我国IGS站的周期变化特征

利用谱方法和小波技术分析了我国IGS站坐标时间序列,阐述了其周期变化特征,即绝大部分台站在N、E、U方向都具有半年周期性、年周期性,U方向周期特性相对明显,同时台站的主要周期成分和时频局部特性又具有一定区域性.     

城市3维景观模型真实纹理的图像符号化

在具有真实感影像纹理的3种景观模型中，影像纹理数据所占的存储空间远远大于3维几何数据所占的存储空间。为节约栅格影像数据的存储空间，提出图像符号化的思想，并通过一实例予以实现。     

利用经验模态分解和主成分分析的SAR图像相干斑抑制

对SAR图像应用对数加性噪声模型,将经验模态分解(Empirical mode decomposition, EMD)与主成分分析(Principal Component Analysis, PCA)相结合,提出了一种基于PCA的EMD相干斑抑制算法。根据对数SAR图像中相干斑噪声的统计特性和高斯白噪声经EMD分解后的能量分布模型,近似估算SAR图像经EMD分解后各层内蕴模态函数中所含噪声的能量;将内蕴模态函数利用PCA进行分解,根据PCA对含噪信号的分解特性和内蕴模态函数中噪声能量所占的比例,选择合适的成分分量重构内蕴模态函数,以进一步去除噪声保留有用的细节信息。仿真实验结果表明,本文方法在有效抑制相干斑噪声的同时可以较好地保持边缘纹理细节的清晰。     

利用对应矩阵进行影像校正的误差分析

在三维城市建模中,模型纹理的表达旨在提供逼真的可视化效果,一般对纹理所反映的模型表面细节信息(如窗户、阳台等)的空间化置与尺度信息的准确性极少考虑.但纹理信息可以表达模型表面丰富的细节信息,可为三维城市模型系统提供更为广泛的应用(如公安、淌防).就利用对应矩阵进行倾斜影像校正的过程进行详细的误差分析,以评估校正后的纹理在模型表达时其信息的空间真实性和可口量测性,为实际应用过程中的三维模型表面信息分析提供参考.     

顾及一次差分数据结构特征的钟差预报模型

现有卫星钟差预报模型缺乏对数据结构特征的深入研究。以钟差一次差分数据为研究对象,分析一次差分数据结构的图形化分布模式,提取一次差分数据趋势性和周期性特征,设计了一种包含趋势项、周期项和随机项的全要素钟差预报模型。使用IGS(International GNSS Service)精密钟差数据进行预报实验,通过与二次多项式模型、灰色模型及时间序列模型的预报结果进行对比,证明了所提模型在钟差预报的准确度和稳定度方面具有一定优势。     

基于Wold特征的遥感图像的分割

马尔可夫随机场模型是一种较好的纹理模型，但由于它是一个低阶的纯随机模型，因此用于图像分割时，区分相近纹理的能力仍然有限。将结合2维Wold分解技术来对遥感图像进行分割，通过调整不同性质谱分量的比例关系，放大相近谱峰值之间的差别，从而有利于Harmonic滤波器的信号选取，改善低阶马尔可夫分割场模型不能刻画结构性纹理的缺点。实验方法对城区目标进行提取，结果表明该方法的有效性优于纯Markov随机场所采取的分割方法。     

高光谱影像纹理特征编码分形特征研究

提出了一种基于分形测度分析高光谱影像纹理的技术.根据高光谱影像纹理单元中相邻光谱矢量的相关关系构造方向性纹理特征,得到了一组纹理特征编码值,从纹理特征编码值本身、相同地物纹理特征编码自相似性和使用不同尺度测量纹理特征编码值构成的曲线所表现出来的幂指数关系三个方面,说明高光谱影像纹理特征编码曲线具有分形特征.设计了纹理特征编码曲线构建模型,采用纹理编码曲线的分形维值表征不同的纹理特征,达到区分和判别不同纹理的目的.试验表明,该方法对提取地物纹理特性具有可行性.     

2003—2022年长江流域水储量变化时空特征研究

针对探究长江流域内水储量变化的时空特征对水资源管理、灾害预防的重要意义，该文利用GRACE、GRACE-FO数据和水文资料采用主成分分析算法进行了研究。2003年以来，长江流域水储量呈现增多的趋势，在2003年1月—2017年7月以2.75±0.62 mm/a的速率上升，在2018年6月—2022年1月以0.54±2.19 mm/a的速率上升，上升速率变缓。主成分分析结果表明，长江流域水储量变化以年周期性信号为主，最明显年周期性信号出现在金沙江流域下游；第三主成分反映了小于一年周期的信号，对应的特征向量在2003年1月—2017年7月和2018年6月—2022年1月存在较大差异，导致这种变化的原因可能与极端气候事件有关。     

倾斜影像的三维纹理快速重建

针对三维城市模型重建,提出了一种利用倾斜影像实现城市模型纹理快速重建的方法。该方法基于摄影测量计算机视觉理论,在事先处理得到城市建筑物数字表面模型的基础上,利用共线方程计算物方与像方的几何投影关系,获得建筑物的三维信息与纹理信息。通过一定的最优算法选择出地物面的理想纹理,实现城市建筑物纹理的自动提取及稠密建筑物纹理的遮挡处理。真实影像纹理重建的结果表明:应用本文方法进行三维城市模型纹理重建具有自动化程度高、效果逼真、成本低的特点,为快速、大面积的城市真三维模型纹理重建提供了一种有效的实现途径。     

