综合多特征的极化SAR图像随机森林分类算法

为抑制相干斑噪声对极化SAR图像分类结果的干扰,本文提出一种综合多特征的极化SAR图像随机森林分类方法。该方法首先利用简单线性迭代聚类(SLIC)算法生成超像素作为分类单元;然后,基于高维极化特征图像,利用训练好的随机森林模型,统计决策树的分类投票数,计算各超像素的类别概率;最后,利用超像素间的空间邻域特征,采用概率松弛算法(PLR)迭代修正超像素的类别后验概率,并依据最大后验概率(MAP)准则得到分类结果;实现综合利用超像素和空间邻域特征,降低相干斑噪声干扰的极化SAR图像分类方法。实验对比结果表明:本文方法能得有效抑制极化SAR图像中相干斑噪声的干扰,得到高精度且光滑连续的分类结果。     

递归滤波与KNN的高光谱遥感图像分类方法

为了有效去除高光谱图像中的噪声,强化空间结构,充分利用地物目标的空间上下文信息,提升高光谱图像的分类精度,提出一种基于递归滤波(recursive filtering,RF)和KNN(k-nearest neighbor)算法的高光谱图像分类方法。首先,利用主成分分析法对高光谱图像进行降维;其次,通过RF算法对降维后的主成分图像进行滤波,以增强遥感图像的轮廓特征;然后,采用KNN算法计算测试样本与不同类别训练样本的欧式距离,根据比较k个最小欧式距离的平均值得到测试样本所属类别;最后,在2个典型的数据库上进行实验验证,并分析所提算法中不同参数对分类精度的影响。实验结果表明,RF算法可以有效地去除噪声点,强化图像轮廓,与其他高光谱图像分类方法相比,该方法在分类准确性方面表现突出。     

特征选择双层SVM的融合算法用于极化SAR图像分类

为了充分利用极化合成孔径雷达(synthetic apeture radar,SAR)图像丰富的地物信息并解决单一特征在图像分类中的局限性问题,提出了一种基于特征选择双层支持向量机(support vector machine,SVM)的特征融合算法,充分利用特征间的完备性和互异性,以形成更有效的特征组合,并用于SAR图像的分类。首先,对SAR图像进行多种类型特征矢量的提取以能完整地描述全极化SAR图像;其次,进行特征归一化处理,以保证不同的特征向量在同一准则下进行选择,以期在进行分类时具有相同的作用;再次,引入空间金字塔(spatial pyramid,SP)分块提取不同尺度的特征矢量;然后,利用最小冗余最大关联(minimum redundancy and maximum relevance,mRMR)特征选择方法获取每种类别的最优特征子集,避免各类特征的简单组合导致的特征冗余和过度拟合现象;最后,引入多层的思想,构造双层SVM模型,实现单层目标类别概率的优化和再处理。实验结果验证了该算法对于极化SAR图像分类的有效性。     

利用多尺度特征与深度网络对遥感影像进行场景分类

针对因样本量小而导致的遥感图像场景分类精度不高的问题,结合非下采样Contourlet变换(NSCT)、深度卷积神经网络(DCNN)和多核支持向量机(MKSVM),提出了一种基于多尺度深度卷积神经网络(MS-DCNN)的遥感图像场景分类方法。首先利用非下采样Contourlet变换方法对遥感图像多尺度分解,然后对分解后的高频子带和低频子带分别用DCNN训练得到了不同尺度的图像特征,最后采用MKSVM综合多尺度特征并实现遥感图像场景分类。对标准遥感图像分类数据集的试验结果表明,本算法能够结合低频和高频子带对不同类别场景的识别优势,对遥感图像场景取得较好的分类结果。     

基于DBN的机载高光谱影像分类

高光谱图像分类是目前遥感技术应用的关键环节,对分析地物类别与土地利用起到了十分重要的作用。目前应用于高光谱图像分类普通算法,其精度已不能满足当今大数据时代下的分类要求,本文提出了深度置信网络(DBN)分类算法。深度置信网络具有无监督学习与有监督学习二者共同的优点,对于维数高的数据有较优的分类效果,并利用机载AISA Eagle II高光谱传感器的影像进行了验证。结果表明,DBN算法与支持向量机(SVM)及传统神经网络(BP)对比取得了较好的分类效果。     

