一种遥感图像建筑物直线特征提取算法

随着遥感技术的不断发展,高效、快速的遥感影像处理成为人们不断研究的热点。作为内业处理的基础,人们对影像直线特征提取的重视不断加强。本次试验采用辽宁科技大学1：2000正射影像图,针对教学区内建筑物、绿化区和道路混合的特点,提出了一种自动识别并高效提取建筑物直线特征的算法。该算法将直线拟合和Hough变换进行结合,加入角度先验方法。试验结果表明：该算法的直线提取性能优于传统Hough变换,能很好地适应教学区域,对建筑物的识别能力、直线提取效率及精度有很大的提高。     

多因子组合的地质灾害易发性空间精度验证

地质灾害的发生是多种因素相互作用、制约和触发的结果。长期以来，研究人员通过统计历史地质灾害所在区域的地质、地形、水文等环境因素预测未来地质灾害可能发生的位置、时间（或频率），即地质灾害易发性评价。地质灾害易发性评价前提工作是进行影响因子选取，而地质灾害发生的影响因子有数十种，是否叠加因子越多模型评价精度就越高？是否存在“最优因子数量”？这一简单而又关键的问题值得探讨。文章以四川省汶川县为例，选取11种广泛应用于地质灾害易发性评价的影响因子，按照4种排列组合模型，叠加3到11个因子信息量获得对应的地质灾害易发性指数分布图。运用成功率曲线确定线下面积值对各个结果进行预测精度评价。试验结果表明，按照初步设定的4种排列组合模型叠加因子数量到8个时，模型预测精度达到最大值；但在因子叠加过程中发现各个因子对于易发性的控制性与个人经验确定的控制性存在一定差异，按照实际因子控制性从大到小与从小到大排列组合后，叠加多个关键因子后模型预测精度才会达到峰值。研究成果表明，地质灾害易发性评价中叠加的因子数量越多，模型预测精度越高，叠加过程中如未加入关键因子，模型预测精度将不会达到峰值，说明地质灾害易发性评价不...     

特征优选下的全极化雷达影像土地覆盖分类

针对极化合成孔径雷达(PolSAR)影像在土地覆盖分类中存在特征利用不充分导致分类精度低的问题，该文提出一种联合ReliefF和相关性的特征选择(CFS)算法的分类方法。首先利用ReliefF算法对极化特征进行特征重要性排序，淘汰无关特征，然后利用CFS算法进行特征优选，最后结合分类回归树(CART)决策树构建分类模型，完成土地覆盖分类。以高分三号(GF-3)两个场景的影像数据进行实验，结果表明，该方法能够有效剔除冗余特征，显著提高分类准确率，适用于PolSAR影像土地覆盖分类。