傅里叶谱纹理和光谱信息结合的高分辨率遥感影像地表覆盖分类

以高空间分辨率遥感影像为研究对象,将纹理特征与影像的光谱特征结合起来,用于地表覆盖类型分类。设计了一种基于傅里叶谱纹理的分类策略,对主成分分析后的第1、2主分量特征影像,利用径向谱（r-spectrum）提取纹理特征,并将纹理与光谱特征结合起来,构建了不同的分类特征用于支持向量机分类模型。以Salinas数据集和QuickBird影像为例,验证该算法。结果表明,纹理与光谱信息的结合可以明显提高高分辨率遥感影像的分类精度;由傅里叶径向谱提取的纹理特征可以很好的应用到高分辨率遥感影像的分类问题中,分类精度高于基于傅里叶总能量谱和灰度共生矩阵的分类精度;利用该算法对PCA变换后的第1和第2分量提取的纹理特征具有一定的互补性,并且结合多特征图像的纹理特征提取优于单特征图像的纹理特征提取。     

高分辨率遥感影像林地边界提取方法

由于高分辨率遥感影像上的信息高度细节化,加之噪声的影响,会导致基于像元级纹理特征的林地边界提取方法的效果不理想。为此,提出一种基于种子纹理基元合并的半自动林地边界提取方法。首先利用基于图模型的影像分割算法获取初始基元;然后定义了一种针对非规则基元统计基元级灰度共生矩阵(GLCM)纹理特征的方法;最后在人工给定种子基元的基础上合并具有相似纹理的基元,并对基元合并的结果进行边界提取,得到高分影像上的林地边界。利用多源高分影像对所提方法进行验证及对比分析。实验结果表明,该方法对高分影像上大片典型林地的边界可取得较高的提取精度和计算效率。     

基于变差函数的遥感影像纹理特征提取

遥感影像有着丰富的纹理信息,准确地提取纹理特征对于影像的分割和分类至关重要。基于变差函数的遥感影像纹理特征提取是一种比较实用的且处于探索阶段的影像纹理分析方法。文中通过实例对提取的方法进行了研究,并通过不同变异方向纹理图像的分析比较,阐述了纹理特征准确提取应正确选取的3个因子、不同计算方向对纹理图像生成结果的影响,实验和分析还表明了变差函数法是遥感图像纹理特征提取的一种有效手段。     

广义马尔可夫随机场及其在多光谱纹理影像分类中的应用

在二维马尔可夫随机场模型的基础上，提出顾及波段间的空间相关性，发展了一种适用于多光谱纹理影像分类的广义马尔可夫随机场模型。鉴于广义马尔可夫随机场模型的复杂性，利用最大伪似然法建立了求解模型参数的简化方程式，实现了纹理特征的快速提取。结合提取的纹理特征影像和光谱特征影像，采用概率松弛算法实现影像的分类。实验证明，提出的基于广义马尔可夫随机场的多光谱纹理影像分类算法克服了传统的基于光谱特征的分类算法的局限性，提高了纹理影像的分类精度。     

遥感图像纹理分析方法

本文针对遥感图像纹理特征,定义纹理是“图像像元亮度值空间变化率的一种量度”.据此定义,提出纹理强度和纹理密度两个新参量,定量地描述遥感图像的纹理特性。这两个参量反映了图像中相邻象元亮度值的差别及图象中象元亮度值变化的频数。所设计的相应提取方法包括:强度和法、绝对差法与最大、最小值法等三种纹理强度提取方法,以及两种纹理密度提取方法:一阶纹理密度法与二阶纹理密度法。同时,讨论了局部移动窗口大小的选择原则。本文不仅设计了从遥感图像亮度值的绝对变化提取纹理特征的方法,并进而提出相对梯度概念,从象元亮度值的相对变化描述图象的纹理特征;由相对梯度法生成的纹理图像,不仅可突出遥感图像的空间信息特征,并保留了原图像的部份波谱信息,原图像中的甚亮区和暗区、甚暗区（如山地背阴坡）的纹理结构得以清晰地显现,效果独特。     

Automated registration of dense terrestrial laser-scanning point clouds using curves

This paper proposes an automatic method for registering terrestrial laser scans in terms of robustness and accuracy. The proposed method uses spatial curves as matching primitives to overcome the limitations of registration methods based on points, lines, or patches as primitives. These methods often have difficulty finding correspondences between the scanned point clouds of freeform surfaces (e.g., statues, cultural heritage). The proposed method first clusters visually prominent points selected according to their associated geometric curvatures to extract crest lines which describe the shape characteristics of point clouds. Second, a deformation energy model is proposed to measure the shape similarity of these crest lines to select the correct matching-curve pairs. Based on these pairs, good initial orientation parameters can be obtained, resulting in fine registration. Experiments were undertaken to evaluate the robustness and accuracy of the proposed method, demonstrating a reliable and stable solution for accurately registering complex scenes without good initial alignment.     

