期成果1. SAR图像机场关键信息提取算法。
2. 机场关键信息提取系统及其测试结果。
3. 一篇对该研究内容进行系统总结和阐述的学术论文。
基于高分辨率影像土地利用遥感动态监测与分类信息提取方法摘要：本文介绍了基于高分辨率影像的土地利用遥感动态监测与分类信息提取方法，利用遥感技术动态监测土地利用的本质是对图像系列时域效果进行量化，通过量化多时相遥感图像空间域、时间域、光谱域的耦合特征，来获得土地利用变化的类型、位置和数量等内容。
利用遥感技术可以快速、大范围的获得土地利用变化区域，例如建设用地、农业用地、工业用地、交通用地，水体（河道变化）等。
关键字：遥感技术土地利用影像分类动态监测图像分割1.背景随着社会经济的发展，特别是城市建设步伐的加速，城市土地利用每年都在发生明显的变化。
传统的土地利用调查需要花费大量的人力、时间和经费,难以适应土地利用的这种快速变化。
遥感以其覆盖面大、信息更新快、人为干扰因素小等优点已逐渐应用到土地利用变化遥感动态监测中。
我国遥感技术在土地资源调查和监测中的应用始于20 世纪90 年代。
国家土地管理局成立以后，在国务院统一布署下，利用了TM、SPOT等多种遥感数据源，进行目视解译、分析和计算机自动分类制图等组织完成了全国县级土地详查，这一成果为各级政府制定经济建设规划、计划，为农业、工业、水利、能源、交通等各专业部门制定规划、计划提供了可靠的数据资料、为各项土地管理工作提供准确依据，已在经济建设、农业生产和土地管理中发挥了重要作用，也为我国开展土地利用动态监测提供了完整、可靠的本底资料。
1.技术流程和关键技术1.技术流程土地利用变化遥感动态监测是一个工作量比较大的过程，对遥感数据的预处理要求较高，变化信息的发现和变化信息的提取可选择和组合的方法很多，技术含量较高。
下图为土地利用变化遥感动态监测的技术流程。
1.动态监测技术流程1.关键技术遥感动态监测主要涉及图像预处理和土地利用变化信息检测和提取两部分，其关键技术也就主要包括图像预处理方法和土地利用变化信息提取方法。
值得我们注意的是，变化检测方法和信息提取方法不能说哪个绝对的好与坏，只能是根据不同的数据源和不同的应用需求选用适合的方法。
高分辨率卫星遥感立体影像处理模型与算法一、本文概述随着空间技术和遥感科学的迅猛发展，高分辨率卫星遥感已成为地球观测与资源管理的重要手段。
高分辨率卫星遥感立体影像，以其高空间分辨率、高光谱分辨率和高时间分辨率的优势，为地表特征提取、环境监测、城市规划等领域提供了丰富而准确的信息源。
如何高效、精确地处理这些立体影像，以充分发挥其应用潜力，是当前遥感领域面临的重要挑战。
本文旨在探讨高分辨率卫星遥感立体影像处理模型与算法。
本文将回顾高分辨率卫星遥感立体影像处理技术的发展历程，分析现有技术的优缺点。
接着，本文将重点介绍几种先进的处理模型与算法，包括基于深度学习的立体匹配算法、多源数据融合算法以及变化检测算法等。
这些算法不仅提高了影像处理的精度和效率，还拓宽了高分辨率卫星遥感的应用范围。
本文还将探讨高分辨率卫星遥感立体影像处理技术在实践中的应用案例，如城市规划、灾害监测、环境评估等，以展示这些技术的实际应用价值和潜力。
本文将对未来高分辨率卫星遥感立体影像处理技术的发展趋势进行展望，指出可能的研究方向和挑战，以期为相关领域的研究和实践提供参考。
本文将对高分辨率卫星遥感立体影像处理模型与算法进行全面而深入的探讨，旨在推动遥感科学技术的发展，为地球观测与资源管理提供更有效的技术支持。
二、高分辨率卫星遥感技术概述高分辨率卫星遥感技术是指利用卫星搭载的遥感设备获取地球表面的高清晰度图像和数据的技术。
这种技术在地理信息系统、城市规划、农业监测、环境保护、灾害评估和军事侦察等领域具有广泛的应用。
高分辨率卫星遥感技术的关键在于其搭载的传感器和数据处理算法。
传感器必须具备高空间分辨率、高光谱分辨率和高时间分辨率，以确保获取到的图像清晰、详细。
同时，数据处理算法需要能够从这些高分辨率图像中提取有用的信息，进行分类、识别和分析。
