遥感专题制图中图斑综合的跟踪统计法

本文介绍了遥感影像分类以后利用微机进行图像制图综合的一种方法。通过这一方法,制图人员可以根据需要,方便、自由地控制综合的程度,实现对各种图斑数量特征的综合。它对及时、充分地处理分类后的像元集,提高机助制图系统自动化水平,以及生成新的矢量图斑,快速输入地理信息系统的数据库,都有着重要的意义。     

面向图像分类的遥感影像综合评价方法研究

本文首先简要介绍了模糊综合评价法的基本原理和过程,然后根据图像分类的理论基础,分析图像分类对遥感影像质量的要求,并确定影响分类精度的各项质量要素,构建了综合评价指标体系和评语等级论域。然后通过对大量的不同质量遥感影像的单指标评价实验,确定了遥感影像综合评价模型的隶属函数、权数向量和合成算子;最后通过开发的面向分类遥感影像质量评价程序验证质量评价模型的合理性和实用性。     

地图制图综合回顾与前望

地理信息的综合处理是当今空间信息处理中的一个重大科学与技术问题。本文主要评述了地图制图综合的研究进展,包括地图制图综合知识的分类与获取、算子与算法、质量评价、过程建模与控制等方面的主要方法。对大数据背景下制图综合进行了思考,提出制图综合应在研究对象、观念和方法上转变。     

制图综合知识及其应用

阐述了制图综合知识的概念、结构和组织方法，提出了基于制图综合知识的综合任务提取、综合算法与结果的评估、综合操作监控以及基于知识的制图综合任务存储等原理和方法。实验表明，制图综合知识的使用，对制图综合各个环节的评价提供了依据。对综合自动化程度的提高有着重要的推动作用。     

基于层次分析法的制图综合相似性评价模型研究

在制图综合中,保持综合前后实体的相似性是保证制图综合质量的重要方法。一般通过建立多相似性指标的相似性评价模型来评价制图综合的质量。然而,各指标权重的分配是依据对各个相似性度量指标的重视程度,具有主观随意性,因此有必要提高相似性指标权重的科学性。基于此,本文提出了尺度差、制图综合算法、制图区域地理特点和地图用途4个因素,利用层次分析法,更加科学有据地对指标权重进行了赋值,最后用实验验证了所赋予的权重具有一定的客观性。     

遥感影像制图综合的智能化研究

本文以人工智能为基础,用计算机模拟一般制图人员对遥感图像进行制图综合的过程,用框架的知识表示方法建立了一个实验性的知识库,并设计了一个推理机。对蒙古人民共和国乌布苏淖尔地区的ＴＭ分类图进行了实验,取得了较好的效果。     

土地利用图中线状要素综合的质量评价

作为土地利用图综合的一个重要组成部分，线状要素综合质量的好坏对于有效提高自动制图综合的正确率具有重要意义。本文基于模糊综合评判理论对土地利用图中线状要素的综合进行了质量评价。首先，基于制图综合约束，确定评价指标体系，组成评价因素集；其次，在确定评判集和权重集的基础上，建立线状要素综合质量评价模型；最后，利用试验验证了评价方法的有效性。该研究为客观评价土地利用图中线状要素的综合质量提供了新的思路。     

城市影像地图制图综合初探

影像地图制图综合是城市影像地图设计与编制的重要理论和方法。基于《广州市数字影像地图集》的编制对城市影像制图综合理论与方法进行了初步探讨,提出了不同于传统制图综合的遥感影像制图综合的内涵、影响因素与技术方法。     

面向制图综合质量控制的数据模型——DFQR树

针对现有R树无法支持制图综合质量控制的问题,提出一种面向制图综合质量控制的R树变形数据模型:①在R树中引入操作记录维,利用树的深度变化来记录空间数据逐步综合的过程变化;②引入中间对象实体记录综合步骤的中间综合结果,同时允许中间综合结果在较高的树层次上出现;③树的分支结构考虑对自动制图综合算法的支持.分析该变形R树对制图综合质量控制过程,并着重对该数据模型生成算法中的约束条件、插入算法和分裂算法进行了讨论.使用该模型进行制图综合质量控制实验,结果表明,该模型原理正确,能够有效地对制图综合质量进行控制.     