A multi-index learning approach for classification of high-resolution remotely sensed images over urban areas

In recent years, it has been widely agreed that spatial features derived from textural, structural, and object-based methods are important information sources to complement spectral properties for accurate urban classification of high-resolution imagery. However, the spatial features always refer to a series of parameters, such as scales, directions, and statistical measures, leading to high-dimensional feature space. The high-dimensional space is almost impractical to deal with considering the huge storage and computational cost while processing high-resolution images. To this aim, we propose a novel multi-index learning (MIL) method, where a set of low-dimensional information indices is used to represent the complex geospatial scenes in high-resolution images. Specifically, two categories of indices are proposed in the study: (1) Primitive indices (PI): High-resolution urban scenes are represented using a group of primitives (e.g., building/shadow/vegetation) that are calculated automatically and rapidly; (2) Variation indices (VI): A couple of spectral and spatial variation indices are proposed based on the 3D wavelet transformation in order to describe the local variation in the joint spectral-spatial domains. In this way, urban landscapes can be decomposed into a set of low-dimensional and semantic indices replacing the high-dimensional but low-level features (e.g., textures). The information indices are then learned via the multi-kernel support vector machines. The proposed MIL method is evaluated using various high-resolution images including GeoEye-1, QuickBird, WorldView-2, and ZY-3, as well as an elaborate comparison to the state-of-the-art image classification algorithms such as object-based analysis, and spectral-spatial approaches based on textural and morphological features. It is revealed that the MIL method is able to achieve promising results with a low-dimensional feature space, and, provide a practical strategy for processing large-scale high-resolution images.     

用遗传算法确定马尔柯夫随机场的最佳参数

对现有马尔柯夫随机场 (MRF)参数的解求方法作了详细分析。针对现有方法存在的缺点 ,提出基于遗传算法的MRF参数解求方法 ;分析讨论了求解的稳定性 ;并利用解的稳定性作为纹理分类的判据 ,作了航空影像纹理的分类实验。实验结果表明 ,求解的方法是正确的。用解的稳定性作为判据的纹理分类效果 ,通过对比实验证明是有效的。     

顾及纹理特征贡献度的变化影像对象提取算法

遥感影像变化检测是全球变化研究的重要内容。基于两期遥感影像的变化检测方法存在数据条件要求苛刻、难以充分利用快速发展的多源遥感影像数据等问题。目前许多变化检测的参考数据中包含了一期分类矢量数据,矢量数据中往往包含了位置、形状、大小和类别属性等先验信息,充分利用这些先验信息将可提高变化检测精度。提取变化影像对象是结合矢量数据和遥感影像进行变化检测的核心步骤。本文提出了一种顾及纹理特征贡献度的变化影像对象提取方法。该方法利用矢量数据分割遥感影像,获取影像对象,计算影像对象纹理特征值。根据信息增益原理计算纹理特征参数的特征贡献度,选择特征参数。由贡献度指数大小确定纹理特征参数权重,计算影像对象与先验要素类别的相似度系数,提取变化影像对象。试验结果表明,基于纹理特征贡献度的特征参数选择,能有效地提高变化影像对象提取结果的精度。     

An Analysis of Texture Measures in PCA-Based Unsupervised Classification of SAR Images

In single-band single-polarized SAR images, intensity and texture are the information source available for unsupervised land cover classification. Every textural feature measure identifies texture patterns by different approaches. For efficient land cover classification, textural measures have to be chosen suitably. Therefore, in this letter, the role of various intensity and textural measures is analyzed for their discriminative ability for unsupervised SAR image classification into various land cover types like water, urban, and vegetation areas. To make the algorithm adaptable, these textural features are fused using principal component analysis (PCA), and principal components are used for classification purposes. To highlight the effectiveness of PCA, the difference between PCA- and non-PCA-based classifications is also analyzed. Analysis of the role of texture measures for unsupervised classification of real-world SAR data with application of PCA is presented in this letter. The analysis of how every individual feature measure contributes for classification process is presented, and then, textural measures for a feature set are chosen according to their role in improving classification accuracy. By analysis, it is observed that the feature set comprising mean, variance, wavelet components, semivariogram, lacunarity, and weighted rank fill ratio provides good classification accuracy of up to 90.4% than by using individual textural measures, and this increased accuracy justifies the complexity involved in the process.     

加入空间-时相纹理的高分辨率图像城市建筑物物倒塌提取

将两种基于地统计学的纹理特征加入到高分辨率遥感影像的城市建筑物倒塌探测中,考察了多尺度纹理对探测结果的影响.采用基于单类支持向量机的多时相直接分类方法提取建筑物倒塌信息.以伊朗巴姆地区2003 年12 月地震前后的Quickbird 遥感影像为数据源,评价和验证了本文方法的有效性.研究表明,将多尺度的空间和时相纹理信息加入到高分辨率遥感影像的倒塌建筑物探测中,可以有效提高分类精度,该方法得到的结果可应用于灾害救援及评估.