基于自适应共振模型的遥感影像分类方法研究

人工神经网络（ANN）是人视觉和服的基本功能的抽象、简化和模拟。在对遥感影像的综合解释应用中，与传统的统计方法和符号逻辑方法相比较，ANN更接近人对影像的视觉解译分析过程。自适应共振理论（ART）是一种自组织产生认知编码的神经网络理论，其自组织、反馈式增量学习机能，能兼顾适应性和稳定性，克服了一般神经网络学习速度慢、网络结构难以确定、局部最小陷阱等缺陷。以FUZZY－ART和ARTMAP为基础，提出基于ART遥感影像非监督和监督分类的一般模型，并以实际上土覆盖分类和城市结构信息提取为应用实例，通过与传统统计方法和一般ANN分类器相比较，ART具有正确率更同、学习速度快、自适应性等优点，是复杂数据分类和信息提取的有效工具。     

基于多特征的遥感影像分类方法

提出了一种基于多特征的遥感分类方法。首先 ,制定类方案并分解各个类 ,据此得到相应的子类 ;然后 ,通过选用适当的特征 ,使得每一个类都能以一个独特的特征组合来表达。与此同时 ,通过影像分割得到影像对象 ,并测量这些对象的各个特征 ,如光谱特征、几何特征及拓扑特征等。凭借这些特征 ,影像对象可以较为容易地被识别和分类。与传统的分类方法的比较表明 ,文中所提出的分类方法具有明显的优越性和良好的前景。     

结合高斯马尔可夫随机场纹理模型与支撑向量机在高分辨率遥感图像上提取道路网

在高分辨率遥感图像上,道路网的同物异谱现象更为突出,因此其提取难度更大。提出了一种马尔可夫随机场纹理模型与支撑向量机分类相结合的道路网提取方法。其基本过程是:利用高斯马尔科夫随机场模型6个归一化特征值进行支撑向量机的分类得到道路斑块,利用形态学算子对其进行初步连接并提取轴线,然后通过斑块轴线的启发式连接得到最终道路网。试验证明方法是有效的。     

NOAA-AVHRR卫星资料处理业务系统及其在生态环境监测中的应用

简要介绍了浙江省气象科学研究所自行设计和研制的NOAA-AVHRR卫星资料处理业务系统的设计思想、总体结构及主要技术特点，重点介绍了系统软件中三维立体图像显示技术及其在植被生态环境监测中的应用。     

基于Web Service的分布式遥感影像数据库设计与实现

结合实际工作中影像数据存储与管理的需求,在应用Web Service技术对遥感图像分布式处理的过程中,就不同形式的数据库查询方法对遥感影像数据进行基于元数据库的数据库系统设计,并结合SOAP调用等技术对其进行原形实现。从数据库的各种基本操作可以看出,基于SOAP/XML技术及辅助元数据库的分布式影像数据库设计方法及远程调用在实际工作需求中是有效的。     

我国海岸带及近海卫星遥感应用信息系统构建和运行的基础研究

我国海岸带和近海的高度开发极大地促进了沿海经济的发展,也引发出一系列的资源和生态环境问题.研究和发展适用于我国海岸带及近海卫星遥感综合应用技术系统,旨在实现宏观、动态、同步监测区域资源开发和保护,以及为生态环境问题提供全新的技术支撑和协调解决整体技术方案,对此着重阐述了面向海岸带及近海卫星遥感应用技术系统的构建.本技术系统主要包括海岸带科学数据平台和信息提取模块、针对海洋过程的应用模块、我国海岸带及近海生态环境集成用户平台等,其目的是推进我国海洋遥感由研究阶段转向应用阶段,并为实现数字海洋提供技术基础.     

基于3S技术的城市防洪管理支持系统——以深圳市防洪管理支持系统为例

本文针对城市防洪的特点,论述了基于3S(GIS-地理信息系统/RS-遥感/GPS-全球定位系统)技术的防洪管理支持系统的总体设计、体系结构设计等内容。总体设计思路采用系统工程方法,遵循“以人为本”的理念,从用户的需求出发,根据用户需求和网络化要求,按照层状结构划分为决策层、业务层、管理维护层和技术支撑层4个层次。总体结构设计包括系统功能结构设计和软件体系设计,并以深圳市防洪管理支持系统为例,介绍了提出设计思路的具体实现和应用效果。     

遥感影像理解智能化系统与模型集成方法

智能化遥感影像分析理解是当前遥感地学分析中的研究热点。本文通过分析当前智能化方法在应用中存在的两个主要问题,指出了智能化遥感影像分析向基于多特征单元为分析对象转变的必要性以及如何在分析过程中更好的融合知识。在此基础上,介绍了多特征单元遥感影像分析和基于神经网络的知识处理的基本思想。并对如何建立基于知识智能计算的多特征单元遥感影像分析理解方法体系进行了探讨,给出了概念框架图。     

喀斯特山区石漠化耕地遥感精准提取与分析——以贵州省北盘江镇与花江镇为例

选取北盘江镇与花江镇作为研究区,利用谷歌高精度遥感影像,结合分区分层分级思想,基于深度学习与传统约束方法对研究区耕地进行精准提取。结果表明：1）在数量精度上,以视觉形态差异对研究区进行分区并选取不同模型训练获得的精细地块,面积约为9 867 hm ²,与实际数量基本一致,F-Measure主要分布在[0.82, 0.98]之间,受到地形和岩石裸露率的影响,石漠化严重地区耕地提取精度较低。2）在形态精度上,预测耕地与实际耕地的GIOU主要分布在[0.7, 1]之间,分割正确率>0.85,表明预测耕地边界与实际地块边界吻合度高,提取结果符合研究区实际情况。3）利用地貌坡度等约束条件对耕地进行划分发现,研究区以喀斯特耕地为主,占比74%,并且石漠化程度较严重,其中轻度石漠化耕地与中度石漠化耕地占总耕地的32%。在石漠化地区,耕地的狭长程度、破碎程度受人类影响较大;距离居民地越近、可达性越高的地区,其土地利用率越高,斑块越破碎。文章所提出方法可用于耕地破碎、地形复杂地区的耕地提取,能够为地区的发展、耕地治理与研究、环境保护与决策等提供精准数据支持。     

基于GMRF-SVM的高分辨率遥感影像目标区域划分方法

高分辨率遥感影像数据量大、细节丰富并呈现出一定的尺度依赖性,单一尺度遥感影像分割难以同时兼顾影像的宏观和微观特征,这成为制约遥感信息自动化提取技术发展的瓶颈之一。对此本文提出了基于特征的多尺度高分辨率遥感信息提取技术框架,并分析了其对于大尺度海量数据信息提取与目标识别工作具有的理论及实践意义。根据影像光谱或纹理等特征,提出采用GMRF-SVM方法在大尺度上进行分类的目标区域划分方法。从大尺度信息提取的角度来看,该方法综合了GMRF纹理分类和SVM少量样本模式识别的优势,便于先验知识的融合,无论从花费时间还是分类处理效果上,都远远优于直接采用GMRF进行分割所取得的效果,对于后面的信息提取和目标识别来说更具有实际意义。