一种用于DEM数据认证与篡改定位的感知哈希算法

DEM数据作为重要的基础地理信息数据,其数据完整性问题不容忽视。基于DEM数据完整性认证的要求,以及相关认证算法的欠缺,本文运用感知哈希技术设计了一种DEM数据认证算法,并可实现篡改定位。因DEM数据具有数据量大、细节丰富的特点,首先对其进行规则格网划分,将其划分为互不重叠的格网单元;然后对格网单元数据进行DCT分解,提取数据的特征信息以生成特征向量矩阵,并对特征向量矩阵进行摘要化处理;随后,使用Logistic混沌系统对简化后的特征向量矩阵进行置乱;对置乱矩阵进行量化、编码后,便可生成感知哈希序列。在数据认证时,首先计算原始数据与待验证数据的高程相对中误差,再将二者的感知哈希序列进行归一化汉明距离度量,结合判定阈值,即可对DEM数据进行数据认证与篡改定位。该算法对DEM数据的格式转换、水印嵌入等攻击有较强的鲁棒性,对各类改变内容的操作具有敏感性,并可实现DEM数据微小篡改的识别与定位。与已有的DEM完整性认证方法相比,将DEM数据的"内容"作为完整性度量的重要标准,在具体应用中更具有实用价值。     

遥感影像内容的语义查询算法与应用

海量遥感影像数据如何进行方便快捷的查询检索与定位,是影像数据存储管理部门所面临的主要问题,同时也是制约影像数据为用户提供更好服务的瓶颈。本文主要分析了当前遥感影像数据库查询检索的几种方式和它们的利弊,进而提出一种在近乎海量的遥感数据中简单、方便、快捷的算法与实现思想。并在已有的影像数据库引擎原型系统上,设计出一种检索查询遥感影像内地物的方法。这种方法以矢量要素的空间信息和属性信息为引导,快速准确的定位地物所在的影像块,为遥感影像的有效管理和应用提供了一种可行的方法。     

基于数学形态学的高空间分辨率遥感影像几何特征提取

本文结合高空间分辨率遥感影像的特点,利用数学形态学方法,选取具有不同尺度和包含全部方向的结构元素,设计了全方位结构元素多级加权滤波去噪算法和多尺度全方位形态学边缘检测算法,用于高空间分辨率遥感影像的处理;并通过图像边界追踪生成栅格数据对象和矢量数据对象,据此建立了高空间分辨率遥感影像的几何特征提取模型。结果表明:全方位结构元素多级加权滤波去噪算法很好地抑制了图像中的噪声,并保留了图像细节;多尺度全方位形态学边缘检测算法很好地解决了噪声抑制和精细边缘提取的矛盾,检测出的图像边缘比基本的边缘检测算子清晰,而且抗噪性能强。提取的几何特征信息可以结合遥感图像的光谱、纹理、统计等特征用于遥感图像地物识别与分类,也可以在GIS、摄影测量、计算机视觉等领域和气象、农林、地理、海洋、水利、国土资源和环保等行业使用。     

多色彩高空间分辨率遥感影像矢量边缘信息提取算法与应用

相对单波段灰度影像而言,多波段高空间分辨率遥感影像中可用于边缘检测的光谱信息更加丰富。鉴于Canny算子在灰度图像边缘检测中的优越性能,本文利用输出融合策略对其适用于高空间分辨率遥感影像矢量边缘检测作了改进。基于可视化开发平台VC++.NET,编程实现了福州市航拍的高空间分辨率遥感影像红绿蓝三个标准波段在RGB、IHS、Y IQ、YUV、C IELUV色彩空间中对各种地物矢量边缘信息的有效提取。对高空间分辨率遥感影像矢量边缘各分量的分析认为,由于波谱范围差异的影响,在上述色彩空间中不同地物类型边缘检测时响应程度具有显著的不同。本文研究结果表明,该算法参数设置和色彩空间选择对高空间分辨率遥感影像矢量边缘信息提取有较大的影响。     

