第４３卷第６期测绘与空间地理信息
ＧＥＯＭＡＴＩＣＳ＆ＳＰＡＴＩＡＬＩＮＦＯＲＭＡＴＩＯＮＴＥＣＨＮＯＬＯＧＹ
Ｖｏｌ．４３，Ｎｏ．６收稿日期：２０１９－０４－２２
基金项目：公路隧道国家工程实验室项目（ＮＥＬＦＨＴ２０１８０１）资助
作者简介：周丽娟（１９８５－），女，四川广元人，讲师，硕士，２０１２毕业于西安科技大学地图制图学与地理信息工程专业，主要从事工程
测量相关教学工作。
周丽娟１，李朋龙２
（１．重庆交通职业学院，重庆４０２２４７；２．重庆市地理信息和遥感应用中心，重庆４００１４７）
摘要：针对山地区域正射影像制作中拉花变形区域人工查效率低、自动查难等问题，提出了一种山
地区域
航空正射影像拉花变形自动检测方法。该方法首先利用航空影像正射纠正模型将每个像素反算至原始影像位置，其次以每个像素为中心与周围像素进行比对判断拉花像素点，然后，对拉花像素区域进行图像腐蚀、膨胀与矢量化处理得到拉花区域的矢量边界。实验结果表明，该方法能够自动检测出拉花变形区域边界，有助于提高正射影像制作与质检效率。
关键词：山地区域；正射影像；拉花变形；自动检测
中图分类号：Ｐ２３１ 文献标识码：Ａ 文章编号：１６７２－５８６７（２０２０）０６－００８８－０３
ＡｕｔｏｍａｔｉｃＤｅｔｅｃｔｉｏｎＭｅｔｈｏｄｆｏｒＴｅｎｓｉｌｅＤｅｆｏｒｍａｔｉｏｎｓｏｆＡｅｒｉａｌ
ＯｒｔｈｏｐｈｏｔｏｉｎＭｏｕｎｔａｉｎｏｕｓＡｒｅａ
ＺＨＯＵＬｉｊｕａｎ１，ＬＩＰｅｎｇｌｏｎｇ
２
（１．ＣｈｏｎｇｑｉｎｇＶｏｃａｔｉｏｎａｌＣｏｌｌｅｇｅｏｆＴｒａｎｓｐｏｒｔａｔｉｏｎ，Ｃｈｏｎｇｑｉｎｇ４０２２４７，Ｃｈｉｎａ；２．ＣｈｏｎｇｑｉｎｇＧｅｏｍａｔｉｃｓａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇＣｅｎｔｅｒ，Ｃｈｏｎｇｑｉｎｇ４００１４７，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｎａｕｔｏｍａｔｉｃｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｆｏｒｔｅｎｓｉｌｅｄｅｆｏｒｍａｔｉｏｎｓｉｎａｅｒｉａｌｏｒｔｈｏｐｈｏｔｏｉｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ，ｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｓｏｆｌｏｗｅｆｆｉｃｉｅｎｃｙａｎｄｄｉｆｆｉｃｕｌｔｙｉｎｔｅｎｓｉｌｅｄｅｆｏｒｍａｔｉｏｎ′ｓｒｅｃｏｇｎｉｔｉｏｎ．Ｆｉｒｓｔｌｙ，ｔｈｅｉｍａｇｅｐｏｉｎｔｃｏｏｒｄｉｎａｔｅｓｏｎｔｈｅｏｒｉｇｉｎａｌａｅｒｉａｌｉｍａｇｅｏｆｅａｃｈｐｉｘｅｌｏｎｏｒｔｈｏｐｈｏｔｏｗｅｒｅｃａｌｃｕｌａｔｅｄ．