立体影像处理是高分辨率卫星遥感技术中的一个重要方面，它涉及到从不同角度获取的两幅或多幅图像中重建地面的三维模型。
ｈｔｔｐ：／／ｗｗｗ．ｒｅｎｍｉｎｚｈｕｊｉａｎｇ．ｃｎＤＯＩ：１０ ３９６９／ｊ ｉｓｓｎ １００１ ９２３５ ２０２４ ０２ ００６第４５卷第２期人民珠江 ２０２４年２月 ＰＥＡＲＬＲＩＶＥＲ基金项目：国家重点研发计划项目（２０２２ＹＦＣ３００２７０１）收稿日期：２０２３－０６－１３作者简介：盛晟（１９９６—），女，博士研究生，主要从事径流模拟与预报等方面研究。
Ｅ－ｍａｉｌ：ｓｈｅｎｇｓｈｅｎｇ＠ｗｈｕ．ｅｄｕ．ｃｎ通信作者：陈华（１９７７—），男，教授，主要从事水利信息化、流域水文模拟等方面的研究。
Ｅ－ｍａｉｌ：ｃｈｕａ＠ｗｈｕ．ｅｄｕ．ｃｎ盛晟，万芳琦，林康聆，等．基于分层特征提取和多尺度特征融合的高分辨率遥感影像水体提取深度学习算法［Ｊ］．人民珠江，２０２４，４５（２）：４５－５２．基于分层特征提取和多尺度特征融合的高分辨率遥感影像水体提取深度学习算法盛 晟１，万芳琦２，林康聆１，胡朝阳３，陈 华１（１．武汉大学水资源工程与调度全国重点实验室，湖北 武汉 ４３００７２；２．江西省自然资源测绘与监测院，江西 南昌 ３３０００９；３．福建省水利水电勘测设计研究院，福建 福州 ３５０００１）摘要：高精度的水体提取有助于水资源监测和管理。
目前基于遥感影像的水体提取方法缺乏对于边界质量的重视，造成边界划分不准确，细节保留度低的问题。
为了提升遥感影像水体提取的边界与细节的精度，提出了一种基于多尺度特征融合的高分辨率遥感影像水体提取深度学习算法，包括分层特征提取模块与融合多尺度特征的堆叠连接解码器模块。
分层特征提取模块中，引入了通道注意力结构，用于整合高分辨率遥感影像中水体的形状、纹理和色调信息，以便更好地理解水体的形状和边界。
在融合多尺度特征的堆叠连接解码器模块中，进行了多层次语义信息的堆叠连接，并加强了特征提取，同时捕捉了广泛的背景信息和细微的细节信息，以实现更好的水体提取效果。
在自行标注的数据集与公开数据集上的试验结果表明，模型的准确率达到了９８．３７％和９１．２３％，与现有的语义分割模型相比，提取的水体边缘更加完整，同时保留细节的能力更强。
高分辨率影像建筑物提取方法对比高分辨率影像在遥感技术中得到了广泛的应用，特别是在城市规划和建筑物提取方面。
随着卫星和航空摄影技术的不断发展，高分辨率影像的获取成本逐渐降低，使得相关技术在实际应用中更加普及。
本文将对比几种常见的高分辨率影像建筑物提取方法，包括传统的基于光学影像的方法、基于激光雷达数据的方法和基于深度学习的方法，以期为相关领域的研究和实际应用提供一定的参考和借鉴。
一、传统方法传统的基于光学影像的建筑物提取方法主要包括影像配准、特征提取和目标识别三个步骤。
首先通过使用全球定位系统（GPS）或者其他定位技术对影像进行配准，使得不同影像之间的图像坐标具有统一的空间参考系。
接着利用数字图像处理技术对影像进行特征提取，包括建筑物边缘检测、纹理分析和形状提取等。
最后通过目标识别算法对提取的特征进行分类和识别，从而得到建筑物的位置、形状和属性信息。
传统方法的优点在于技术成熟、操作简单、成本低廉，并且适用于各种不同分辨率的影像数据。
由于建筑物的复杂形态和植被等遮挡物的存在，传统方法往往难以实现对建筑物的完整提取和精确识别。
尤其是在城市密集区域和复杂地形环境下，传统方法的效果往往不尽人意，需要耗费大量的人力和时间来进行后期的纠正和修正。
二、基于激光雷达数据的方法激光雷达是一种通过发送激光脉冲并接收回波来获取地面表面高程和立体信息的遥感技术。
基于激光雷达数据的建筑物提取方法主要包括点云获取、特征提取和三维模型重建三个步骤。
通过使用航空或者地面激光雷达设备获取高密度的点云数据，然后利用点云配准和过滤算法对数据进行预处理，去除噪声点和地面点等无关信息。
接着利用点云数据进行特征提取，包括高程信息、密度信息和法线信息等。
最后利用三维建模技术对特征点云进行重建，得到建筑物的立体模型和空间坐标信息。
