结合空间信息的EDCC测度光谱匹配分类方法

光谱匹配分类方法以光谱相似性测度为分类准则,一种相似性测度只对应于光谱曲线的一种特征,用于光谱匹配分类效果并不好;组合不同类型的相似性测度能够有效改善分类效果,但光谱匹配分类往往忽略了相邻像元间的相关性。为了更好地利用空间信息,提高光谱匹配分类精度,首先组合欧氏距离测度和相关系数测度,得到欧氏距离-相关系数测度;其次通过加入空间乘子,得到结合空间信息的欧氏距离-相关系数测度,从而在光谱匹配分类中增加了空间信息约束。采用两组高光谱影像进行实验验证,结果表明,相比于单一相似性测度及组合相似性测度,结合空间信息的欧氏距离-相关系数测度用于光谱匹配分类能够有效改善分类精度。     

顾及多空间相似性的地下管线数据匹配

综合地下管线与专业地下管线是同一管线地物的两种表达形式。综合地下管线数据精准、概括;专业地下管线数据表达范围广、属性信息翔实。本文以天然气管线数据为例,选取管点关联管段分布形态作为衡量依据计算管线结构相似性,从管点本体概念名称和属性两方面计算管线语义相似性,以两管点间管段分布形态为特征计算管线形状相似性。以此空间相似性构建管点特征向量,采用SVM(support vector machine)支持向量机的分类方法及管点唯一匹配原则实现管点实体匹配。试验表明该算法能够有效解决管点匹配问题。     

基于光谱相似性的多光谱数据纹理编码算法研究

基于多光谱纹理“映射模式”概念，提出了基于光谱数据相似性的多光谱、高光谱数据的编码方法。利用光谱相似测度对不同类型的纹理进行编码，表征地物的全局纹理特征，将纹理提取的算法扩展到多维光谱图像分析中，提出了多尺度纹理组合算法。试验证明，该方法合理有效，可大大提高分类的准确性和精度。     

基于互信息的LIDAR与光学影像配准方法

本章论述了基于互信息的是单幅影像与LIDAR数据的配准方法。本方案是基于两幅图像灰度值的配准方法,即利用LIDAR数据生成的强度图像,实现与航空影像的配准。虽然两种传感器得到图像的灰度值有较大差异,且不成线性关系,通过引入互信息,可以将穷举的搜索问题变成基于相似性测度函数的优化问题。实验表明互信息准则对于航空影像与LiDAR数据之间是有效的。     

结合邻域SAC-NED测度的高光谱图像分类方法

提出了一种光谱相似性测度用于高光谱图像分类方法。通过将光谱向量进行归一化处理,将计算得到的欧氏距离与光谱角余弦的值域归化到相同区间,得到光谱角余弦与欧氏距离联合测度值(SAC-NED)。在对图像像元进行分类时,以距离加权的方式将邻域像元参与中心像元SAC-NED值的计算,将像元分到SAC-NED值最大的类别。通过与其他5种常用相似性测度方法的实验结果对比表明:该算法能够提升高光谱图像分类的准确性和稳定性。     

基于本体属性的基础地理信息概念语义相似性计算模型

语义相似性对于知识自动共享与集成起着非常重要的作用。在许多地理信息的应用领域,通常直接将分类体系作为领域(或任务)本体,并基于此计算概念间的语义距离以实现相似度计算。该方法虽然能够快速、简便地计算概念间的语义相似度,但是有时却因为分类体系的改变而造成相同概念间的相似度产生差异,甚至可能是错误的计算结果。本文面向基础地理信息领域,利用属性枚举方法表达概念的本质语义特征,从基础地理信息概念的内涵出发,提出基于本体属性的语义相似性计算模型。该模型将每个概念表达为本体属性集合,利用相关本体属性的相似性,结合权重信息计算概念的相似性。最后从基础地理信息概念中提取出100组样本,计算概念间的语义相似度并验证基于本体属性模型的有效性。实验结果表明基于本体属性的模型能更合理地计算出基础地理信息概念的相似度。     

