线要素任意范围接边算法的设计与实现

本文在深入分析传统接边算法的缺陷后,提出了一种高效的任意范围接边算法。该算法通过对参与接边的要素类进行2次筛选,提取参与接边的要素,有效缩短了算法的执行时间;为了按照接边要素的空间邻近关系进行接边匹配,将接边要素和接边线的交点与接边线首点间的折线距离作为键值对接边要素信息进行排序,提高了接边匹配效率,并且能准确处理在接边线节点处接边的情形。并通过武汉市等高线数据更新的接边处理试验,验证了该算法的高效性与正确性。     

一种面要素接边检查算法

针对一些大比例尺面要素数据在没有接边线的情况下无法有效进行接边检查的问题,文中在分析面要素接边原则和接边特点的基础上提出一种面要素接边检查算法,并对算法的关键环节进行详细阐述。利用ArcGIS Engine相关组件,在Visual Studio开发环境下进行算法实现,形成面要素接边检查工具。将所开发的工具应用于陕西省某些区域居民地及植被数据的接边检查工作,实践结果表明,按照文中提出的算法所开发的工具可以快速、准确地查出数据中存在的接边问题,减少人工操作,有效提升作业效率。     

地理国情普查矢量数据成果接边检查算法研究

传统的矢量接边检查算法大都适用于规则图幅的矢量数据接边,而全国第一次地理国情普查矢量数据处理需在不同行政区和不同作业分区内开展。因此,提出了一种基于点搜索的矢量接边检查算法,其不仅适用于规则图幅,也可用于不规则区域边界间的处理。利用地理国情普查数据对该算法进行了实验验证,结果表明,算法在效率和准确度方面效果较好。     

一种自适应的矢量数据增量更新方法研究

针对GIS增量更新中存在的一致性维护与空间冲突问题,提出一种自适应的矢量数据增量更新方法。以同名对象匹配为切入点,探讨变化对象的检测与增量更新的方式。在综合考虑空间距离,语义相似度及拓扑一致性约束的基础上,提出接边匹配度的计算方法并设计自适应的对象接边算法。同时,介绍矢量数据增量更新中基于约束规则的空间冲突检测与处理方法。并以矢量地形图试验数据验证文中所提出的模型与算法。     

地理国情要素数据接边质量的自动检查方法研究

数据接边质量是地理空间数据的一项重要质量表征,本文以地理国情普查成果中地理国情要素数据接边问题为例,提出一种矢量数据接边质量的自动检查方法。该方法利用Arc Engine二次开发平台,基于同名要素之间的位置连续性、属性一致性,完成对相邻要素的接边质量检查。实验结果表明,该方法具有检查效率高、检查结果准确、图形定位快捷的优点。     

基于Douglas-Peucker的面状矢量数据压缩算法

Douglas-Peucker算法通常用于线状矢量数据压缩,但是该算法未考虑空间对象之间的拓扑关系。矢量数据中面状地物由多条线闭合组成,使用该算法进行面状数据压缩时容易造成公共边出现"裂缝"或者自相交等状况,使得压缩后数据失真。针对该问题,本文提出一种考虑空间对象拓扑关系的面状矢量数据Douglas-Peucker压缩算法,即先对多边形进行分段处理,提取出公共边和非公共边,结合边的拓扑关系,再利用Douglas-Peucker算法进行数据压缩。实验表明,该方法能较好地保留面状数据的图形特征,保留了拓扑关系,解决了公共边压缩后出现的问题。     

融合直角点和直角边特征的高分辨率遥感影像居民点提取方法

提出了一种融合直角点和直角边两种特征的高分辨率遥感影像居民点提取方法:首先,分别检测高分辨率遥感影像的角点和直线段,通过两种特征交叉验证确定直角点和直角边,并对二者进行栅格化;然后,基于局部直角点和直角边点的密度和距离特征生成居民点指数图像;最后,通过指数图像二值化、栅格转矢量、剔除小图斑等操作确定居民点多边形。使用3景影像进行了试验。试验结果表明,本文方法提高了居民点提取精度,其正确率、完整率、质量等3个指标的平均值比已有方法的相关值分别高6.76%、10.12%、12.14%。     