基于激光雷达数据的建筑物提取方法具有数据精度高、信息量大和适应性强的优点，尤其在对细节和结构要求较高的场景下表现突出。
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００３－３１０６．２０２４．０５．０１６引用格式：秦伦明，凌雪海，邹钰洁，等．基于ＳＦ Ｕｎｅｔ的高分辨率耕地遥感影像分割［Ｊ］．无线电工程，２０２４，５４（５）：１１９７－１２０４．［ＱＩＮＬｕｎｍｉｎｇ，ＬＩＮＧＸｕｅｈａｉ，ＺＯＵＹｕｊｉｅ，ｅｔａｌ．ＳｅｇｍｅｎｔａｔｉｏｎｏｆＨｉｇｈＲｅｓｏｌｕｔｉｏｎＲｅｍｏｔｅＳｅｎｓｉｎｇＩｍａｇｅｓｏｆＣｕｌｔｉｖａｔｅｄＬａｎｄＢａｓｅｄｏｎＳＦ Ｕｎｅｔ［Ｊ］．ＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇ，２０２４，５４（５）：１１９７－１２０４．］基于ＳＦ Ｕｎｅｔ的高分辨率耕地遥感影像分割秦伦明１，凌雪海１，邹钰洁２，龚杨洋１，边后琴１ ，王 悉３（１．上海电力大学电子信息工程学院，上海２０１３０６；２．国网上海市电力公司闸北发电厂，上海２００４３２；３．北京交通大学电子信息工程学院，北京１０００４４）摘 要：利用深度学习实现遥感影像耕地区域自动化检测，取代人工解译，能有效提升耕地面积统计效率。
针对目前存在分割目标尺度大且连续导致分割区域存在欠分割现象，边界区域情况复杂导致边缘分割困难等问题，提出了语义分割算法———ＳｗｉｎＴｒａｎｓｆｏｒｍｅｒ，ＴｒａｎｓＦｕｓｅａｎｄＵ Ｎｅｔ（ＳＦ Ｕｎｅｔ）。
为强化网络不同层次特征提取和信息融合能力，提升边缘分割性能，使用Ｕ Ｎｅｔ网络替代ＴｒａｎｓＦｕｓｅ网络中的ＲｅｓＮｅｔ５０模块；将ＶｉｓｉｏｎＴｒａｎｓｆｏｒｍｅｒ（ＶｉＴ）替换为改进后的ＳｗｉｎＴｒａｎｓｆｏｒｍｅｒ网络，解决大区域的欠分割问题；通过注意力机制构建的Ｆｕｓｉｏｎ融合模块将２个网络输出特征进行融合，增强模型对目标的语义表示，提高分割的精度。
实验表明，ＳＦ Ｕｎｅｔ语义分割网络在ＧａｏｆｅｎＩｍａｇｅＤａｔａｓｅｔ（ＧＩＤ）数据集上的交并比（ＩｎｔｅｒｓｅｃｔｉｏｎｏｖｅｒＵｎｉｏｎ，ＩｏＵ）达到了９０．５７％，分别比Ｕ Ｎｅｔ和ＴｒａｎｓＦｕｓｅ网络提升了６．４８％和６．０９％，明显提升了耕地遥感影像分割的准确性。
一种基于高分辨率航片的无遮挡影像获取算法武广臣，刘 艳（辽宁科技学院，辽宁 本溪 117004）【摘 要】三维建模是3D GIS 中一项基本任务，其速度在一定程度上取决于纹理获取的速度。
随着三维数字城市建设的推进，传统的相机拍照法已不能满足快速获取纹理的要求。
为此，本文提出了一种基于高分辨率航片的无遮挡影像获取算法，并设计出选取理想航片的算法，实现了纹理自动匹配，对快速建模具有重要意义。
【关键词】三维建模；3D GIS ；数字城市【中图分类号】P237.9；P208 【文献标识码】A 【文章编号】1009-2307（2011）05- -An algorithm of capturing none-blocking images based on high-resolution aerial photosAbstract : Three-dimensional modeling is an essential task in 3D GIS, and its speed depends on the speed of capturing texture to some extent. With the further promoting of the construction of three-dimensional digital cities, the traditional method of taking photos with camera can not meet the requirements of fast getting texture. Thus, this