顾及地形特征的DEM脆弱水印完整性认证算法

针对目前DEM完整性认证的需求,以及相关认证方法的欠缺,基于脆弱水印技术提出了一种充分顾及DEM地形特征的完整性认证算法.本文对DEM数据进行特征分析,进而提出与其相适应的脆弱水印技术的特殊要求.为了减少水印嵌入对载体数据的影响,在脆弱水印嵌入过程中,首先,提取DEM数据特征线,并依此将数据分为特征区域和非特征区域2部分;然后,根据特征区域的栅格数和水印序列段生成脆弱水印,并以LSB位平面替换的方法,将水印信息嵌入到非特征区域部分.在完整性认证过程中,同样提取DEM数据的特征区域,将重新生成的水印信息与提取的水印信息进行对比,从而判断数据的完整性.算法实验结果表明,其能有效认证DEM数据的完整性,对数据影响较小,且算法安全性和适用性较强.     

罗布泊“大耳朵”地区多源遥感影像数据库的设计与实现

目前,由空间数据引擎管理遥感影像数据的技术已经非常成熟,但在对多源遥感影像数据的合理组织和有效管理以及数据共享方面,还需要寻求更有效的方法。本文在分析不同遥感影像类型的基础上,结合罗布泊“大耳朵”地区研究的需要,设计实现了该区多源遥感影像数据库。讨论了逻辑上设计相同空间分辨率和不同空间分辨率的多源遥感影像数据存储的方法。即根据遥感影像数据的空间分辨率进行分类,并通过遥感影像元数据表建立多源遥感影像数据之间的逻辑关联来组织和管理影像数据的设计方法。该方法的成功运用,为多源遥感影像数据库的设计与建设提供了参考。     

遥感影像专题图制作研究

遥感软件有强大的影像处理功能,地理信息软件有强大的矢量功能;由于遥感软件以国外进口软件为主,与国内常用的地理信息基础不适应。通过对遥感影像专题图的制作的研究,有效地解决了遥感软件和国产地理信息软件不匹配的问题,为各类遥感专题图制作提供了有效的技术方法。     

应用泰森多边形的矢量地理数据零水印算法

传统嵌入式水印算法会对原始数据的精度造成影响,为满足高精度矢量地理数据版权保护需求,本文提出了一种应用泰森多边形的矢量地理数据零水印算法。首先,对矢量地理数据进行归一化预处理,采用Douglas-Peucker算法提取矢量地理数据的特征点,并构建特征点的泰森多边形;然后,根据每个泰森多边形与相邻多边形周长的大小关系,确定其特征位为1或0,运用泰森多边形周长与原始水印之间的哈希映射值,确定该特征位在序列中的位置,特征序列中每一位可能会有多个不同的特征位对应,利用投票原则确定该位置的最终值;最后,将特征序列与置乱后的水印图像序列进行异或运算,生成零水印。研究表明,该算法能够抵抗平移、缩放、旋转、裁剪和简化等常见攻击手段,具有较强的鲁棒性。这可为高精度矢量地理数据版权保护提供技术参考。     

一种面向对象的水体变化检测方法研究

水体信息是地理国情普查体系是重要内容之一,基于高分辨率遥感影像的有效提取,对于掌握我国的水体现状和空间分布情况具有重要意义。基于传统遥感提取地物方法的局限性,文章结合高分辨率影像所包含的空间结构信息,提出一种面向对象的水体变化检测方法。通过实验认证,认为该方法有效可行。     

浅谈遥感三维飞行数据模型及其在自然灾害监测与评估中的作用

采用PCI遥感图像处理软件，以山东省1：25万国土基础信息数据库部分要素的矢量数据作为控制底图，利用多项式纠正法纠正TM影像，用其等高线生成DEM。在FLY模块下，分别装入纠正好的TM影像和DEM，即可生成遥感信息三维飞行数据模型。该模型真实地再现了地貌形态以及遥感影像上的山川、河流、道路和村庄。这些信息是领导正确指挥防洪、泄洪的科学依据，是自然灾害的快速监测与评估的有力技术支柱。     