Ｓｅｃｏｎｄｌｙ，ｔｈｅｏｖｅｒｌａｐｔｉｍｅｓｏｆｔｈｅｏｒｉｇｉｎａｌａｅｒｉａｌｉｍａｇｅｓｃｏｒｒｅｓｐｏｎｄｉｎｇｔｏｅｖｅｒｙｐｉｘｅｌａｎｄｉｔｓｎｅｉｇｈｂｏｒｉｎｇｐｉｘｅｌｓｗｅｒｅｃｏｕｎｔｅｄｔｏｄｅｔｅｒｍｉｎｅｗｈｅｔｈｅｒｔｈｅｐｉｘｅｌｗａｓａｔｅｎｓｉｌｅｄｅｆｏｒｍｅｄｐｉｘｅｌ．Ｆｉｎａｌｌｙ，ｔｈｅｖｅｃｔｏｒｄａｔａｏｆｔｅｎｓｉｌｅｄｅｆｏｒｍ ａｔｉｏｎｓｉｎｏｒｔｈｏｐｈｏｔｏｗａｓｏｂｔａｉｎｅｄｂｙｉｍａｇｅｃｏｒｒｏｓｉｏｎ，ｉｍａｇｅｅｘｐａｎｓｉｏｎａｎｄｖｅｃｔｏｒｉｚａｔｉｏｎｏｆｔｈｅｂｉｎａｒｙｉｍａｇｅ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔ
ｈａｔｔｈｉｓｍｅｔｈｏｄｃｏｕｌｄｄｅｔｅｃｔｔｈｅｂｏｕｎｄａｒｙｏｆｔｈｅｔｅｎｓｉｌｅｄｅｆｏｒｍａｔｉｏｎａｒｅａｓａｕｔｏｍａｔｉｃａｌｌｙａｎｄａｃｃｕｒａｔｅｌｙ，ａｎｄｉｓｕｓｅｆｕｌｔｏｉｍｐｒｏｖｅｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｏｒｔｈｏｐｈｏｔｏ′ｓｐｒｏｄｕｃｔｉｏｎａｎｄｑｕａｌｉｔｙｉｎｓｐｅｃｔｉｏｎ．
Ｋｅｙｗｏｒｄｓ：ｍｏｕｎｔａｉｎｏｕｓａｒｅａ；ｏｒｔｈｏｐｈｏｔｏ；ｔｅｎｓｉｌｅｄｅｆｏｒｍａｔｉｏｎｓ；ａｕｔｏｍａｔｉｃｄｅｔｅｃｔｉｏｎ
０ 引 言
正射影像图（ＤｉｇｉｔａｌＯｒｔｈｏｐｈｏｔｏＭａｐ，ＤＯＭ）不仅具有准确的位置信息，又具有丰富的纹理信息，被广泛应用在国土资源调查、地理国情监测、城乡规划与城市精细化管
理等领域［１］
。正射影像可以由无人机等低空航摄影像根
据中心投影成像模型结合数字高程模型（ＤｉｇｉｔａｌＥｌｅｖａｔｉｏｎ
Ｍｏｄｅｌ，ＤＥＭ）通过逐像素反解法数字微分纠正得到［２－
３］
。
而由于山地区域的地形起伏与影像拍摄瞬间相机姿态位置等原因，不能保证所有地面点都能在航摄影像上成像，如坡势较陡的山坡可能会被山顶所遮挡等
［４－５］
。因此，正
射纠正时在被遮挡或成像信息匮乏的区域重采样将会过于稠密或是重复采样，这就会造成正射纠正后影像出现拉伸现象，如果拉伸过度就会造成纹理失真，称之为“拉花变形”，纹理失真的区域我们称之为“拉花变形区
域”［６－
８］
。拉花变形造成的纹理缺失直接影响正射影像的
质量，需要先通过人工目视辨别和查出来，然后再通过
精修ＤＥＭ再纠正的方法将其修正［９］。人工目视查不仅
效率低下，作业人员的主观判断还可能导致遗漏等问题，因此迫切需要拉花变形的自动检测方法。
目前，正射影像拉花区域自动检测的方法不是很多，刘敏等发明了一种在投影光线上比对同名像素判定拉花
像素的方法，实现了正射影像上拉花像素的自动判断［４］；