paper presented an algorithm of capturing non-blocking images based on high-resolution aerial photos, designed the algorithm for choosing ideal aerial photo, and realized automatic texture matching. It is of great significance for fast modeling.Key words : three-dimensional modeling; 3D GIS; digital cityWU Guang-Chen , LIU Y an （Liaoning Institute of Science and Technology, Liaoning Benxi 117004, China ）1 引言随着数字城市建设的深入发展，三维城市模型的需求在各个领域中正迅速地增加[1] 。
3D 模型的建立与纹理贴图是3D GIS 的一项基本任务，目前，3D 建模已不是技术难题，纹理贴图也有诸如纹理映射等比较成熟的技术。
传统纹理来源多为相机拍照法，随着建模范围的扩大，这种方法暴露了很大的局限性，如拍摄时受时间、天气等条件限制，拍摄后需进行影像处理等，因此，很多学者力图采用其他方法获取建筑物纹理，如Fuan Tsai 等人提出的基于视频资料获取建筑物侧面纹理的方法[2]；Ludwig Hoegner 提出的红外线系列影像纹理提取方法[3]；Y .K.A.Tan 的基于相机校正和影像方位恢复的大规模建筑物侧面纹理映射等[4]。
虽然这些研究成果都不同程度地改善了传统纹理获取方法的缺点，但成本高、速度慢等问题仍没有得到彻底的解决，因此，这里提出一种基于高分辨率航片的无遮挡影像获取算法，旨在快速获取建筑物侧面纹理，实现纹理匹配的自动化。
2 无遮挡影像获取算法2.1 相关概念的界定判定遮挡关系是基于航拍瞬间的空间关系，所以在研究算法时需界定一些基本概念。
在图1中，成像瞬间面ABCD 为建筑物侧面，是被遮挡平面，它在航片AP 上成像为面A 1B 1C 1D 1，为了简化问题，将投影中心S 、面ABCD 、面A 1B 1C 1D 1在地平面进行投影，对应的投影单元分别为点S 1、线AB 和面A 2B 2C 2D 2，由几何关系推理可知，S 1、D 2、A 共线，S 1、C 2、B 共线，面A 2B 2C 2D 2和面ABC 2D 2为遮挡有效空间的地平面投影，这里称之为遮挡有效区域。
遮挡有效区域是判定遮挡关系的必要而不充分条件，在这个区域上方的空间点，在成像时有可能对面ABCD 构成遮挡。
这里命名面SAB 为下界平面，面SCD 为上界平面，这样位于六面体A 1B 1C 1D 1-ABCD 内的空间点成像时均可对侧面ABCD 构成遮挡。
DOI ：CNKI:11-4415/P.20101230.1517.016 网络出版时间：2010-12-30 15:17网络出版地址：/kcms/detail/11.4415.p.20101230.1517.016.html2.2.1面，交点为角），2.2.2由上述所知，判定遮挡关系主要体现在两个方面，其一是判定空间点是否在遮挡有效区域内，这是二维情况下点是否从属于面的关系判定，已有很多成熟的方法，如射线算法、扫描算法、复数积分算法、边界代数法等[6]；其二是α、1α和2α的计算问题，为了统一计算，需要将像平面坐标系转换为地面摄影测量坐标系，因此，遮挡关系判定算法的流程是：①给定物方侧面坐标),,(i i i Z Y X ，扫描获取可能遮挡点坐标；②由内外方位元素计算像平面坐标),(i i y x ；③将像平面坐标进行转换并生成遮挡有效区域；④判定可能遮挡点是否在遮挡有效区域内；⑤计算并判定α是否满足21ααα≤≤，如满足产生遮挡，否则无遮挡。
2.2.3数据结构与基于体的遮挡关系判定算法3D GIS 的最大阻碍是空间数据结构[7]。