一种基于分布中心的矢量数据零水印算法

针对鲜有零水印算法能同时适用于点、线、面矢量数据版权保护,提出一种基于分布中心的矢量地理空间数据零水印算法。首先,对矢量数据进行格网划分;其次,计算格网内每个点到其算数平均值中心的距离,并将得到的距离序列与距离平均值进行比较,大于等于距离平均值,则记为1,否则为0;然后,统计格网内的0和1数量的多数,记为0或1,以此生成空间数据特征值;最后,将该特征值与置乱后的二值水印进行异或,构造出零水印图像。实验表明,文中算法能同时适用于点、线、面矢量数据,并且对常见的平移、缩放、裁剪、格式转换、随机删点等攻击鲁棒性好。     

一种空间数据接边入库方法

针对空间数据接边入库提出了一种新的方法,可有效改善传统方法效率低和质量不可控等问题。为提高接边处待合并要素的提取效率,根据当前数据要素总数和接边线总长度进行接边线最优分段处理;同时,为满足数据入库质量要求,采用网络分析技术对数据进行优化处理,删除接边处多余节点。实践表明,本文提出的方法可以兼顾空间数据接边入库的效率和质量,在保证质量的前提下节省了人力、物力和时间,在基础测绘和地理国情普查等数据的接边入库工作中发挥了重要作用。     

基于直线特征检测的道路边线自动提取方法

针对如何从车载激光点云数据中快速、准确地提取道路边线的问题,本文提出一种基于直线特征检测的道路边线自动提取方法。首先对原始点云进行地面滤波,删除非地面点,获取包含道路信息的地面点云,接着把点云投影到二维图像上,根据反射强度获得平均强度图像,对平均强度图像进行LSD直线检测,获得道路边线的直线段,然后进行直线连接,把检测出来的短线段连接成长直线,最后根据直线特征提取出道路边线,并且利用定量指标对提取结果进行定量分析。实验证明,该方法提取的道路边线具有较高的准确率和完整性。     

一种基于线空间的直线抽取算法研究

以LOG算子为边缘检测手段 ,对直线段特征的抽取过程进行了研究 ,提出并实现了相关的算法 ,给出了应用实例     

航空影像特征匹配研究

基于格网和三角网的优点 ,提出了一种基于特征的影像松弛匹配方法。算法利用边缘提取算子提取影像特征信息 ,把提取的边缘特征点分配到预定的规则格网中进行登记 ,同时构建特征三角网     

特征级高分辨率遥感图像快速自动配准

随着遥感图像分辨率的日益提高,遥感图像的尺寸和数据量也不断地增大,同时随着遥感应用的发展,对图像配准的性能也提出越来越高的要求,基于此,提出一种特征级高分辨率遥感图像快速自动配准方法。首先,对图像进行Haar小波变换,基于小波变换后的近似图像进行配准以提高配准速度;其次,根据不同的遥感图像来源使用不同的特征提取方法(光学图像使用Canny边缘提取算子,SAR图像使用Ratio Of Averages算子),并将线特征转化为点特征;然后,依据特征点间最小角与次小角的角度之比小于某一阈值来确定初始匹配点对;最后,利用改进的随机抽样一致性算法滤除错误匹配点对,并结合分块思想均匀选取匹配点对计算仿射变换参数,进一步提高配准精度。为了验证本文方法的有效性,选择高分辨率World View-2图像、Pleiades图像和Terra SAR图像进行了实验,并与典型的SIFT算法、SURF算法进行比较分析,采用匹配率、匹配效率、均方根误差和时间消耗4个定量评价指标来客观评价算法的配准性能。实验结果表明,本文方法具有较好的有效性,且在不同的情况下具有较高的配准精度。本文提出的特征级高分辨率遥感图像快速自动配准方法,多组高分辨率遥感图像数据的配准实验结果表明该方法能快速实现并具有较高的配准精度和较好的鲁棒性。     

顾及形变的影像边缘ICP匹配技术

匹配技术是遥感影像处理中的重要基础技术，影像在辐射、几何信息方面的差异，将会严重干扰影像间的相似特征匹配。本文提出了针对大差异影像的最邻近点迭代匹配算法（ICPDI）。首先改进Canny算子的参数设置方式，以便选择影像的长边缘作为影像匹配的显著特征；然后以线特征之间的距离作为影像相似性的评估标准，达到利用全局相似特征抑制局部差异的目的；最后给影像边缘附加形变函数，从而扩展ICPDI匹配技术的适用范围。通过不同差异类型遥感影像间的匹配试验，验证了本文方法的精度和适应性。     