姜韶等提出了一种基于ＤＥＭ坡度计算预测正射影像拉花变形的方法，但该方法未充分考虑影像拍摄瞬间相机姿态与地形之间的关系，因此预测的变形有很大一部分是伪变形区域，同时也有漏检的情况出现
［５］
。本文在前
人工作的基础上，提出了一种基于同名像素比对的航空正射影像拉花区域自动探测方法，实验结果表明，该方法能够自动准确探测出拉花变形区域边界，有助于提高正
射影像制作与质检效率［６－
８］
。
１ 正射影像拉花区域自动检测
１．１ 拉花区域的形成
航空影像的正射纠正是根据地面点位置计算原始影像上对应的像素，然后进行灰度重采样的过程。如图１所示，点Ｏ为成像中心，Ａ—Ｇ为地面点，由于地形起伏较大且摄影中心在山地右侧，因此会造成原始影像上ＡＢＣＤＥ区域没有成像，点ＡＥ、ＢＤＦ和ＣＧ分别在同一光线上，因此区域ＡＢ被区域ＥＦ遮蔽，区域ＢＣＤ被区域ＦＧ遮蔽。同时，成像时相机姿态与地形的起伏还可能造成区域ＥＧ
在原始影像上成像区域较窄［６］。
正射纠正中按照地面格网点进行反算求解原始影像上像素点进行灰度内插赋值，因此，地面点Ａ所采样的灰度值为点Ｅ的灰度值，点Ｂ和点Ｄ的采样值为Ｆ点，ＢＣ，、ＣＤ和ＦＧ段的采样值均为ＦＧ段成像灰度，当ＦＧ非常狭窄时，就会在ＤＯＭ上造成同一像素的过度重复采样，就造成了影像的拉伸变形，如果拉伸变形比较严重就形成了拉花区域，如图２180度 孙燕姿
所示。图１ 拉花变形形成示意
Ｆｉｇ．１ Ｍｅｃｈａｎｉｓｍｏｆｔｅｎｓｉｌｅｄｅｆｏｒｍａｔｉｏｎ
ｓ
图２ 拉花变形区域示意Ｆｉｇ．２ Ｅｘａｍｐｌｅｓｏｆｔｅｎｓｉｌｅｄｅｆｏｒｍａｔｉｏｎｓ
１．２ 拉花变形自动检测方法
拉花变形是由于原始影像上同一像素在正射纠正中局部被多次重采样造成的像素拉伸现象，因此，本文提出了一种局部比对同名像素的方法来检测拉花像素，进而通过对拉花像素进行腐蚀、膨胀等形态学处理，得到拉花
区域［８］
。具体步骤如图３
所示。
图３ 拉花区域自动探测流程图
Ｆｉｇ．３ Ｆｌｏｗｃｈａｒｔｏｆａｕｔｏｍａｔｉｃｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄ
ｆｏｒｔｅｎｓｉｌｅｄｅｆｏｒｍａｔｉｏｎｓ
１）计算正射影像四角地面坐标。利用原始影像、定向参数及测区数字高程模型，根据构像方程计算正射纠正后四角点对应的地面点坐标（Ｘ１，Ｙ１），（Ｘ２，Ｙ２），（Ｘ３，Ｙ３），（Ｘ４，Ｙ４
）。Ｘ＝ＸＳ－（ＺＳ－Ｚ０
）ａ１ｘ＋ａ２ｙ－ａ３ｆｃ１ｘ＋ｃ２ｙ－ｃ３ｆＹ＝ＹＳ－（ＺＳ－Ｚ０
）ｂ１ｘ＋ｂ２ｙ－ｂ３ｆｃ１ｘ＋ｃ２ｙ－ｃ３
ｆ （１）
式中，（Ｘ，Ｙ）为地面点坐标，（ｘ，ｙ）为像点坐标；Ｘｓ
、Ｙｓ、Ｚｓ为影像外方位元素中的３个线元素；ａ１、ｂ１、ｃ１、ａ２、ｂ２、ｃ２、ａ３、ｂ３、ｃ３为影像外方位元素中３个角元素计算得到的旋转矩阵中的９个参数；ｆ为相机焦距；Ｚ０为该测区平均高程值。