在被遮挡面即建筑物侧面给定的前提下，如何组织数据结构也是一个问题，关于三维实体的数据结构，目前尚没有统一标准。
在这里，理想的数据结构是基于方向多边形的竖向线段数据结构，因为在判定遮挡建筑物是否在遮挡有效区域内时，它可以提供这个建筑物有多少个竖向线段处于这个区域，为遮挡的程度提供直观信息，在计算角度α大小时，这种数据结构提供了更加方便的计算方式。
基于体的遮挡关系判定算法与基于空间点的情况基本类似，区别是它需要遍历三维实体的每一顶点，逐点判断遮挡关系，另外，基于体的判定算法存在遮挡程度的界定问题，需作进一步研究。
3 理想航片选取算法内外方位元素的不同使建筑物侧面与其像区形成一对多的关系，在影像无遮挡的前提下，决定选取哪一幅航片尤为重要，根据空间关系，可以通过设计算法选取理想的影像[8]。
视角是选取影像的一个重要因素，理想的情况是其近乎垂直建筑物侧面的情形[9]。
直接判定视角大小难度较大，这里提出一种矢量夹角算法，过程是：以建筑物侧面P 上某点O 为起点，向建筑物外表面引出向量ON ΦΦΦΓ（图2），i （i 为第i 个θi 12VV ΦΦΦΦΓ、23V V ΦΦΦΦΓ、3V ；④找出()i Min θ11i arccos BC CD OS θ⎜⎟=⎜⎟×⎝⎠ΦΦΦΓΦΦΦΓΦΦΦΓ （2） 4 纹理匹配的自动化根据摄影测量瞬间姿态，建筑物侧面区域MdlRgn (,,)ijk ijk ijk X Y Z 与其像点区域ArlPtl (,)ijk ijk x y 系一种一对多的关系，此时内外方位元素成为映射关系的传递参数，中心投影构象方程则成为映射关系[10]，因此可以访问模型侧面区域MdlRgn (,,)ijk ijk ijk X Y Z 对应像点(,)ijk ijk x y 区域的像素（公式（3）），其中k 为第k 个建筑物，j 为第j 个侧面， i 第i 个点，14i ≤≤。
纹理自动匹配的实质是对航片上的纹理信息进行重构，也就是从影像空间到纹理空间再到模型空间的转换，重构过程宜采用间接法：从建筑物空白侧面出发，以航摄的地面分辨率为步进进行像素填充，继而完成纹理纠正。
在MdlRgn (,,)ijk ijk ijk X Y Z 到ArlPtl (,)ijk ijk x y 的映射中，默认的最邻近插值会引起像素的突变，因此需采用合适的插值方法解决这个问题，在研究中，采用开支较小、效率较高的双线性插值方法（公式（4）），以解决像素不连续问题。
11103332223()()()()()()()()()(ijk ijk Sijk ijk ijk Sijk ijk ijk Sijk ijk ijk ijk ijk ijk Sijk ijk ijk Sijk ijk ijk Sijk ijk ijk Sijk ijk ijk Sijk ijk ijk Sijk ijk ijk ijk ijk Sij a X X b Y Y c Z Z x f x a X X b Y Y c Z Z a X X b Y Y c Z Z y f a X X −+−+−=−+−+−+−−+−+−=−−033)()()ijk k ijk ijk Sijk ijk ijk Sijk y b Y Y c Z Z ⎫⎪⎪⎬⎪+⎪+−+−⎭（3） 220111111220222222== i a i b j c ij d i e j f j a i b j c ij d i e j f ⎫+++++⎪⎬+++++⎪⎭ （4） 实现单片纹理自动匹配是没有多大应用意义的，对于成千上万的建筑物模型，单个匹配纹理是非常耗时而易于出错的，因此需要建立一种基于一定区域范围的纹理自动匹配机制。
在研究中，采用的是平面扫描算法（图3），在一定区域内，沿着扫描线的方向（行或列），如果扫描到某一模型在该平面的投影多边形，则依次对它的外侧面进行纹理匹配，并用一个布尔型变量来标识该侧面是否进行过纹理匹配，然后进行下一行或列的扫描，如果扫描到已匹配纹理的侧面，放弃匹配，否则匹配纹理；如此扫描，直至到最后一行或列，可以实现一定区域内所有模型的纹理匹配，图4为某区域纹理自动匹配结果局部图。
