应用湖泊中心点作为控制点实现大区域遥感影像的配准

在进行北美阿拉斯加地区多期影像湖泊变化分析过程中,由于该区域长期被冰雪及湖泊覆盖,几乎没有较明显的地面标志点可作为影像配准控制点,给影像的配准工作带来困难。在分析长时相区域湖泊形状变化的基础上,认为湖泊中最稳定的点为湖泊的中心点,该点位置随湖泊面积的变化不大,可以作为影像配准的控制点。与多边形质心相比,多边形的最大内圆圆心始终位于多边形的内部,且以该点为圆心的内圆半径最大(对应的内圆即为最大内圆),其计算方法可以应用矢量多边形的Voronoi图来求得。本文在分析简单多边形Voronoi图性质及其计算方法的基础上,提出了一种面向复杂多边形的最大内圆圆心点查找方法,给出了其算法实现流程与算法的复杂度分析。通过北美阿拉斯加地区湖泊最大内圆圆心查找的测试实例,表明本文提出的方法能够较好地计算出各种复杂矢量多边形的最大内圆圆心点,并达到较高的计算效率,且以多边形最大内圆圆心点作为配准点实现的影像间配准效果也较好。     

一种仿射不变量支持的准稠密控制点匹配算法

待配准的两景影像之间存在非均匀形变时,需要采用非刚性模型进行校正,而密集的、均匀分布的控制点是构建非刚性模型的基础,对此提出一种仿射不变量支持的准稠密控制点匹配算法。首先从两景影像提取特征点并进行稀疏匹配,根据稀疏匹配点消除两景影像间的整体偏移;然后以稀疏匹配点作为三角形的顶点,迭代构建特征点间的近邻三角形,并以面积之比作为仿射不变量,据此判断三角形顶点之间是否满足匹配关系,实现匹配点传播,从而获得准稠密的匹配点集;最后采用HJ-Landsat数据与南极地区Landsat 7 ETM+数据进行实验,结果表明,本文方法能够提取均匀分布的准稠密控制点,在提取率等指标方面优于对比方法。     

基于协同计算的白洋淀湿地时序水体信息提取

白洋淀湿地是华北平原仅存的为数极少的湖泊型湿地之一,具有改善生态环境、保护生物多样性等功能。通过遥感手段进行白洋淀地区湿地变化研究,可为景观格局变化、生态环境分析及湿地保护等提供重要的信息支撑,具有非常重要的意义。本文在分析遥感大数据特点的基础上,对遥感应用中的大数据信息提取这一重要环节进行了分析,并以遥感信息计算为切入点,深入分析并总结了遥感大数据计算过程中的多种协同计算问题。结合白洋淀地区长时相遥感湿地水体提取与变化分析的应用需求,本文提出了基于协同计算方式下的白洋淀水体提取技术路线,并详细分析了水体信息计算过程中的几种重要的协同计算问题,提高了水体信息提取的精度。最后,根据白洋淀地区43期（1973-2015年）精确的水体提取信息,统计了白洋淀历史时期水体面积的变化,并指出该区域自1973年以来水体面积经历了“减少-增加-再减少-再增加”的变化过程。     

基于高分辨率遥感目标特征库的地震灾情快速评估方法

高分辨率遥感影像已逐步成为地震灾害快速评估的主要数据源之一,但现有的遥感地震灾害信息提取方法存在对研究人员目视解译经验依赖性强和利用高分辨率影像提取结果精度不高的问题。因此,本文提出了一种基于目标特征库的高分辨率遥感灾害信息快速提取方法,用于提升遥感影像灾害信息提取的效率和自动化程度,并对基于目标特征库进行地震灾情快速评估的几项关键技术（目标特征库构建、样本匹配方法和自动分类方法）进行了阐述,最后,以云南鲁甸地震龙头山镇地区为研究区,基于高分辨率遥感影像在目标特征库支持下开展了地震灾情快速评估实验。通过与灾后调查数据的对比分析发现,基于高分辨率遥感灾害目标特征库的地震灾情快速评估结果在精度上可以满足灾情快速评估的业务需要,同时还具有更好的时效性。     

数字城市的三维景观系统构建

本文探讨了数字城市中三维景观的功能特性 ,分析了数字城市中三维景观系统构建的技术思路 ,讨论了三维景观系统构建过程中的一些关键技术 ,如景观背景变换、三维对象信息查询、天气效果的实现以及地形构建等。文章最后指出今后有待进一步解决的技术问题。     