２）计算正射影像的范围与大小。选出４个角点对应地面坐标在Ｘ方向和Ｙ方向上的极值Ｘｍｉｎ，Ｘｍａｘ，Ｙｍｉｎ，Ｙｍａｘ，则正射纠正后正射影像左上角的地理坐标为（Ｘｍｉｎ
，Ｙｍａｘ）；正射影像的行数为ｈｅｉｇｈｔ＝（Ｙｍａｘ－Ｙｍｉｎ）／ＧＳＤ；列数为ｗｉｄｔｈ＝（Ｘｍａｘ－Ｘｍｉｎ）／ＧＳＤ，其中ＧＳＤ为正射影像的空间分辨率。
３）反算正射影像每个像素对应原始影像上像素的像点坐标，对于每个像素计算过程如下：
①根据公式（２）计算当前像素点（ｒｏｗ，ｃｏｌ）的地面坐标（Ｘ，Ｙ）。
ＸＹ
[]
＝ＧＳＤ
ｃｏｌ
ｈｅｉｇｈｔｄｓｔ－
ｒｏｗ[
]＋
ＸｍｉｎＹｍａｘ
[]
（２）
②根据地面点坐标（
Ｘ，Ｙ）从ＤＥＭ上双线性内插出该点的高程Ｚ。
③根据构像方程公式（
３）计算地面点（Ｘ，Ｙ，Ｚ）在原始影像上的像点坐标（ｓ，ｌ）。
ｓ＝－ｆ
ａ１（Ｘ－ＸＳ）＋ｂ１（Ｙ－ＹＳ）＋ｃ１（Ｚ－ＺＳ）ａ３（Ｘ－ＸＳ）＋ｂ３（Ｙ－ＹＳ）＋ｃ３（Ｚ－ＺＳ
）ｌ＝－ｆａ２
（Ｘ－ＸＳ）＋ｂ２（Ｙ－ＹＳ）＋ｃ２（Ｚ－ＺＳ
）ａ３（Ｘ－ＸＳ）＋ｂ３（Ｙ－ＹＳ）＋ｃ３（Ｚ－ＺＳ
） （３）４）逐像素进行拉花变形判定，步骤如下：
９
８第６期
周丽娟等：山地区域航空正射影像拉花变形自动检测方法
①以当前像素（
ｒｏｗ，ｃｏｌ）为中心，建立一个适当大小方形窗口Ｗｉｎ［Ｓｉｚｅ，Ｓｉｚｅ］，当前像素对应原始影像上的像点坐标为（Ｓ，Ｌ）。
②设重叠像素个数ｎｕｍ＝０，遍历窗口中每一个像素（ｒｉ，ｃｉ）∈Ｗｉｎ［Ｓｉｚｅ，Ｓｉｚｅ］对应的原始影像上像点坐标（Ｓｉ，Ｌｉ
）与当前像素对应的（Ｓ，Ｌ）对比，满足公式（４）时，ｎｕｍ＝ｎｕｍ＋１，式中δ越小，两个像素坐标重叠程度越大。
Ｓ－Ｓｉ＜δ（Ｓ≠－１，Ｓｉ≠－１）Ｌ－Ｌｉ＜δ（Ｌ≠－１，Ｌｉ≠－１
）{
（４）
③当ｎ
ｕｍ大于一定的阈值时，将该像素视为拉花变形像素，在探测结果二值图像上将其标记为拉花像素（灰
度值为２５５），否则标记为非拉花像素（灰度值为０）。５）探测结果二值图像进行腐蚀和膨胀处理，最后进行二值图像矢量化，得到拉花变形区域的矢量范围。
２ 实验与分析
本实验区域位于西南山区，实验影像为无人机搭载
ＮＩＫＯＮＤ８１０拍摄的图幅大小为７３６０×４９１２像素、地面
分辨率为０．２ｍ的数码影像，定向数据为ＩＮＰＨＯ系统空
三解算的成果。以ＭｉｃｒｏｓｏｆｔＶＳ２０１２为编译平台，利用Ｃ
＋＋语言，ＧＤＡＬ等第三方开源库编程实现本文方法，并对６景影像进行正射纠正和拉花变形自动检测。
如图４
（ａ）所示，实验区内有一条山谷，两侧为高山，最高点高程为１３００．６ｍ，最低点为５３０．７ｍ，地形起伏较
大，
ＤＥＭ数据的地面分辨率为５ｍ；如图４（ｂ）所示，给出了利用原始影像、定向参数及ＤＥＭ数据经过正射纠正得
到的正射影像；如图４
（ｃ）所示，给出了利用本文方法自动检测到拉花变形区域的结果，可以看出拉花变形区域主要集中在地形急剧起伏的山谷区域，在实验区右下方区域也检测除了大量的拉花变形，同时也有一部分拉花变
