彩色地图分色方法综述

彩色地图分色是地形图符号提取与识别的首要问题,为了使该领域的研究人员对当前各种彩色地图分色方法有较全面的了解,因此对各种彩色地图分色方法进行了系统的论述。先对各种颜色空间进行简单介绍,然后对直方图阈值法、特征空间聚类、神经元网络、模糊方法、基于样本学习的统计方法、遗传算法、基于熵的方法等主要的彩色地图分色技术进行综述,并比较了它们的优缺点。     

改进的区间二型模糊聚类遥感影像变化检测

遥感影像的复杂模糊性问题会干扰影像变化检测的结果,可引入区间二型模糊C均值聚类算法解决此问题,但算法参数的随机性导致检测结果不稳定。本文首先利用局部最优解优化萤火虫算法中的候选解,引入可变步长因子,以此自适应寻优区间二型模糊C均值聚类算法的模糊因子;然后结合寻优得到的模糊因子进行区间二型模糊C均值聚类,迭代更新隶属区间提取变化信息;最后通过基于复合梯形法则的加权Karnik-mendel算法降型和解模糊优化聚类中心,依据最大隶属度原则判断变化类型。通过试验验证,本文方法得到更优模糊因子和更精确的聚类中心,具有更好的稳健性,变化检测精度得到提高,检测得到的变化区域更加精细。     

彩色地图图像分色的研究及算法实现

研究了目前国内外现有的彩色地图图像分色算法 ,并在此基础上提出一种新的彩色地图图像自动分色算法。该算法直接利用彩色地图图像的颜色特点 ,并充分考虑图像的空间相关信息进行自动分色 ,最终可得到理想的分版图。     

自适应蚁群和模糊聚类的SAR图像分割

针对传统蚁群算法及模糊C-均值聚类算法在合成孔径雷达遥感图像分割中精度低下和收敛速度较慢的问题,该文提出了一种改进的自适应阈值的蚁群及模糊C-均值聚类算法,实现对复杂合成孔径雷达图像进行分割。针对不同的合成孔径雷达图像,首先利用最大类间方差法获取最优阈值,通过最优阈值干预避免蚁群算法陷入局部最优解;再将自适应阈值蚁群算法得到的聚类中心和聚类类别数输入模糊C-均值聚类算法中,最终实现图像分割。实验结果证明,该算法在时间和误分率上较传统方法有显著的改进。     

彩色地图图像分色的研究及算法实现

研究了目前国内外现有的彩色地图图像分色算法,并在此基础上提出一种新的彩色地图图像自动分色算法.该算法直接利用彩色地图图像的颜色特点,并充分考虑图像的空间相关信息进行自动分色,最终可得到理想的分版图.     

基于最小平方和残差的高阶模糊联合聚类算法

目前,多数高阶联合聚类算法属于硬划分方法,不考虑聚簇重叠问题。为了更有效地分析具有重叠聚簇结构的数据,提出了一种基于最小平方和残差的高阶模糊联合聚类算法(MSR-HFCC),该算法将聚类问题转化为最小化模糊平方和残差的优化问题,推导出求解优化问题的隶属度迭代更新公式,设计出聚类过程的迭代算法。实验结果表明,MSR-HFCC算法聚类效果优于目前已有的5种硬划分高阶联合聚类算法。     

模糊聚类及其在滑坡监测中的应用研究

模糊聚类的关键在于确定评价模糊聚类效果的阈值λ。本文针对滑坡形变,研究了监测点的模糊聚类算法,对于模糊聚类效果,提出了基于先验信息和后验信息的评价方法,并进行了实例验证。本文的研究有助于对滑坡变形势态、原因和趋势的了解,有助于对滑坡变形监测方案的修改和完善。     

改进的模糊聚类遥感影像分割

聚类是数据挖掘的重要分支之一,引入模糊理论的模糊聚类分析为显示数据提供了模糊处理能力,在许多领域被广泛应用。本文应用考虑邻域关系的约束模糊C均值(Fuzzy C-Means with Constrains,FCM_S)算法,将邻域像素引入到目标函数中,进而有效地利用邻域像素信息,提高分割精度。本文应用FCM_S算法对模拟彩色纹理图像进行分割,计算其混淆矩阵,定性定量地与FCM算法进行对比分析,证明了该算法的鲁棒性。     

自适应模糊聚类高分辨率遥感影像分类算法

为了实现高分辨率遥感影像分类数的自动确定,在传统模糊聚类算法的基础上引入分裂合并操作,提出自适应模糊聚类的高分辨率遥感影像分类算法。该算法提高分裂合并的准确性,并在每次分裂合并后利用模糊聚类分类算法优化其分割结果,而后将参数赋予相应阈值,以实现阈值的自适应确定。有效避免算法陷入局部极值,解决传统模糊聚类算法依赖初始聚类中心选择的问题。     

GNSS数据的智能聚类学习算法研究

随着GNSS终端设备的普及与广泛应用,海量的、带丰富位置信息的数据所隐藏的地质与空间变迁信息正在支撑智慧城市的发展。论文以10组不同城市出租车GPS数据为研究对象,以遗传算法、粒子群算法和蚁群算法3种智能算法为研究基础,以聚焦划分聚类算法为自动聚类的基本算法;提出了基于智能优化的GPS数据自动聚类学习算法,这些算法通过所构建的模糊系统和初始化种群技术,有效地克服了基于划分聚类算法的聚类数目不易确定、预设参数过多、敏感于初始种子点、难以将上一代优秀聚类结果保存到下一代、易陷入局部最优等长期以来存在的缺陷。     