5 结束语纹理信息获取的快速及时是快速建模的关键。
鉴于传统获取纹理方法的不足，这里提出一种基于高分辨率航片的无遮挡影像获取算法，并据此设计了最佳航片的选取算法，最后实现了纹理匹配的自动化。
以读取航片影像获取建筑物纹理的方法代替其它获取手段，打破了传统纹理获取方法所受的种种限制，具有快速高效的特点，然而，由于航片自身的问题，这种方法表现出一定局限性，如分辨率不够、自遮挡问题等。
这些均需随着摄影测量技术的革新而逐步得到完善与解决。
参考文献[1] Y Takase, N Sho, A Sone, K Shimiya. Automatic Generation of 3D City Models and Related Applications[J] . International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2003, 34：5-10.[2] Fuan Tsai, Hou-Chin Lin2, Cheng-Hsuan Chen. Facade Texture Generation and Mapping Using Digital Videos [J]. Journal of Photogrammetry and Remote Sensing,2007,12(1):83-92.[3] Ludwig Hoegner, Uwe Stilla. Texture extraction for building models from IR sequences of urban areas [J]. Urban Remote Sensing Joint Event,2007:1-6.[4] Y K A Tan, L K Kwoh, S H Ong. Large Scale Texture Mapping of Building Facades [J]. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2008, 37: Part B5.[5]Joseph O'Rourke. Computational Geometry in C [M]. America:Cambridge University Press , 1998:101-104.[6] 吴立新，史文中．地理信息系统原理与算法[M]．北京：科学出版社，2003：202-211．[7] Alias Abdul-Rahman,Morakot Pilouk. Spatial Data Modelling for 3DGIS[M]. New York:Springer, 2008:1-3.[8] Martin Kada, Darko Klinec, Norbert Haala. Facade Texturing For Rendering 3D City Models[C]//ASPRS 2005 Annual Conference.“Geospatial Goes Global: From Your Neighborhood to the Whole Planet ”,2005:Baltimore, Maryland.[9] Christian Frueh, Russell Sammon, Avideh Zakhor. Automated Texture Mapping of 3D City Models With Oblique Aerial Imagery [C]//Second International Symposium on 3D Data Processing, Visualization and Transmission,2004: 396-403.[10] 王之卓．摄影测量原理[M]．武汉：武汉大学出版社，2007：20-21．作者简介：武广臣（1979-），男，硕士，辽宁科技学院教师，研究方向为3D GIS。