图像分类中基于核映射的光谱匹配度量方法

针对多光谱遥感数据特点利用SSV匹配技术改进高斯核函数得到新的KSSV函数,然后在由KSSV核函数映射得到的高维空间中利用SAM匹配技术代替基于欧氏距离的相似性度量。如此可以充分挖掘多光谱影像中的波谱特征信息并有效利用,提高模式识别方法应用的有效性。将此方法分别应用于非监督分类(k均值)与监督分类(最小距离、SVM)的试验表明,改进度量的分类方法可显著提高地类间的可区分度并有效降低类内的不一致性,更有效针对多光谱遥感影像中的地物类型,获得较好的精度改进。     

基于 DTW 距离的时序 NDVI 数据植被信息提取--以秦巴山区为例

秦巴山区是我国重要的生态屏障,对该区的植被信息提取开展研究,可为区内生态服务功能及自然资源开发利用提供基础数据。通过加窗处理改进DTW距离相似性算法,结合临近度模糊分类方法对2005—2014年的MODIS NDVI时序数据进行植被信息提取。首先利用S-G滤波对MODIS NDVI时序数据进行重建;再利用2013年的采样数据构建各类植被的标准NDVI时序曲线,逐像元计算与标准NDVI时序曲线的加窗DTW距离,利用临近度模糊分类实现植被信息提取;最后验证提取精度。结果表明,算法具有较高的运行效率,可避免错误匹配,以较高的精度(总体精度83.8%,kappa系数0.77)实现长时间序列的植被信息提取。     

Effectiveness of SID as Spectral Similarity Measure to Develop Crop Spectra from Hyperspectral Image

The present study was undertaken with the objective to check effectiveness of spectral information divergence (SID) to develop spectra from image for crop classes based on spectral similarity with field spectra. In multispectral and hyperspectral remote sensing, classification of pixels is obtained by statistical comparison (by means of spectral similarity) of known field or library spectra to unknown image spectra. Though these algorithms are readily used, little emphasis has been placed on use of various spectral similarity measures to develop crop spectra from the image itself. Hence, in this study methodology suggested to develop spectra for crops based on SID. Absorption features are unique and distinct; hence, validation of the developed spectra is carried out using absorption features by comparing it with field spectra and finding average correlation coefficient r?=?0.982 and computed SID equivalent r?=?0.989. Effectiveness of developed spectra for image classification was computed by probability of spectral discrimination (PSD) and resulted in higher probability for the spectra developed based on SID. Image classification was carried out using field spectra and spectra assigned by SID. Overall classification accuracy of the image classified by field spectra is 78.30% and for the image classified by spectra assigned through SID-based approach is 91.82%. Z test shows that image classification carried out using spectra developed by SID is better than classification carried out using field spectra and significantly different. Validation by absorption features, effectiveness by PSD and higher classification accuracy show possibility of new approach for spectra development based on SID spectral similarity measure.     

DBSTC: an effective method for discovering cluster features with different spatiotemporal densities

Spatiotemporal clustering is one of the most advanced research topics in geospatial data mining. It has been challenging to discover cluster features with different spatiotemporal densities in geographic information data set. This paper presents an effective density-based spatiotemporal clustering algorithm (DBSTC). First, we propose a method to measure the degree of similarity of a core point to the geometric center of its spatiotemporal reachable neighborhood, which can effectively solve the isolated noise point misclassification problem that exists in the shared nearest neighbor methods. Second, we propose an ordered reachable time window distribution algorithm to calculate the reachable time window for each spatiotemporal point in the data set to solve the problem of different clusters with different temporal densities. The effectiveness and advantages of the DBSTC algorithm are demonstrated in several simulated data sets. In addition, practical applications to seismic data sets demonstrate the capability of the DBSTC algorithm to uncover clusters of foreshocks and aftershocks and help to improve the understanding of the underlying mechanisms of dynamic spatiotemporal processes in digital earth.     

