一种面向对象的TM影像的居民地提取方法

提出了一种面向对象的TM影像的居民地提取方法，利用对象的光谱信息及其几何特征和空间信息识别居民地，实现了TM影像的居民地提取，结果表明这一方法效果很好。     

高分辨率遥感影像上居民地自动提取方法

提出了一种基于特征分解的无监督分割方法,对高分辨率遥感影像中的居民地进行提取。该方法通过小波分解多尺度特征,利用居民地内、外部结构差异以及平均光谱辐射强度差异构成特征空间,采用约束均值漂移算法进行特征空间自适应分解,实现居民地自动提取。实验结果表明,该方法能很好地消除高分辨率导致的影像高度细节化等因素对居民地提取的影响,有效提取居民地。     

结合形状与同质特征的遥感影像城市道路提取方法

遥感影像中的城市道路提取易受建筑物、阴影、车辆等噪声干扰,仅利用光谱特征或几何特征难以实现道路的完整提取。针对这一问题,首先从影像的梯度图出发,同质化遥感影像。接着通过形状特征,移除噪声,凸显道路信息。最后利用知觉组织约束算子筛选道路种子点,连通形成道路网。实验以QuickBird影像数据为样本,结果表明提出的算法能够有效实现城区道路提取。     

遥感影像居民地目标Bayesian网络识别算法研究

利用Naive Bayesian网络的学习和推理机制，提出一种在遥感影像上提取居民地目标的方法。该方法通过对所选取的正负样本进行学习，获取Bayesian网络的重要参数，即条件概率和概率分布密度。在此基础上，根据正负样本所构建的条件概率网，对未知类别信息的影像进行分类，从而获取居民地目标的信息。通过对实际全色SPOT5影像中居民地目标的提取，表明该方法具有较高的识别率。     

基于归一化指数分析的居民地遥感信息提取

以无锡市作为研究区域,采用2000年Landsat ETM+影像数据,通过对居民地的遥感机理分析,利用植被指数、水体指数、城镇指数相结合的方法提取居民地信息。分析遥感影像的谱间结构特征,通过试验,建立二值逻辑运算式,得到居民地遥感信息提取结果。并用该方法在不同时相不同地区的Landsat TM/ETM+影像上进行了进一步的验证。研究结果表明:该方法可以将居民地信息提取出来,并且效果较好。     

纹理特征与视觉注意相结合的建筑区提取

提出一种有效提取高分辨率遥感影像建筑区的算法。通过模拟人类视觉系统感知环境的过程,引入视觉注意机制,提出基于自信息最大化视觉注意机制的建筑区显著指数。根据建筑区在高分辨率遥感影像中的特点,基于时/频域的纹理分析,提出一种针对建筑区的纹理特征描述方法,实现了建筑区的高效提取。通过对8组高分辨率遥感影像进行试验,验证了本文算法的有效性。     

基于纹理边缘与感知编组的居民地外轮廓提取

提出了一种在高分辨率遥感影像上提取居民地外轮廓的方法。该方法通过计算边缘点的角度提取居民地外轮廓,并利用感知编组连接提取轮廓点,形成闭合外轮廓。实验证明,本方法提取居民地外轮廓位置准确且完整闭合。     

视觉显著性特征的矢量对象多尺度表达

针对矢量数据在网络上渐进传输中的多尺度组织问题,该文提出一种基于视觉显著性特征的多尺度增量组织和表达方法。根据人类视觉机制和矢量地图的多尺度表达特征,提出了基于视觉显著性的多尺度矢量模型,实现矢量空间要素的多尺度表达和线性序列组织。以线要素为例,讨论多尺度空间下矢量空间要素的视觉显著性和视觉信息增量变化。实验表明,本文提出的方法可以较好地改进渐进传输时矢量数据的可视化效果。     

一种全自动提取居民地的方法

对遥感影像中居民地提取的各种方法作了一般性的阐述,并在吸收这些算法优势的同时,提出了一种全自动实现遥感影像中居民地目标的提取方法：先求取非最大值抑制后的梯度图,而后进行高斯模糊处理,以提高影像上居民地区域纹理特征一致性;通过增强大津法和形态学的方法全方位腐蚀与膨胀,完成面状地物居民地的提取;最后进行图象矢量化处理。论述方法的同时,展示和分析了实验结果。     

利用拓扑关系模型自动检测居民地的变化类型

提出了一种利用空间拓扑模型自动检测居民地变化类型的方法.在新正射影像与旧矢量数据配准的基础上,把已有的居民地范围作为样本区域,利用Law的能量模板和纹理谱进行影像分割,提取新的居民地边界,运用空间分析的方法自动检测出居民地的6种变化形态.实验结果证明了此方法的可行性和有效性.     