形零星分布在整个实验区内。
图４ 测区情况及拉花区域检测结果
Ｆｉｇ．４ Ｔｅｓｔａｒｅａａｎｄｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔ
拉花变形检测结果的局部效果如图５所示，其中，多
边形为自动检测出拉花变形的矢量范围，按照拉花变形面积的大小以及目视拉花变形的程度可以分为严重拉花变形、中度拉花变形和轻微拉花变形。严重的拉花变形多分布在悬崖、陡坡等地形突变的区域，面积大，拉花变形直接导致了影像纹理错误及信息缺失等严重质量问题，如图５（ａ）所示；中度拉花变形的区域如图５（ｂ）所示；５处轻微拉花变形的检测结果如图５（ｃ）所示，这类拉花
变形具有面积小、分布广、难辨认、易遗漏等特点，人工目
视辨别查需要地毯式检查，效率非常低下，而本文方法不仅能够检测出小面积轻微拉花变形的位置，而且能够
准确地提取拉花变形区域的边界范围。
图５ 拉花变形检测结果
Ｆｉｇ．５ Ｒｅｓｕｌｔｏｆｔｅｎｓｉｌｅｄｅｆｏｒｍａｔｉｏｎｓｄｅｔｅｃｔｉｏｎ
３ 结束语
本文针对山地区域正射影像制作中拉花变形人工查效率低、自动查难等问题，提出了一种山地区域航空正射影像拉花变形自动探测方法。实验结果表明，该方法对严重、中度和轻微的拉花变形的自动检测都有较好的适用性和稳定性，不仅能够定位拉花变形的区域，也能够较为准确地提取拉花变形区域的矢量范围，有利于提高正射影像制作与质检效率。
参考文献：
［１］ 张祖勋，张剑清．数字摄影测量学［Ｍ］．武汉：武汉测绘科
技大学出版社，１９９５．
［２］ 李朋龙，邓非，何江，等．ＧＰＵ－ＣＰＵ协同航空影像快速
正射纠正方法［
Ｊ］．测绘地理信息，２０１６，４１（２）：４４－４７．［３］ 邓非，李朋龙，阚酉浔，等．数字建筑模型整体投影真正
射影像制作中的遮蔽检测方法［Ｊ］．武汉大学学报（信息
科学版），２０１７，４２（１）：９７－１０２．［４］ 刘敏，郭永春，梁菲，等．数字正射影像拉花区域的处理
方法：ＣＮ１０４１８０７９４Ａ［Ｐ］．２０１４－１２－０３．［５］ 姜韶，蒋红彪，马辉．大比例尺ＤＯＭ变形预测方法［Ｊ］．
测绘，２０１７，４０（２）：８４－８６．［６］ ＬＩＰｅｎｇｌｏｎｇ，ＨＵＹａｎ，ＤＩＮＧＹｉ，ｅｔａｌ．Ａｎａｕｔｏｍａｔｉｃｄｅ
ｔｅｃｔｉｏｎｍｅｔｈｏｄｆｏｒｔｅｎｓｉｌｅｄｅｆｏｒｍａｔｉｏｎｓｉｎｏｐｔｉｃａｌｓａｔｅｌｌｉｔｅｏｒｔｈｏｐｈｏｔｏ［Ｃ］／／２０１８ＩＥＥＥｉｎｔｅｒｎａｔｉｏｎａｌｇｅｏｓｃｉｅｎｃｅａｎｄｒｅｍｏｔｅｓｅｎｓｉｎｇｓｙｍｐｏｓｉｕｍ
，ｖａｌｅｎｃｉａ，ｓｐａｉｎ，２０１８．（下转第９４页）