Contourlet变换和Tsallis熵的多源遥感图像匹配

提出了一种利用Contourlet变换、Tsallis熵和改进粒子群优化的多源遥感图像匹配算法。在分别对参考图像和目标图像进行Contourlet分解的基础上,以基于Tsallis熵的互信息量作为相似性度量准则,利用改进的带极值扰动的简化粒子群优化算法对低分辨率的遥感图像进行匹配操作,逐级上推,最终实现全分辨率情况下多源遥感图像的匹配。实验结果表明,与常用的遥感图像匹配算法相比,该算法匹配精度高,稳健性好,且运算量大幅减少。     

水下声纳定位浮标阵列解析优化

全球导航卫星系统（global navigation satellite system,GNSS）/声纳水下定位精度主要取决于GNSS浮标阵列构型和声学测距精度。优化水面浮标阵列是提高水下定位精度的重要途径。探讨了GNSS浮标阵列解析优化方法,算例以5枚和6枚浮标布设为例,应用所提方法给出了最优浮标阵列解。基于几何精度因子（geometric dilution of precision,GDOP）最小构型解析方法,通过考虑水下定位GNSS浮标位于水面和存在高度角限制这一约束条件,对水下定位浮标阵列进行了解析优化。由于浮标进行水下定位时是范围性的,还基于区域GDOP均值和方差两个指标对GNSS浮标阵优化问题进行了探讨,并采用数值方法设计了区域GDOP均值最小构型搜索算法。研究表明,虽然存在高度角约束条件,最优浮标阵列几何结构并不唯一,若在此基础上进一步考虑区域GDOP均值和方差最小的目标,则最终可获得唯一的区域均值浮标阵列结构。     

出租车轨迹数据的频繁轨迹识别

为识别城市交通中的频繁路径,本文提出了一种出租车轨迹数据的频繁轨迹识别方法。该方法首先对轨迹数据进行轨迹压缩,以降低计算复杂度;然后基于最长公共子序列和动态时间规整算法进行轨迹相似性度量计算,利用计算得到的轨迹间相似度生成距离矩阵;最后将生成的距离矩阵结合HDBSCAN算法进行聚类得到频繁轨迹。选取厦门岛内两个区域进行试验分析,结果表明,该方法能够识别出轨迹数据集中的频繁轨迹,进而得到城市区域之间通行的频繁路径,对道路规划、路径优化与推荐、交通治理等应用提供帮助。     

Band Selection for Hyperspectral Image Classification Using Mutual Information

Spectral band selection is a fundamental problem in hyperspectral data processing. In this letter, a new band-selection method based on mutual information (MI) is proposed. MI measures the statistical dependence between two random variables and can therefore be used to evaluate the relative utility of each band to classification. A new strategy is described to estimate the MI using a priori knowledge of the scene, reducing reliance on a "ground truth" reference map, by retaining bands with high associated MI values (subject to the so-called "complementary" conditions). Simulations of classification performance on 16 classes of vegetation from the AVIRIS 92AV3C data set show the effectiveness of the method, which outperforms an MI-based method using the associated reference map, an entropy-based method, and a correlation-based method. It is also competitive with the steepest ascent algorithm at much lower computational cost     

以地块分类为核心的冬小麦种植面积遥感估算

以提高冬小麦种植面积估算精度为目标,选取种植结构复杂的都市农业区,采用QuickBird影像数字化农田地块边界,以多时相TM影像为核心数据源,以地块为基本分类单元,进行不同特征向量组合、不同分类器的冬小麦地块分类方法研究,并对比分析了基于地块分类和基于像元分类的冬小麦种植面积估算精度。研究结果表明,基于地块分类的冬小麦种植面积估算方法的总量精度和位置精度均高于像元分类;植被指数和纹理信息的引入有助于进一步提高地块分类精度;支持向量机与最大似然均能得到高达97%的总量精度和90%的位置精度,支持向量机地块分类所需的训练样本量远低于最大似然,因此支持向量机更加适合于冬小麦地块分类;冬小麦错分与漏分情况大多发生在细碎地块,其面积总量较小,而大地块错分和漏分较少,因此相对于像元分类,地块分类能在整个区域能得到较高的冬小麦位置精度和总量精度。     

