利用已有像控点的多期航空影像光束法区域网联合平差

为了充分利用已有航空影像与控制成果,节约作业成本,缩短作业周期,提出一种利用已有像控点联合多期航空影像进行整体平差加密的数学模型,并采用我国南方某地区的数据资料进行了试验证明。结果表明,联合平差能将已有像控点的控制作用通过多期影像间的同名点传递到最新航空影像上,联合平差加密点的平面精度与常规光束法区域网平差加密精度基本一致,而高程精度则取决于多期影像间同名点的观测值个数,同名点观测值越多,加密点高程精度越高,因此只要多期影像间存在足够多的同名点观测值,则联合平差的加密精度完全能够满足摄影测量地形图测绘的生产需要。     

翻转课堂在地理信息系统课程教学中的实践与思考

针对教师主导的传统教学模式在地理信息系统课程教学中存在的不足,提出了将翻转课堂这一新的混合学习教学模式引入教学的想法。首先分析了地理信息系统课程实施翻转课堂的必要性和可行性,然后在综合考虑地理信息系统课程特点与中外教育文化差异的基础上进行了课程设计和组织实施。实践结果表明,实施翻转课堂确实能够提高学生学习主动性和教学质量,同时也对教师的专业水平和教学能力提出了更高的要求。     

城市遥感课程中实验教学的探索与实践

在贯彻落实国家“卓越工程师教育培养计划”的背景下,分析了同济大学测绘学院地理信息系统专业本科生的课程设置情况,在城市遥感课程中引入新型传感器平台GigaPan系统进行实验教学改革和实践,并对实践成果进行分析和探讨。     

基于 ALOS 影像与 CV 模型的瞬时海岸线提取

利用ALOS多光谱影像及CV模型对山东沿海三种不同类型海岸、人工海岸、砂质海岸、淤泥质海岸进行海岸线提取,为比较不同特征影像对海岸线提取效果的影响,对同一类型海岸又分为近红外影像、421彩色合成影像、NDWI影像、PCA影像并分别进行海岸线提取,最后利用缓冲区分析进行精度比较。分析得出：对于人工海岸、砂质海岸两种海岸,在一个像元缓冲区内,提取精度基本可以达到80％以上,两个像元内可达到95％以上;对于淤泥质海岸,四种特征影像的提取效果均比较差,只有NDWI影像在两个缓冲区内可达到87％;总体来说, ND-WI影像提取的效果最好。     

QuickBird全色与多光谱数据融合方法用于土地覆盖分类中的比较研究

QuckBird提供的高分辨率卫星图像可以制作大比例尺城市土地覆盖分类图.图像融合可以充分利用全色图像的高空间分辨率和多光谱图像的光谱信息,提高目视和自动图像分类精度.在遥感领域应用较多的融合方法有IHS变换、主成分分析、颜色归一化和小波变换等多种方法,从光谱质量和图像分类两个方面进行比较研究,发现进行小波系数调整的小波变换融合方法光谱退化最小,土地覆盖分类精度最高.     

混合地理加权回归模型算法研究

以迭代算法为基础，推导出混合地理加权回归模型的常系数（全局参数）和变系数（局域参数）的计算方法，并以上海市住宅小区楼盘销售平均价格为例进行验证。结果表明，混合地理加权回归模型的计算量略大于地理加权回归模型，但对样本数据的拟合更好，局域参数估计更稳健。     

基于ALOS影像与CV模型的瞬时海岸线提取

利用ALOS多光谱影像及CV模型对山东沿海3种不同类型海岸-人工海岸、砂质海岸、淤泥质海岸进行海岸线提取,为比较不同特征影像对海岸线提取效果的影响,对同一类型海岸又分为近红外影像、421彩色合成影像、NDWI影像、PCA影像并分别进行海岸线提取,最后利用缓冲区分析进行精度比较。分析得出:对于人工海岸、砂质海岸2种海岸,在一个像元缓冲区内,提取精度基本可以达到80%以上,2个像元内可达到95%以上;对于淤泥质海岸,4种特征影像的提取效果均比较差,只有NDWI影像在2个缓冲区内可达到87%;总体来说,NDWI影像提取的效果最好。     

基于ALOS影像与CV模型的瞬时海岸线提取

利用ALOS多光谱影像及CV模型对山东沿海三种不同类型海岸、人工海岸、砂质海岸、淤泥质海岸进行海岸线提取,为比较不同特征影像对海岸线提取效果的影响,对同一类型海岸又分为近红外影像、421彩色合成影像、NDWI影像、PCA影像并分别进行海岸线提取,最后利用缓冲区分析进行精度比较。分析得出:对于人工海岸、砂质海岸两种海岸,在一个像元缓冲区内,提取精度基本可以达到80%以上,两个像元内可达到95%以上;对于淤泥质海岸,四种特征影像的提取效果均比较差,只有NDWI影像在两个缓冲区内可达到87%;总体来说,NDWI影像提取的效果最好。     

基于L-M算法的BP神经网络分类器

以TM图像为例,讨论了基于Levenberg-Marquardt(L-M)算法的BP神经网络分类器及其在遥感图像分类中的应用。LM算法是梯度下降法与高斯牛顿法的结合,由于利用了近似的二阶导数信息,LM算法比梯度法快。就训练次数及准确度而言,LM算法明显优于变学习率法的BP算法。