基于PCM改进算法的遥感混合像元模拟分析

混合像元的存在是影响遥感图像分类精度的主要原因,模糊分类是进行混合像元分解的重要方法,其效果的好坏取决于各像元分类后对各类别的隶属度值能否准确地反映像元的类别组成。当非监督分类中的聚类数目与实际类别数目不符,或者监督分类中训练样本存在未训练类别时,常用的模糊c-均值(FCM)方法的效果将大大降低,而可能性c-均值(PCM)方法则可以解决这个问题。该文提出了基于PCM算法的遥感图像混合像元分解方法,并用监督分类方法实例说明PCM方法的优越性。     

基于Log-Gabor小波和Krawtchouk矩的遥感图像分类

为了进一步提高遥感图像分类的精度,提出了一种基于Log-Gabor小波和Krawtchouk矩的遥感图像分类算法。首先利用Log-Gabor小波对遥感图像进行多方向、多分辨率滤波,提取遥感图像的纹理特征;同时计算遥感图像的Krawtchouk矩不变量,作为遥感图像的边缘形状特征,并与基于Log-Gabor小波提取的纹理特征构成完整的特征向量;最后依据所提取的特征向量利用支持向量机(support vector machine,SVM)分类器对待分类图像进行分类,得到最终的遥感图像分类结果。实验结果表明,与近年来提出的基于Gabor小波、基于Log-Gabor小波、基于Krawtchouk矩等3种遥感图像分类算法相比,本文算法在主观视觉效果和分类精度等客观定量评价指标上都有了明显的改善,是一种行之有效的遥感图像分类算法。     

基于CNN-CBIR的遥感图像分类检索方法

遥感图像海量性、复杂性与多样性特征导致现有方法出现查全率、查准率低的问题,无法满足现今遥感图像应用的需求,故提出基于卷积神经网络-图像检索(Convolutional Neural Networks-Content-Based Image Retrieval,CNN-CBIR)的遥感图像分类检索方法研究.为了精确分类遥感图像,基于卷积神经网络-深度卷积神经网络-16(Convolutional Neural Networks-Visual Geometry Group Net-16,CNN-VGGNet-16)模型提取遥感图像卷积特征与池化特征,通过有效融合得到遥感图像高层聚合特征,以此为基础,采用模糊分类算法分类处理遥感图像,依据遥感图像分类结果,利用基于内容的图像检索(Content-Based Image Retrieval,CBIR)技术制定遥感图像分类检索程序,实现了遥感图像的分类检索.选取数据集图像遥感数据集(UC-Merced)与武大遥感数据集(WHU-RS)作为实验数据集,确定最佳池化区域尺寸与最佳输入尺寸,采用MATLAB软件进行仿真实验.仿真实验数据显示:与标准数值相比较,提出方法的查全率与查准率较高,充分说明提出方法具备更好的检索性能.     

基于Weka平台的C4.5算法在影像分类中的应用

遥感图像分类是从复杂的地物类型中提取有效类别信息的过程。在研究区地物类型较为复杂的情况下,借助计算机对遥感数据进行类别预测可以提高分类效率和准确率。本文基于Weka平台,利用决策树C4.5算法构造分类模型,进而对未知类别数据进行预测。实验分析表明,基于Weka平台利用决策树C4.5算法对遥感图像分类是可行且有效的,且分类精度较高。     

一种新的空谱联合高光谱图像分类方法

针对现有高光谱图像分类方法对空间和谱间信息的利用不充分,限制了地物分类的准确度的问题,该文提出一种基于正交线性判别分析和三维离散小波变换的高光谱图像空谱联合分类算法。该算法首先利用正交线判别分析对高光谱图像进行特征提取和特征缩减;然后将提取后的特征经三维离散小波从不同尺度、频率和方向上分解,以级联的方式获得具有正交类判别信息的空谱融合特征集;最后,将空谱融合特征集作为概率支持向量机的输入特征,分类的结果再通过马尔可夫随机场利用空间上下文信息细化分类图,进一步提升分类准确度。在Indian Pines和Salinas两组数据集上的实验表明,相比其他算法,该算法能达到更高的总体分类准确度和Kappa系数,并且在大部分的地物类别上的分类准确度有着较为明显地提升。     

二维直角建筑物规则化的加权总体最小二乘平差方法

针对基于遥感数据的二维建筑物的直角化问题，以建筑物边界点的坐标为观测值，以顾及边界正交限制条件的直线斜率和截距为参数，建立附有限制条件的变量误差（errors-in-variables，EIV）模型。考虑观测向量和设计矩阵相关的情况，给出了增广设计矩阵的协方差阵的计算方法，推导了附限制条件的通用加权总体最小二乘（weighted total least squares，WTLS）平差算法，以及近似精度评定算法和仅含二次型限制条件的WTLS平差方法。理论和算例分析表明，在建筑物重建问题中，附有限制条件的EIV模型比经典附有限制条件的Gauss-Helmert模型易于构建，所提的WTLS算法快速收敛速度快，对拓展WTLS平差方法的应用具有理论与实践意义。     