基于制图综合知识的空间数据检查

基于制图综合知识的空间数据检查是GIS和制图综合中迫切需要研究的问题。首先,分析数据检查的重要性和制图综合知识在数据检查中的作用。其次,对制图综合知识的归纳进行阐述:在分析国内外研究的基础上,定义一套基于模糊型知识和精确型知识为基础的知识分类模式;并据此提出一种制图综合知识的结构化描述方式;然后提出知识属性的概念,阐述知识属性在知识中扮演的重要作用,定义知识属性的详细指标。第三,进行基于制图综合知识的数据检查:在对数据进行重要性排序的基础上,提出基于模糊型知识的人机协同的数据检查方法,和基于精确型知识的自动数据检查方法,并给出详细的数据检查程序流程。最后,给出相应的例子。从数据检查的结果来看,提出的知识归纳方法能够满足当前制图综合的多种需求,基于知识的数据检查方法能够为进一步实施制图综合提供强有力的信息和依据。     

遥感图像质量等级分类的深度卷积神经网络方法

遥感图像应用发展对图像质量的要求越来越高,不同质量的遥感图像往往需要不同的处理方法和参数。通过遥感图像质量等级分类研究,不仅能够为遥感图像的处理提供先验信息,还能够对遥感图像的客观质量评价和传感器的成像效果进行评估。为了克服现有的遥感图像质量等级分类方法计算参数获取困难、等级数量少的缺点,利用深度学习方法的分类机能,通过改进特征提取网络和等级分类设计,建立了一种基于深度卷积神经网络的遥感图像质量等级分类模型。通过质量等级分类预处理后,利用经典的深度学习方法进行目标检测实验。结果表明,所提方法在西北工业大学遥感图像数据集上质量等级分类的准确率、召回率、精确率和F1最高能达到0.976、0.972、0.974和0.973, 优于传统算法。利用卷积神经网络实现遥感图像质量等级分类,既拓展了深度学习的应用领域,又为遥感图像质量评估提供了一个新方法。     

联合稳健跨域映射和渐进语义基准修正的零样本遥感影像场景分类

零样本影像分类技术旨在通过学习数据集的部分类别（可见类）,获得识别在训练阶段未出现类别（不可见类）的能力。该技术在遥感大数据时代具有重要现实意义。目前,遥感领域的零样本场景分类方法对于映射后的语义空间优化关注很少,导致已有方法的整体分类性能较差。基于这一考虑,本文提出了一种基于稳健跨域映射和渐进语义基准修正的零样本遥感影像场景分类方法。在训练的有监督学习模块,基于可见类的类别语义向量和场景影像样本,实现深度特征提取器学习和视觉空间到语义空间的稳健映射。在训练的无监督学习阶段,基于全体类别的类别语义向量和不可见类遥感影像样本,分别通过协同表示学习和k近邻算法来渐进修正不可见类类别的语义向量,从而缓解可见类语义空间与不可见类语义空间的漂移问题和自编码跨域映射模型映射后不可见类语义空间与协同表示后不可见类语义空间的偏移问题。在测试阶段,基于学习所得的深度特征提取器、自编码跨域映射模型和修正后的不见类语义向量,实现对不可见类遥感影像场景的分类。本文整合多个已有公开的遥感影像场景数据集,组建了一个新的遥感影像场景数据集,在此数据集上进行试验。试验结果表明本文提出的算法在多种不同的可见类与不可见类的划分情况下都明显优于已有公开零样本分类方法。     

自然资源调查监测地表覆盖成果质检关键技术探讨

自然资源统一调查监测中的地表覆盖成果作为重要的基础性空间数据,将发挥对各类自然资源调查监测的基础支撑作用,其成果质量水平将影响各类自然资源统计、分析、评价结果的可靠性。根据测绘重大工程质量控制实践,为确保最终成果质量,需要制定科学、合理、统一的成果质量评价标准,并开展全面、高效、准确的成果质量检查。本文深入分析了地理国情监测、国土调查等已开展的自然资源调查监测工程中地表覆盖相关数据成果的质量特性,以及相关工程中地表覆盖成果质量评价标准、质量检查技术方法的现状及关键技术需求。在此基础上,探讨了基于定量化指标评定法的地表覆盖成果质量评价技术方法,应用面向对象、深度学习等遥感影像智能信息提取技术辅助的地表覆盖分类精度质量检查技术方法,以及应用新型远程化、增强化外业调绘核查技术辅助的地表覆盖成果外业质量检查技术方法,为自然资源统一调查监测中地表覆盖成果质量控制的实施提供技术参考。     