遵循上述分析过程，以２０１６年的数据为基准评估了广东省国有土地对经济发展的保障潜力。广东省国有土地总面积约占全省土地总面积２０％，其中，农用地占５１．９％，未利用地占１６．８％。其中，土地利用总体规划允许建设的农用地和未利用地占国有总量的３．５％，有条件建设的占２．４％，限制建设的占６９．５％，禁止建设的占２４．６％；全省拟纳入“三旧”改造范围的国有建设用地面积占１３．５％。具体结论如下：
１）根据现行土地利用总体规划，不论是国有农用地、未利用地，落在允许建设区和有条件建设区内的面积均很少，大部分土地属于限制建设和禁止建设区范围。
２）全省批而未供、涉嫌闲置土地具有一定数量，可以通过盘活这些土地资源，提高土地的节约集约利用率。
３）“三旧”等低效用地是广东特别是珠三角地区未来建设用地的主要来源。
利用大数据挖掘模型构建策略对现有数据资源进行分析挖掘，快速响应了评估广东省国有土地对经济发展保障潜力的需求，提供了土地挖潜和提升土地节约集约利用率的方向。
４ 结束语
随着自然资源部门整合的不断深化，自然资源数据的种类和数量将出现飞速增长，自然资源管理的广度和深度也将不断拓展，充分挖掘自然资源大数据的时空演变规律和预测发展趋势成为必然。如何构建连通性较高、综合性较强的自然资源大数据挖掘模型是今后研究的重点。本文提出知识图谱驱动的自然资源大数据挖掘模型，并以广东省国有土地对经济发展的保障潜力评估为例验证了该模型的合理有效性，这对于研发和部署运行自然资源大数据挖掘系统具有重要意义。
参考文献：
［１］ 庄越挺，吴飞，陈纯，等．挑战与希望：ＡＩ２．０时代从大数据到知识［Ｊ］．ＦｒｏｎｔｉｅｒｓｏｆＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ＆Ｅｌｅｃ
ｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，２０１７（１）：６－１８．
［２］ ＺＨＯＵＬ，ＬＥＩＫ，ＺＨＡＯＦＱ．Ｃｕｒｒｅｎｔｓｔａｔｕｓａｎｄｃｈａｌｌｅｎｇｅｓｉｎｂｉｏｌｏｇｉｃａｌｂｉｇｄａｔａｖｉｓｕａｌｉｚａｔｉｏｎ［Ｊ］．Ｃｈｉｎｅｓ
ｅＳｃｉｅｎｃｅＢｕｌｌｅｔｉｎ，
２０１５，６０（５－６）：５４７．
［３］ 周湘．基于泛在网络的中国城市房地产时空大数据分析方法研究———以北京地区为研究实例［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ，２０１７（５３４）：２８１－２９９．
［４］ 刘峤，李杨，杨段宏，等．知识图谱构建技术综述［Ｊ］．计算机研究与发展，２０１６，５３（３）：５８２－６００．
［５］ 曹倩，赵一鸣．知识图谱的技术实现流程及相关应用［Ｊ］．情报理论与实践，２０１５，３８（１２）：１３１－１３６．［６］ 徐增林，盛泳潘，贺丽荣，等．知识图谱技术综述［Ｊ］．电子科技大学学报，２０１６，４５（４）：５８９－６０６．
［编辑：张 曦］
（上接第８７页）
３）使用了ＬＥＤ灯选择在夜间观测，解决了长距离无法准目标的难题；