顾及卫星钟随机特性的抗差最小二乘配置钟差预报算法

为了更好地反映钟差特性并提高其预报精度,采用抗差最小二乘配置方法建立一种能够同时考虑星载原子钟物理特性、钟差周期性变化与随机性变化特点的钟差预报模型。首先使用附有周期项的二次多项式模型进行拟合提取卫星钟差的趋势项与周期项,然后针对剩余的随机项及其可能存在的粗差,采用抗差最小二乘配置的原理进行建模,其中最小二乘配置的协方差函数通过对比协方差拟合的方法并结合试验进行确定。使用IGS精密钟差数据进行预报试验,将本文方法与二次多项式模型、灰色模型进行对比,预报精度分别提高了0.457 ns和0.948 ns,而预报稳定性则分别提高了0.445 ns和1.233 ns,证明了本文方法能够更好地预报卫星钟差,同时说明本文的协方差函数确定方法的有效性。     

一种大陆坡脚点自动识别与综合判断方法

大陆坡脚点是200海里以外大陆架划界的核心界限点。根据《海洋法公约》第七十六条的规定和大陆架界限委员会的相关技术要求,论述了大陆坡脚点的确定方法和技术流程。通过对地形、坡度、二阶导数及D-P剖面的综合分析,提出基于二阶导数极值点和D-P算法的二次简化方法,以及原始剖面和D-P剖面的二次求导方法,通过7大步骤简化原始剖面,并给出数据点坡度、水深和二阶导数,以及曲线凹凸性、连续性和分段性等多重判定方法,实现了大陆坡脚点的自动识别。完成程序算法的底层开发,获得了与国际商用划界软件相一致的结果,并采用多波束实测水深数据对所提出的技术方法进行了有效性验证。     

单应性几何下的后方交会直接解法

传统的后方交会最小二乘解法需要良好的外方位元素初值。在无初值或者初值不够精确的情况下,最小二乘迭代不容易收敛。在近景摄影测量或者计算机视觉等领域,往往不提供良好的初值,无法适用传统的后方交会解法。针对上述情况,本文提出了一种基于单应性矩阵的后方交会直接解法,在不需要初值的情况下,获取外方位元素的直接解。该方法根据单应性矩阵所描述的平面几何关系,利用单应性矩阵内在的约束条件,将后方交会问题转换为一个二元二次方程组的求解问题。该方法受舍入误差影响小,在无偶然误差的情况下,解算精度能达到10–9量级,能够避免传统直接解法计算复杂的问题,为传统的平差迭代解法提供良好的初值。此外,在多个控制点共面的情况下,该方法能够直接获得外方位元素的精确解。实验结果表明:在各种不同倾角拍摄的情况下,该方法均能够获得稳定的外方位元素,为后续的后方交会最小二乘算法提供良好的初值。采用本文方法计算的初值参与平差,能够达到与人工给定初值平差一致的精度,且迭代收敛速度是人工给定初值平差的2倍以上。在控制点共面的情况下,该方法的反投影精度能够达到亚像素级,且精度优于大部分主流的直接解法。     

Simultaneous estimation of cross-validation errors in least squares collocation applied for statistical testing and evaluation of the noise variance components

The cross-validation technique is a popular method to assess and improve the quality of prediction by least squares collocation (LSC). We present a formula for direct estimation of the vector of cross-validation errors (CVEs) in LSC which is much faster than element-wise CVE computation. We show that a quadratic form of CVEs follows Chi-squared distribution. Furthermore, a posteriori noise variance factor is derived by the quadratic form of CVEs. In order to detect blunders in the observations, estimated standardized CVE is proposed as the test statistic which can be applied when noise variances are known or unknown. We use LSC together with the methods proposed in this research for interpolation of crustal subsidence in the northern coast of the Gulf of Mexico. The results show that after detection and removing outliers, the root mean square (RMS) of CVEs and estimated noise standard deviation are reduced about 51 and 59%, respectively. In addition, RMS of LSC prediction error at data points and RMS of estimated noise of observations are decreased by 39 and 67%, respectively. However, RMS of LSC prediction error on a regular grid of interpolation points covering the area is only reduced about 4% which is a consequence of sparse distribution of data points for this case study. The influence of gross errors on LSC prediction results is also investigated by lower cutoff CVEs. It is indicated that after elimination of outliers, RMS of this type of errors is also reduced by 19.5% for a 5 km radius of vicinity. We propose a method using standardized CVEs for classification of dataset into three groups with presumed different noise variances. The noise variance components for each of the groups are estimated using restricted maximum-likelihood method via Fisher scoring technique. Finally, LSC assessment measures were computed for the estimated heterogeneous noise variance model and compared with those of the homogeneous model. The advantage of the proposed method is the reduction in estimated noise levels for those groups with the fewer number of noisy data points.     