高分辨率遥感影像目标分类与识别研究进展

高分辨率遥感影像的目标分类与识别,是对地观测系统进行图像分析理解,以及自动目标识别系统提取目标信息的重要手段。本文综述了当前国内外在可见光、红外、合成孔径雷达和合成孔径声纳等遥感影像的目标分类与识别的关键技术和最新研究进展。首先,讨论了高分辨率遥感影像的目标分类与识别问题的主要研究层次和内容;其次,深入分析了高分辨率遥感影像目标分类与识别,在滤波降噪、特征提取、目标检测、场景分类、目标分类和目标识别的关键技术及其所存在的问题;最后,结合并行计算、神经计算和认知计算等技术,讨论了目标分类与识别的可行性方案。具体包括：（1）高性能并行计算在高分辨率遥感图像处理的主流技术,并给出了基于Hadoop+OpenMP+CUDA的高分辨率遥感影像混合并行处理架构;（2）深度学习对于提升目标分类和识别精度的应用前景,以及基于深度神经网络的多层次遥感影像目标识别方法;（3）认知计算在解决遥感影像大数据不确定性分析的模型与算法,并讨论了层次主题模型的多尺度遥感影像场景描述方案。此外,根据媒体神经认知计算的相关研究,探讨了遥感影像大数据的目标分类和识别的发展趋势和研究方向。     

基于局部空间信息KFCM的遥感图像聚类算法

针对模糊C均值(Fuzzy C-Means, FCM)算法,不能有效地对夹杂噪声的遥感图像聚类的问题,本文提出了一种基于局部空间信息核模糊C均值(Kernel Fuzzy C-Means, KFCM)的遥感图像聚类算法。首先,运用核函数将遥感图像的所有像元映射到高维特征空间,通过非线性映射优化遥感图像的有用特征;然后,根据相邻像元之间的相关性,利用一种空间函数重新定义像元的模糊隶属度,将像元的局部空间信息引入到FCM算法中,并在高维特征空间中使用这种基于局部空间信息的FCM算法对像元聚类。由于引入了像元的局部空间信息,算法可以直接应用于原始遥感图像,不需要滤波预处理。大量实验结果表明,本文提出的基于局部空间信息KFCM的遥感图像聚类算法具有较强的抗噪能力,可得到较好的同质区域,优于现有的FCM算法、模糊局部信息C均值(Fuzzy Local Information C-Means, FLICM)算法及KFCM算法。     

一种基于自证明公钥的可公开验证的认证加密方案

针对现有的基于证书的认证加密方案通信量和计算量大的缺点,提出了基于自证明公钥的可公开验证的认证加密方案。详细阐述了方案的系统初始化、签名生成、消息恢复验证以及公开验证4个阶段,方案的安全性是基于求解离散对数的困难性(DLP)和强单向hash函数(OWFH)的不可逆。该方案在没有签名者的协作下,任何验证者都可验证签名者的诚实性,在验证签名的同时可认证签名者的公钥,因而减少了存储空间、通信量和计算量。     

面向城市应用的多源遥感影像服务平台设计与实现

 本文对面向城市应用的多源遥感影像服务平台的系统目标、系统流程、功能模块和关键技术进行了分析。通过遥感影像数据源、管理方式和业务流程的分析,设计了多源遥感影像数据的逻辑组织模型,建立了海量多源遥感影像库。本文详细阐述了系统的影像预处理、影像数据管理、影像数据应用服务和安全权限控制四大功能模块,并分析了系统架构、多源遥感影像元数据的自动抽取、影像数据的快速检索和影像数据高效在线应用服务的关键技术。为保证系统的高安全性、实时性与可靠性,采用部署在局域网内的客户机/服务器与浏览器/服务器的混合体系结构。实验表明,本文的研究成果实现了海量多源遥感影像数据的统一高效管理、快速检索、高效浏览及与其他子系统的无缝集成,为城市应用提供了便捷的影像数据服务,有利于进一步发挥影像资料的作用。     

MULTI—SOURCE REMOTE SENSING IMAGE FUSION BASED ON SUPPORT VECTOR MACHINE

Remote Sensing image fusion is an effective way to use the large volume of data from multi-source images.This paper introduces a new method of remote sensing image fusion based on support vector machine(SVM),using high spatial resolution data SPIN-2 and multi-spectral remote sensing data SPOT-4.Firstly,the new method is established by building a model of remote sensing image fusion based on SVM.Then by using SPIN-2 data and SPOT-4 data ,image classify-cation fusion in tested.Finally,and evaluation of the fusion result is made in two ways.1)From subjectivity assessment,the spatial resolution of the fused image is improved compared to the SPOT-4.And it is clearly that the texture of the fused image is distinctive.2)From quantitative analysis,the effect of classification fusion is better.As a whole ,the re-sult shows that the accuracy of image fusion based on SVM is high and the SVM algorithm can be recommended for applica-tion in remote sensing image fusion processes.     