彩色扫描地形图的分色方法

本文提出了一种新的地形图分色方法。首先去除背景像素,然后根据灰度梯度值提取主色像素,利用直方图模糊c-均值(FCM)聚类方法对主色像素进行颜色聚类,对去背景后的图像进行Canny算子的边缘检测。最后,利用加壳变换和障碍距离变换工具对符号周围的过渡像素进行聚类,从而实现黑棕兰绿四个分版图的提取。该方法效率较高,受图纸扫描质量的影响不大,分色效果较理想。     

基于空间插值彩色扫描地形图等高线的自动矢量化

本文主要描述了一种基于彩色扫描地形图等高线的自动提取以及自动矢量化的方法,提出了通过空间插值解决等高线不连通问题的新方法。首先利用图像分割方法分色提取出栅格等高线,自动矢量化等高线(CLs1),然后对这些不连续的等高线赋值,结合其他地形要素(高程点、山脊线、山谷线等)创建DEM,从DEM中提取等高线(CLs2),最后利用提取出的等高线(CLs2)修正从地形图中自动矢量化得到的等高线(CLs1),得到连通的矢量化等高线。通过实验证明此方法是有效的,提高了等高线自动化程度。     

彩色地形图矢量化算法的设计与实现

提出了一种从彩色扫描地形图中提取等高线的方法。其中,在等高线细化方面采用局部细化的策略,在智能跟踪中提出了方向式搜索,不仅避免了像素点的重复判断,而且保证了追踪过程的正确性。采用了一些有代表性的国家标准地形图进行测试,通过计算具体度量指标对提取结果作了定量分析。实验表明该方法在实际应用中具有很好的实用性。     

多主体框架下基于FCM的彩色遥感图像分割

为解决大尺度高分辨率遥感图像的数据量大及局部非均匀问题,提出一种在多主体系统（MAS）框架下基于模糊C均值（FCM）的彩色遥感图像分割方法。首先利用规则划分技术将图像域划分为若干个子块,每个分割主体控制一个子块;然后在MAS框架下,分割主体通过FCM算法实现对应子块的初始分割,将初始结果与全局模型协作,确定其区域正确类别数和标号统一;最后通过协调主体协调各分割主体及其邻域分割主体的聚类中心,从而消除遥感图像的局部非均匀性,以实现彩色遥感图像分割。利用提出算法和FCM算法分别对真实彩色遥感图像和合成图像进行了分割试验,并对其分割结果进行定性、定量评价,其结果说明了提出方法的可行性和有效性。     

彩色地图图像的自动分色

着重讨论了彩色地图图像的分色原理、色空间的选择,给出了分色的具体过程,并对算法进行了分析,对分色结果加以讨论。     

彩色影像的遗传自适应增强

提出了一种彩色色形像自适应增强的算法，此算法充分利用了彩色影像饱和度和亮度所包含的信息，并利用遗传算法自适应地调整增强系数。对于不同的影像，本文算法均能使其对比度，目标边缘以及纹理特征得到增强。     

基于地形图数据库的跨比例尺级别缩编更新方法研究

针对利用1：500地形图快速更新其他比例尺地形图的需求,本文提出了基于地形图数据库的同比例尺级别和跨比例尺级别全自动缩编更新入库的方法。通过设计地形图模板及过渡模板,定义地物要素综合取舍转换规则,开发自动缩编软件模块,定制自动缩编更新任务,利用数据库中测量更新范围线自动下载地形图数据进行缩编及更新入库,实现大比例尺地形图依次缩编更新获取多种比例尺地形图的目标。本文提出的技术方法已在长沙市城市基础地理信息数据库更新工作中得到了验证,为采用缩编方式快速获取多样性地理信息数据提供了技术经验。     

全彩色遥感影像彩色合成效应的研究

提出了一种基于不相关颜色空间的彩色数字遥感影像处理方法，它能避免由于彩色分量相关性带来的彩色合成效应。同时也提出了一种尽可能减少颜色损失的颜色空间的转换方法，并且给出了该方法在数字镶嵌技术中的应用。     

一种融合PSO和Isodata的遥感图像分割新方法

针对当前遥感图像分割方法存在的缺点,将人工智能领域的粒子群优化方法应用到遥感图像分割方面,提出了一种融合PSO和Isodata的遥感图像分割新方法。对不同分辨率遥感图像的分割实验结果表明,融合PSO和Isodata的遥感图像分割新方法能够自适应确定聚类数目,避免了聚类过程的随机性,使分割结果更加接近实际情况。     

基于均值平移与模拟泛洪的图像分割算法

针对图像处理的特点，综合考虑执行速度与健壮性要求，提出了一种顺序搜索LUV空间候选点的均值平移实现方法。为了克服传统的基于特征空间分析的图像分割方法对像素点空间关系考虑不够充分的缺陷，借鉴Vincent ＆ Soille沉浸模拟分水岭算法思想，构造了一种与均值平移方法相适应的新的模拟泛洪方法执行图像分割。新方法比较符合人的主观感知，且易于容纳更多的特征以满足特定的图像分割需求。对实验用彩色图像的分割结果表明了该方法的有效性。