热红外与可见光数据的云边缘高度匹配

高分辨率数据中云高度的差异性突显,特别是边缘处高度在云阴影识别和地表辐射估算等方面成为需要考虑的重要因素。热红外数据获取云高度分辨率较低、缺乏细部差异性特征,为解决这一问题,首先将对应的热红外和可见光数据进行特征点配准,再将基于热红外数据计算的云高度重采样至高分辨率,然后以基于欧式距离变换的围线搜索方法及距离加权将热红外云边缘高度匹配至对应的可见光图像,最后根据云阴影的相似度匹配方法确定真实云高度。结果表明,算法在遵循热红外云高信息分布变化规律的同时,可以得到较准确的高分辨率云边缘高度,一定程度上解决了热红外技术获取云高在分辨率上的局限,扩展了其在云高反演方面的作用。     

Remote sensing classification approach to large-scale crop cultivation identification: A case study of the Aral Sea Basin

Since the collapse of the Soviet Union, the crop cultivation structure in the Aral Sea Basin has changed dramatically, and these changes are worth studying. However, historical crop remote sensing mapping at the watershed scale remains challenging, especially crop misclassification at the cropland edge due to mixed pixels. Therefore, we proposed a field segmentation approach to constrain field edges based on time-series Sentinel-2 remote sensing images and the Google Earth Engine platform and then employed the random forest algorithm to perform crop classification based on time series Landsat/Sentinel-2 images and crop phenology information to produce historical crop maps in the Aral Sea Basin from the 1990s onward. The results showed that the intersection over union between the extracted field edges and in situ-measured field size data was 0.65. The overall accuracy of crop mapping was 95.2% in 2019. Then, we extended our method to historical mapping over the 1991–2015 period with accuracies ranging from 82.8% to 91.3%. Moreover, our method applied to historical mapping works well in terms of accuracy and policy matching. These findings indicate that our method can accurately distinguish cropland edges to reduce classification errors due to mixed pixels. This method is promising for solving the cropland edge problem for historical crop mapping in the Aral Sea Basin and can potentially provide a reference for historical crop classification in other watersheds of the world.     

一种利用级联滤波和松弛法的SAR图像配准方法

提出了一种利用级联滤波和松弛法的SAR图像配准方法。首先利用基于Beltrami流的偏微分方程与增强Lee滤波的级联滤波算法去除SAR图像噪声,然后对滤波后的参考图像提取边缘,对边缘特征点采用松弛法特征匹配,同时应用金字塔分级匹配策略由粗到精增加匹配的正确性。实验证明,本方法具有较高的配准精度。     

融合多时相高分影像的建筑物轮廓优化方法

针对高分影像建筑物提取存在错分和漏分等问题，常见的单幅影像矩形轮廓优化由于投影差、树木和阴影遮挡等问题边缘准确度不够，本文提出了一种融合多时相建筑物轮廓优化方法。首先，将两期高分影像进行匹配等预处理，利用基于偏移阴影分类验证提取建筑物初始结果。然后，分别获得两期影像中各建筑物轮廓的最小面积外接矩形，并对同名建筑物的最小面积外接矩形的各对应角点进行匹配。最后，通过对比两期影像的对应最小面积外接矩形的对应边上建筑物像素点的数量，选择像素点数量多的边作为适宜边进行平移以获得最优边，四条边都是最优边后进行直线正交得到最终符合建筑物原始形态的轮廓。试验结果表明，本文方法相比传统方法和其他轮廓优化方法在精确度和完整度上均有提高。     

AutoCAD数据接边检查自动化的实现

图幅数据的接边检查在测绘生产中是必不可少的工序。由程序实现的自动接边检查不但可以避免人工作业的疏漏,而且对于某些人工作业难以发现的错误,也有较好的效果。     

基于FAST和BRIEF的密度聚类图像匹配算法改进

FAST(Features From Accelerated Segment Test)特征检测算法是通过邻域像素比较来确定特征点,运算简单,同时采用BRIEF(Binary Robust Independent Elementary Features)算子进行二值化特征描述,可有效降低数据复杂度,提高匹配速度。因此,结合FAST和BRIEF算法,对截取的图像感兴趣区域(ROI)进行特征点提取,在减少数据量的基础上保证了图像特征点的快速获取与匹配;同时,利用机器学习中的密度聚类(DBSCAN),将暴力匹配特征点对的角度和距离作为二维数据样本集进行簇分类,优化改进匹配结果,有效提高匹配精度。通过实验比对改进结果与RANSAC(Random Sample Consensus)错误剔除算法,表明该方法提取速度快、匹配精度高。