顾及视觉规律的行政区划图自动着色回溯法

行政区划图着色需要顾及区域配置、色彩平衡和用户意图等。本文从视觉规律出发,在给定配色模板前提下,研究了图面色彩协调、色彩对比和视觉平衡的定量化方法,并建立了行政区划图着色效果的评价模型。在此基础上,本文提出了行政区划图自动着色的面积均衡约束回溯法。试验结果表明,本方法能较好地顾及行政区划图着色过程中的视觉规律,满足制图要求。     

融合区域分割和边缘信息的居民地提取方法

提出了一种集成边缘和区域分割信息的目标识别方法，其目的是在中小比例尺的航空影像中提取集团式居民地。在实际的航空影像上的实验表明，融合区域分割和边缘信息能够提高居民地提取的准确率。     

深度学习的街景行道树自动识别提取研究

针对城市行道树调查中,街景影像背景环境复杂多变、行道树个体差异大,依靠目视判读费时费力的问题,该文基于车载移动测量系统采集的全景影像数据,利用深度学习算法,在快速区域卷积神经网络的目标检测方法基础上,建立适用于街景行道树检测的深度神经网络模型。模型采用基于共有显著性区域及冗余策略的行道树多示例目标候选区域选择方法,使用车载图像的几何约束进一步筛选合适的候选区域,从而实现行道树目标候选区域的统一选择,提升行道树目标的检测效果。实验结果表明,该文提出的方法能够实现多种行道树的准确自动识别与提取,进而大大降低行道树绿化调查的成本。     

加色法同位规则挖掘支持下的兰州市居民区生活便利度分析

居民区生活便利度分析是城市研究的热点问题之一，对提升城市居民生活质量具有重要意义。城市空间中的居民活动主要发生在道路网络空间，加色法同位规则是一种网络空间同位模式可视化挖掘方法，避免了复杂的数学公式、算法及相关参数，具有形象直观的特点。鉴于此，本文利用加色法同位规则这一可视化数据挖掘手段，在表达空间交互的同时将数据挖掘的结果直接用于居民区生活便利度分析。以兰州市为例，进行居民区与其他14类城市基础设施之间位置关系的挖掘试验，全局分析与局部分析相结合，对不同区域的居民区生活便利度进行评价，以期为兰州市城市建设提供参考。结果表明：在兰州市，居民区与药店、超市、牛肉面馆等地理要素存在最强同位规则，与医院、火锅店存在较强同位规则，与商场、派出所、消防站无同位规则；居民区在整体上呈现多个宜居中心的分布特点，在区位上呈现便利度东高西低的分布特征。     

基于视觉反差的显著图生成与目标检测

以认知神经科学的研究成果为依据,对视网膜会强烈响应大反差视觉刺激的现象和初级视觉皮层上视觉信息的生成机制进行了模拟,提出了一种基于视觉反差的显著图生成与目标检测方法。本方法可以在不考虑目标的形状、边缘或其他形式先验知识的情况下检测出场景中具有显著反差的目标。在对地场景中车辆目标的检测实验里,将其与另外两种典型的显著图生成方法进行了对比,结果显示,这种基于视觉反差的目标检测方法能够较好地将注意力集中在场景中具有较大反差的目标之上,且具有高效性和鲁棒性。     

利用Voronoi图的城乡居民点布局优化研究

本文综合考虑居民点现状布局及相邻居民点间相互影响,以山西省晋城市为例,应用Voronoi图理论,依据熵值、聚类指数、标准差3个测度组合,将晋城市居民点划分为4种整理类型并绘制城乡用地布局等级图,结合2020年晋城市居民点用地规模预测值,进行晋城市居民点布局优化。结果显示,考虑居民点布局现状,利用Voronoi图理论及其聚合形态测度检验,为城乡居民点布局优化方案的提出提供了空间理论依据,是布局优化的直观方法。     

面向地理分析模拟的城市小区场景数据组织方法

城市小区是城市人居环境的重要构成部分,与城市居民生活关系密切。面向城市小区环境综合分析模拟的需求,本文结合虚拟地理环境中虚拟场景和集成建模等概念,设计了可支撑分析模拟的城市小区场景数据组织方法。通过小区系统、小区系统要素和小区系统要素关系来对复杂小区环境信息进行对象化的描述,并按照层次化结构实现城市小区建模场景的组织。利用统一数据表达与交换模型UDX对小区系统-要素-关系中的数据内容进行统一的表达和存储,在此基础上设计了城市小区建模场景对象;利用可扩展接口的方式,实现从城市小区建模场景中抽取符合分析模型需求的数据内容,由此支撑将不同地理分析模型与城市小区建模场景集成。试验结果表明,本文所设计的方法能够有效组织多源异构的城市小区环境数据,并可以便捷地为不同研究方向的城市小区分析模型提供所需建模数据。     

Comparative Study of Approaches to Delineating Built‐Up Areas Using Road Network Data

Delineated built‐up areas may be used for applications such as navigation, database enrichment and the identification of urban sprawl. As more road network data have become available, many studies have considered using road network data to delineate built‐up areas. This study investigated the three existing approaches to delineating built‐up areas on a map: the grid‐based approach, kernel density analysis and an approach based on street blocks. These approaches are evaluated and compared from three angles. First, two measures were proposed to quantitatively evaluate the land area of the delineated built‐up areas; second, a questionnaire was designed to visually compare the representations of the delineated built‐up areas; and, third, the time complexity of using each approach was tested. The three approaches were applied to different sets of road network data for New Zealand; data from buildings and residential areas were used as benchmarks. The results showed that: (1) in a quantitative assessment, both the grid‐based approach and kernel density analysis can usually detect more built‐up areas than the approach based on street blocks; (2) on visual inspection, most of the students who completed the questionnaire performed the representations using the approach based on street blocks; and (3) in time complexity, the approach based on street blocks always takes the least time.