引入商空间粒度计算的全极化SAR影像分类

为了充分利用不同极化特征信息,并将其有效地结合,提出一种结合粒度计算的全极化合成孔径雷达（synthetic aperture radar,SAR）影像分类方法。在不同极化目标分解特征组合的基础上引入影像纹理信息,利用光滑支持向量机（smooth support vector machine,SSVM）对不同特征组合进行类别划分获得粗粒度空间,采用商空间对粗粒度进行合并;根据全极化SAR影像分布特性,以相干矩阵作为新的特征矢量,利用Wishart测度代替传统欧氏距离对差异粒度进行推理,通过合并推理结果与合成论域,获得精细分类结果。采用L波段San Francisco地区和荷兰Flevoland地区的全极化SAR影像进行分类试验,结果表明:利用SSVM算法对全极化SAR影像进行粗粒度划分,并采用Wishart距离对差异粒度推理综合,总体分类效果优于结合纹理信息的Cloude及Yamaguchi4分类结果,且优于基于线性特征融合进行监督分类方法。     

鲁棒多特征谱聚类的高光谱影像波段选择

传统谱聚类的高光谱影像波段选择模型中,采用的波段相似矩阵受到噪声或异常值的影响且仅能表征波段的单一相似特征,导致波段子集的选取结果受到限制.本文从波段选择的目的 出发,提出鲁棒多特征谱聚类方法,整合多个特征的波段相似矩阵来形成综合相似矩阵以解决上述问题.该方法假设4种相似性度量包括光谱信息散度、光谱角度距离、波段相关性...     

Approaches to Semantic Similarity Measurement for Geo-Spatial Data: A Survey

Semantic similarity is central for the functioning of semantically enabled processing of geospatial data. It is used to measure the degree of potential semantic interoperability between data or different geographic information systems (GIS). Similarity is essential for dealing with vague data queries, vague concepts or natural language and is the basis for semantic information retrieval and integration. The choice of similarity measurement influences strongly the conceptual design and the functionality of a GIS. The goal of this article is to provide a survey presentation on theories of semantic similarity measurement and review how these approaches – originally developed as psychological models to explain human similarity judgment – can be used in geographic information science. According to their knowledge representation and notion of similarity we classify existing similarity measures in geometric, feature, network, alignment and transformational models. The article reviews each of these models and outlines its notion of similarity and metric properties. Afterwards, we evaluate the semantic similarity models with respect to the requirements for semantic similarity measurement between geospatial data. The article concludes by comparing the similarity measures and giving general advice how to choose an appropriate semantic similarity measure. Advantages and disadvantages point to their suitability for different tasks.     

一种多特征转换的高光谱影像自适应分类方法

:光谱相似性测度用来衡量像元光谱的相似程度,是高光谱影像光谱匹配分类的重要工具之一,一般通过设置阈值判断像元光谱和参考光谱是否相似来进行分类。在此基础上,本文提出了一种多特征转换的高光谱影像自适应分类方法,实现了各种光谱相似性特征和分类器相结合的一种自适应分类。实验结果表明,本文提出的方法相比于传统的SVM方法,分类的总体精度更高,还可以避免部分传统光谱匹配分类方法中需要专家经验确定分类阈值的复杂过程。     

从高光谱遥感影像提取植被信息

遥感可以快速有效地监测大面积植被的种类、特性、长势等各类信息。高光谱遥感数据因其特有的高光谱分辨率特性使其在植被生态环境领域具有极大的应用潜力。植被信息作为生态环境评价的重要参数对区域生态环境的监测和建设具有重要的意义。本文基于云南省鹤庆县北衙的高光谱遥感数据用SAM方法对植被信息进行了提取,参考光谱使用ASD光谱辐射仪采集的植被光谱曲线。文中对高光谱遥感影像的辐射定标和大气校正进行了研究,针对影响光谱辐射仪采集的主要因素采取了相应的措施,并对光谱曲线分类及参考光谱曲线的选取进行了研究。将选取出的参考光谱曲线与大气校正后的遥感影像进行SAM匹配提取出植被信息,经过与实地调查资料比较并计算总体精度和kappa系数,计算结果达到预期精度。最后将分类结果转换为矢量图,经过投影转换为大地坐标后制作出北衙植被分布图。