卷积神经网络和随机森林的城市房价微观尺度制图方法

随着中国城市化进程的加快,城市人口的大规模集聚带来了住房紧张的问题,房价政策制定的时效性与正确性也时刻吸引着社会的关注,因此在微观尺度下对房价进行精细化制图变得愈发重要。由于数据可获取性和现有模型精度的限制,目前已有研究均较少涉及微观尺度。本研究通过将房价数据和遥感影像相融合,构建了一种基于卷积神经网络（CNN）和随机森林（RF）的遥感影像挖掘模型,以实现在不考虑其他数据的情况下,精确、合理地进行房价的微观尺度制图。本文以武汉市作为研究区,在仅有房价数据和遥感影像的情况下,利用本文所构建的模型成功得到武汉市中心城区5 m精度的精细房价图。此外,还利用其他数据源以及挖掘技术与本文所构模型进行了对比分析。结果显示,本文所构建的模型获得了最高的房价模拟拟合优度（R²=0.805）,相比传统方法中的最高拟合优度（R²=0.653）其精度提升了23.28%,其制图结果可为政府部门规划决策及武汉市经济分布研究提供基础支撑。     

遥感影像混合像元的分解——基于加权后验概率的支持向量机分类算法

混合像元是遥感影像中普遍存在的现象,对此,本文提出基于加权后验概率的支持向量机进行影像混合像元分解。该分类算法可判定端元种类的同时得到每种地物的后验概率,从而进行非线性模型的混合像元分解。由于加权后验概率的支持向量机分类算法能够减少分类器受土地覆盖类型模糊样本点的干扰,因此,改善了非线性混合像元分解模型的精度。首先,由样本点计算得到核函数参数值,然后,计算影像中每一种土地覆盖类型的后验概率,将其作为各个两类支持向量机分类器的权系数并求得多类后验概率值,确定影像每一种土地覆盖类型并得到丰度值。本文采用TM多波段遥感影像验证该方法的可行性,实验区位于我国东北部的大兴安岭中北段地区,土地覆盖类型包含农田、居民地、水体、荒地等。将本文提出的混合像元分解方法结果与标准支持向量机模型分解的结果对比表明,以加权后验概率的支持向量机遥感影像混合像元分解方法精度优于标准支持向量机模型。     

基于深度学习的高分辨率遥感影像土地覆盖自动分类方法

土地覆盖变化是全球变化研究的核心,而精准分类是开展土地覆盖变化研究的基础。高分辨率遥感卫星技术的快速发展对地表分类的速度和精度提出了双重挑战,近年来人工智能等新技术的发展为图像自动分割提供了实现途径,而以卷积神经网络为代表的深度学习方法在遥感图像分类领域也具有独特的优势。为对比深度学习模型设计对高分辨率图像分类结果的影响,本文以郑州市2019年高分1号影像作为输入,对比研究了基于UNet模型改进的4种不同深度学习网络模型在高分辨率影像土地覆盖自动分类应用中的差异,探讨了残差网络、模型损失函数、跳层连接和注意力机制模块等编码和解码设定对于分类精度的影响机制。研究发现：同时加入多尺度损失函数、跳层连接和注意力机制模块的MS-EfficientUNet模型对郑州市土地覆盖分类结果最优,基于像元评价的整体分类精度可达0.7981。通过在解码器中引入多尺度损失函数可有效提高林地、水体和其他类别的分类精度;而对编码器进行改进,加入跳层连接和注意力机制可进一步提高草地、水体和其他类别地物的分类精度。研究结果表明,深度学习技术在高分辨率遥感影像自动分类中具有潜在应用价值,但分类结果精度的进一步提高和多级别大范围的精细分类方法仍是下一步研究的重点。