一种基于分层自适应移动曲面拟合机载LiDAR点云数据滤波方法

为提高机载Li DAR数据滤波精度,提出了一种分层自适应移动曲面拟合法滤波。通过改进均值限差法,对原数据进行"粗滤波";之后以Mean Shift算法进行数据分类,建立虚拟格网索引结构,通过二次多项式进行曲面拟合,以自适应阈值进行"精滤波"。实验结果表明:该方法的适应性强,滤波结果具有较高的准确性。     

利用GLAS激光测高数据评估DSM产品质量及精度优化

提出了一种利用卫星激光测高数据直接优化提升数字表面模型（DSM）产品精度的方法。选取境外中亚地区的资源三号DSM开展试验，通过采用多准则约束方法提取激光高程控制点，分别利用偏度、中值、线性、二次多项式等进行DSM误差修正，发现4种模型均能有效消除DSM系统误差，其中基于二次多项式的方法更适用于平地和丘陵地貌，线性模型更适用于高山地貌。试验验证了采用卫星激光测高数据优化境外DSM技术流程的可行性，最终可提高DSM的绝对高程精度。     

一种小波与谱分析结合的GPS精密卫星钟差拟合方法研究

根据卫星钟固有的特性,即频移、频漂和频漂率以及周期性,提出一种新的拟合方法。新方法首先构造一个合理的钟差模型,该模型包含一个二次多项式和多个周期项。然后利用IGS提供的钟差产品数据,先粗略补充缺失数据,用二次多项式拟合;并对拟合后的残差进行小波分析,作降噪处理;最后通过谱分析,确定其主要的周期项,从而构建出适当的拟合模型,实现精密GPS卫星钟差拟合和预报。多天数据的实验结果表明,采用本文提出的新方法能够有效地对卫星钟差进行拟合和预报,满足不同目的的需求。     

LiDAR数据中建筑物提取的新方法-Fc-S法

激光雷达技术(LiDAR)已广泛应用于数字高程模型(DEM)的快速获取和三维城市模型的建立中,但仍有许多不足之处,需要做更深入的研究。本文介绍了一种新的建筑物提取方法,称之为Fc-S法。该方法首先利用等高线特征进行滤波,从LIDAR数据内插的数字表面模型(DSM)中提取出DEM,利用DSM与DEM的高差阈值和DSM边缘特征参数去掉地面点和汽车等矮小物体,获得主要包含植被和建筑物的地物点群,然后对地物点群进行分割,利用二次梯度和面积等参数去掉植被点,并采用迭代逼近的方法精化建筑物。文章通过实验对所提方法进行验证,并借助高分辨率的航空影像对建筑物提取结果进行评估,评估结果表明该方法能够在地形起伏的区域中较准确地提取出建筑物。     

Area‐preservation Simplification of Polygonal Boundaries by the Use of the Structured Total Least Squares Method with Constraints

This article presents an area‐preservation approach for polygonal boundary simplification by the use of structured total least squares adjustment with constraints (STLSC), with the aim being to maintain the area of the original polygons after the simplification. Traditionally, a simplified line is represented by critical points selected from the original one. However, this study focuses on maintaining the areas of the polygons in the process of simplification of polygonal boundaries. Therefore, the proposed method in this article is a supplement to the existing line simplification methods, and it improves the quality of the simplification of polygonal boundaries in terms of positional and area errors. Based on the sub‐divisions of the original polyline, using the critical points detected from the polyline by the use of line simplification methods, the framework of the proposed method includes three main components, as follows: (1) establishment of the straight‐line‐segment fitting model based on both the critical and intermediate points on the sub‐polyline; (2) introduction of both area and end‐point constraints to reduce the geometric distortions due to the line simplification; and (3) derivation of the solution of boundary simplification by the use of STLSC. An empirical example was conducted to test the applicability of the proposed method. The results showed that: (1) by imposing the linear fitting model on both the critical and intermediate points on the sub‐polylines in the proposed STLSC method, the positional differences between the original points and the simplified line are approximately in a normal distribution; and (2) by introducing both end‐point and area constraints in the proposed STLSC method, the areas of the simplified polygons are the same as those of the original ones at different scales, and the two neighboring fitted lines are connected to each other at the optimized position.