网格GIS的应用架构及关键技术

本文以网格计算在 GIS的应用为主线 ,分析阐述了当前网格计算在 GIS领域中的应用及其所面临的主要问题 ,结合中间件技术 ,给出了网格 GIS的应用架构 ,并列举了所需的几项关键技术。特别就当前 GIS所面临的共性问题进行了分析 ,根据软件可重用原理 ,在分析现有网格技术发展的基础上 ,指出了基于 GML语言应用 WebService技术的中间件分布式架构是 GIS软件发展的一个主要方向及解决当前 GIS领域中所存在问题的最佳方式 ,并讨论了其实现过程。     

面向遥感目标识别耦合GA与SVM的特征优选方法

提出了GA-SVM耦合用于高分遥感目标识别的特征优选方法,将GA中的特征降维和适应度函数构建与SVM中的特征空间映射、样本训练以及分类结果在内容上耦合,利用SVM的识别结果指导GA的进化方向。同时,为减小未成熟收敛风险,对传统GA做了改进。实验表明,该方法在高分遥感影像目标识别中效果较好。     

青藏高原湖泊古今变化的遥感分析—以达则错为例

青藏高原湖泊受人类活动干扰较少,主要受气候变化导致的冰川融化和蒸发的影响,是气候变化直观敏感的反映区。因此,研究青藏高原湖泊变化对区域以至全球气候、环境变化的研究具有深远意义。本文在遥感影像的基础上发展了综合指数计算与空间分异的现存湖迭代提取方法,对影像数据上的湖泊进行动态监测;并结合DEM数据发展了半自动化的古岸线提取方法,进而分析古湖泊的变化,二者相结合直观全面地反映出了青藏高原湖泊的古今变化情况。并以达则错湖为例进行提取,分析了其近25年以来以及大湖期以来的缩减情况     

增强型DeepLab算法和自适应损失函数的高分辨率遥感影像分类

高分辨率遥感影像地物复杂,分类难度大,而深度学习方法可以提取地物更多更深层次的特征信息,适用于高分辨率遥感影像的地物分类。本文研究对高分辨率影像中不透水地面、建筑、低矮植被、树、车辆等地物的高精度分类。结合遥感多地物分类的特点,以DeepLab v3+网络模型为基础,提出E-DeepLab网络模型。主要改进为：（1）改进编码器和解码器的结合方式,使用简洁有效的加成连接方式。（2）缩小单次上采样倍数,增加上采样层,提高编码器与解码器连接的紧密性。（3）使用改进的自适应权重损失函数,自动调节地物损失权重。同时根据数据特点,提出结合DSM、NDVI数据等多通道训练方式。使用两个地区数据进行实验,结果表明,两地区精度均明显优于原始DeepLab v3+模型和其他相关模型,Potsdam地区总体提取精度达到93.2%,建筑物提取精度达到97.8%,Vaihingen地区总体提取精度达到90.7%,建筑物提取精度达到96.3%。目视对比分类图和标准标记图,两者具有高度的一致性。本文所提出的E-DeepLab网络在高分辨率遥感影像地物高精度提取和分类中有较好的应用价值。     

复杂场景下小农经营区地块级苹果园模块化制图方法框架

实现复杂场景下地块级苹果园的精准制图,是中国苹果产业精细化管理面临的迫切需求。然而,传统的地块级分类制图框架在处理小农经营区内的大量细碎地块时,可靠性大幅度降低。本文提出一种适用于复杂场景下小农经营区的地块级苹果园模块化制图方法框架。(1)基于模拟人类对目标场景视觉感知的分层策略,从深秋季的单幅超高空间分辨率（Very High Resolution, VHR）影像中提取冗余的候选地块;(2)利用非对称瓶颈网络（Depth-wise Asymmetric Bottleneck Network, DABNet）模型与长短期记忆（Long Short-Term Memory, LSTM）模型,分别从VHR影像与时间序列影像中提取苹果园的空间特征像素与时序特征像素。然后,构建元特征描述特征像素在候选地块中的分布情况,与地块的内在特征共同组成苹果园地块的分类特征;(3)使用随机森林（Random Forest, RF）将候选地块分类为苹果园地块和非苹果园地块。以山东省栖霞市西城镇为研究区,从43238个候选地块中提取出30 292个苹果园地块,分类总体精度达到92.7%。利用RF算法自带的平均...