基于神经网络和分形纹理的夜间浓雾遥感监测技术

利用地物光谱信息和图像纹理信息作为地物分类识别标志，将分形理论和BP神经网络应用于夜间浓雾的遥感监测，使夜间浓雾的监测精度明显提高。与传统最大似然法(MLC)比较，晴空地表、雾区、云区的识别精度均有提高，特别是云区的识别精度提高了10%，基于灰度连通域的灰度加权计盒维数图像纹理提取技术使云雾边界的提取更加合理，文章最后对类的归并作了讨论。     

神经网络和分形纹理在夜间云雾分离中的应用

云雾分离是浓雾遥感监测的难点，地物光谱信息和图像纹理信息的综合利用，分形理论和BP神经网络技术的应用，使夜间云雾分离结果更为可信，基于灰度连通域的图像纹理提取提高了云雾边界的识别能力，灰度加权拉伸后的分数维增强了云雾的可分性，与传统最大似然法比较，本文所用方法对晴空地表、雾区、云区的识别精度均有提升，特别是云区的识别精度提高了10％，三类地表的总体识别率提高了7％，达到93％以上，文章最后对类的归并作了讨论。     

基于Delaunay三角网的区域等值线绘制关键算法

基于三角网格法进行等值线绘制比常用气象绘图软件的矩形网格法更客观更快速,而在众多的三角网剖分方案中,以Delaunay三角网最好最正规.本文是关于二维离散场等值线绘制的算法集成,详细介绍了Delaunay三角网的逐点插入生成算法中所涉及到的凸壳生成、初始三角网生成、逐点插入、LOP优化、寻找包含插入点P的三角形等过程的算法流程,并给出了不规则区域等值线绘制中所采用的二次B样条曲线光滑、交点计数法点面关系判识、互为异侧法线段相交判识等关键算法.