不同时相遥感影像的土地利用分类精度分析

土地利用调查对遥感影像的获取有很强的时间性、季节性要求。本次研究选取研究区不同时相的SPOT5遥感影像进行计算机自动分类试验,结合野外实地调绘工作,统计分类精度,拟合分类误差与时相间的回归关系,推导相关回归函数,对遥感影像开展综合分析与评价,提高遥感数据在土地利用调查中的利用率。     

高分辨率遥感影像图制作的镶嵌线自动提取

为更好地发挥遥感技术在城市规划地图制作中的应用，高分辨率遥感影像成为城市地图制作中最重要的数据源。面对地物信息复杂、建筑物众多的城市地区，如何快速提取高分辨率遥感影像地图制作过程中相邻两景影像之间的镶嵌线具有重要意义。本文以国产卫星中分辨率最高、幅宽最小的GF-2影像为数据源，融合建筑物轮廓数据，研究了基于最短路径的A*搜索算法，实现了遥感影像地图制作的镶嵌线自动提取技术。结果表明，该方法能够自动生成避让建筑物的镶嵌线，速度快、镶嵌质量高，可广泛应用于城市地区高分辨率遥感影像地图制作。     

面向遥感影像智能分类的海量样本数据采集方法

以地理国情监测高分辨率遥感影像及高精度地表覆盖分类产品为数据源，提出了一种面向遥感影像智能分类、基于位置匹配技术的全国尺度海量样本数据采集方法。根据数据源特征，研究了县域采集数量权重设置、坐标投影转换、栅格灰度重采样、无效样本数据过滤、地表覆盖分类码映射、样本数据命名标识、特定地表覆盖类型样本数据采集等关键技术，构建了位置匹配的遥感影像数据与分类标签数据组成的样本数据对，开发了样本数据自动采集软件。利用该方法，以县级行政区划为单元，实现了全国尺度海量样本数据采集。选取其中5个县域的成果，评估了方法的实用性及运算性能。研究表明：该方法提升了生产全国尺度海量样本数据的计算响应速度；采集的样本数据能够满足遥感影像智能分类对样本源高质量、大规模的需求，提升了遥感影像分类与预测的准确度。     

基于eCognition的遥感图像面向对象分类方法研究

随着高分辨率遥感图像越来越普及,传统的面向像元的图像分类方法不能满足对高分辨率遥感图像区域分类的需求,高分辨率遥感图像对图像处理的软件与硬件都有了更高的要求,因此,出现了相较于面向像元有着更高精度更为合理的面向对象分类方法,也更加适用于高分辨率遥感影像。本文通过采用面向对象分类的基本方法,运用eCognition软件,以山东省胶州市地区遥感影像为例,进行多尺度分割和面向对象分类。并用ENVI做监督分类,基于目视解译精度评定,对不同方法作出分析评价。结果表明:面向对象分类方法精度更高,更具有可靠性。     

一种模糊聚类的遥感影像分析方法研究

针对传统模糊聚类的遥感影像分析方法的不足,重点研究基于模糊ISODATA聚类的遥感影像分析。通过Matlab软件编程实现基于迭代自组织数据分析技术、模糊C均值聚类、模糊ISODATA算法对合成图像、纹理图像及真实遥感影像的分类,并对其分类结果进行讨论。通过实验数据对比,评价FISODATA算法的优越性。实验结果表明:ISODATA算法及FISODATA算法都能够实现变类,而FCM算法只能在固定聚类数下进行分类,但是,ISODATA算法分类机制不稳定,不能每次都确定正确聚类数。在迭代过程中,将FISODATA算法引入模糊集理论,便能够快速准确的实现聚类数的确定。     

基于支持向量机的CBERS-02卫星影像信息提取

CBERS卫星是由中国空间技术研究院与巴西空间研究院联合研制的地球资源遥感卫星,CBERS-02卫星数据总体质量比CBERS-01卫星有所提高,本文利用支持向量机方法对CBERS-02卫星影像信息进行提取。研究中首先用6S模式对影像进行大气校正,然后选择RBF为支持向量机方法的核函数,并用交叉验证方法得到影响RBF核函数的两个最佳参数值进行学习完成信息提取,最后将提取结果制作成矢量图。通过研究得出用大气校正后的数据进行信息提取分类精度有所提高;与最大似然法和最小距离法相比,支持向量机方法分类精度较高。通过将研究结果与ETM+影像进行比较得出,CBERS-02卫星影像精度能够满足应用需求并能代替TM/ETM+数据开展研究工作。