４）使用ＧＮＳＳ方法测定距离，适用于长距离跨海高程传递；
５）由于需要对向观测多组数据，容易引起观测疲劳，通过开发一套数据观测与自动计算程序，能有效减少人为观测疲劳与计算误差。
参考文献：
［１］ 尹成玉，邢远航，周兴华，等．动力水准法确定海岛（礁）正常高［Ｊ］．军事测绘，２０１１（１）：１９－２１．
［２］ 胡兴树，欧小善，李伟，等．琼州海峡精密高程传递方法研究与试验［Ｊ］．测绘通报，２０１２（Ａ１）：１５４－１５８．［３］ 鲍李峰，许厚泽，陆洋，等．利用重力位差实现跨海高程基准传递：２０１１１００７１０６５．１［Ｐ］．２０１１－１１－０２．
［４］ 吴迪军，熊伟．三角高程法跨海高程传递实验及应用［Ｊ］．测绘科学，２０１６，４１（６）：１３０－１３４．
［５］ 丁仕军，李亚虎，赵中飞，等．同步验潮法在刘公岛跨海高程传递中的应用［Ｊ］．海洋测绘，２０１７，３７（３）：５３－
５５，５９．
［６］ 徐天，朱紫阳．利用重力位差进行跨海高程基准传递的精度分析［Ｊ］．地理空间信息，２０１４，１２（３）：１２１－１２４．
［７］ 肖学年，姬恒炼，葛志成，等．国家一、二等水准测量规范：ＧＢ／Ｔ１２８９７—２００６［Ｓ］．北京：中国标准出版
社，２００６．
［８］ 成益品，张超．港珠澳大桥岛隧工程东西人工岛精密跨海高程传递测量［Ｊ］．中国港湾建设，２０１６，３６（７）：
９－１１．
［９］ 卢，邱卫宁，范玉磊，等．长距离跨海高程传递测量方法研究与工程实践［Ｊ］．测绘地理信息，２０１６，４１（１）：
７０－７３．
［１０］ 李建成，姜卫平．长距离跨海高程基准传递方法的研究［Ｊ］．武汉大学学报（信息科学版），２００１，４４（６）：５１４－
５１７，５３２．
［１１］ 王杰，赵建虎，谭奇峰，等．一种新的长距离跨海ＧＰＳ高程传递方法［Ｊ］．测绘科学，２０１３，３８（５）：１１６－１１８．［１２］ 成国辉，谭奇峰．ＧＰＳ长距离高程传递方法研究［Ｊ］．城市勘测，２０１３（６）：１０１－１０５．
［１３］ 陈长波，朱紫阳，王英谋，等．ＧＮＳＳ测距三角高程法精密跨河水准测量［Ｊ］．测绘与空间地理信息，２０１８，４１
（８）：５９－６２，６７．
［１４］ 徐亚明，施斌，王代雄，等．改进的三角高程法在跨海高程传递中的应用［Ｊ］．测绘通报，２０１４（４）：６５－６７，７８．
［编辑：刘莉鑫］
（上接第９０页）
［７］ 李朋龙，胡艳，丁忆，等．一种光学遥感卫星正射影像拉花区域自动检测方法：ＣＮ１０８３３５２６１Ｂ［Ｐ］．２０１８－１１－３０．［８］ 李朋龙，胡艳，张泽烈，等．基于ＧＰＵ并行计算的无人机影像拉花区域自动探测方法：ＣＮ１０８２６９２２８Ｂ［Ｐ］．
２０１８－０２－０８．
［９］ 罗鼎，袁超，李胜，等．山地地区高分卫星影像正射纠正［Ｊ］．测绘科学，２０１５，４０（６）：１２９－１３３．
［编辑：任亚茹］
发布评论