形状信息的提取与计算机自动分类

近年来，遥感数据越来越普遍地被利用为更新地理信息系统的数据源。但利用ＧＩＳ来改善分类精度的探讨却很少。本文提出了利用ＯＩＳ技术来提取形状信息和改善分类精度的新方法，从而使一些容易混淆的分类得到纠正。     

基于ERDAS的遥感影像分类方法研究

为了提高遥感影像分类精度,对传统的非监督分类、监督分类和专家分类进行机理分析,提出将影像中的纹理信息作为专家知识改进分类精度的技术方案。以胶州市QuickBird遥感影像作为试验数据,基于ERDAS IMAG-INE 8.6软件平台,对非监督分类、监督分类和专家分类进行实验数据比较分析,实验数据表明改进的专家分类方法分类精度最高,由于纹理信息参与专家分类,可较好地解决“同谱异物”和“同物异谱”对分类的干扰,优化分类后的影像,提高信息提取的准确度。     

融合图像和时空信息的社交媒体用户活动分类方法

社交媒体签到数据中蕴含着大量的用户活动信息。理解社交媒体用户的活动和行为类型,对探索人类的移动性和行为模式等有着重要意义。提出了一种针对新浪微博（简称为微博）的用户活动分类方法,结合图像表达和时空数据分类技术,识别微博签到数据所代表的用户活动类型。首先,根据兴趣点属性信息将微博签到数据所代表的用户活动分为餐饮、生活服务、校园、户外、娱乐、出行6大类;然后,基于卷积神经网络和K近邻分类方法,融合签到数据中的图像场景信息与时空信息,对微博用户的活动行为进行分类。实验结果表明,所提方法能够显著提高微博用户活动类型识别的准确性,为精确探索人类行为活动提供更加有效的数据支持。     

一种基于纹理和光谱特征的高光谱影像信息向量机分类方法

针对高光谱影像中空间特征信息利用不足的问题,提出了一种基于纹理和光谱特征的高光谱影像信息向量机分类方法。该方法首先采用三维Gabor滤波器对高光谱影像数据立方体进行纹理特征提取,提取后的影像数据同时具有光谱和纹理特征,避免了传统纹理特征提取带来的高维特征和光谱不连续的问题;然后采用分类精度和效率都较高的信息向量机进行分类处理。通过AVIRIS高光谱影像实验,结果表明该方法不仅提高了影像的分类精度,而且还消除了分类结果图中的类别噪声现象。     

利用激光强度信息分类激光扫描测高数据

三维机载激光扫描测高数据中不仅含有每个激光脚点的位置和高程信息，而且越来越多的系统同时能提供激光脚点回波信号的强度信息。不同反射面介质对激光信号的反射特性不一样．用实测的数据对激光回波信号的强度信息进行统计标定，并基于标定结果．实现了联合激光强度信息和高程信息进行分类的算法．获得了较为满意的结果。     

专题信息数据的生产、集成与应用

本文系统地分析了专题信息数据的分类与表达、基本要求以及数据源的选择利用等内容,提出了专题信息数据的生产共建、集成共享的方法,并以某地区的“专题工业园项目信息系统”的建设为案例进一步说明此方法的可行性与实际应用意义.     

一种特征选择的全极化雷达影像分类方法

针对极化合成孔径雷达(PolSAR)影像面向对象分类过程中存在数据冗余、特征维数高导致分类精度降低的问题,该文提出了一种基于信息增益比和基于相关性的特征选择(CFS)算法的分类方法。该方法首先在经典的过滤式CFS算法基础上,引入信息增益比评估模型舍弃贡献小的特征。然后采用目前流行的封装式分类回归树(CART)算法做进一步筛选并分类。最后以GF-3不同场景和成像时间的影像数据为例进行实验,将该方法与信息增益比评估模型优化特征集、CFS算法优化特征集、全部特征集的CART分类结果进行对比。结果表明,该方法各项精度评价指标均优于其他对比方法,验证了该方法在PolSAR影像面向对象分类领域的可行性。     

对国土资源部门户网站政府信息公开目录体系建设的思考和建议

政府网站信息公开目录在促进政府信息管理和公开、服务社会公众方面发挥着重要作用。本文对50个部委级门户网站政府信息公开目录进行了抽样调查,从分类方式、主题分类、页面表现和元数据项4个方面进行了统计研究,分析了存在的主要问题,最后对如何进一步完善国土资源部门户网站政府信息公开目录提出了几点思考和建议。     

构建基于GIS的房产管理

阐述了基于GIS房产管理的关键是建立统一的数据分类与编码标准,核心是建立房屋的空间地理属性信息、自然属性信息、社会人文属性信息的链接,基础是建立房产地理信息数据库。并提出了建立房产地理信息数据库的方法、设计思路和方式。     

基于SVM的多源信息复合的高空间分辨率遥感数据分类研究

遥感图像尤其是高空间分辨率（1—4m）遥感图像在土地利用和土地覆盖变化方面有着广阔的应用前景，传统高空间分辨率遥感图像信息提取方法存在精度和分类效率低的不足。本文提出的基于SVM的分类方法，复合光谱、纹理和结构信息等多源数据信息，对IKONOS高空间分辨率图像进行分类，并与最大似然法和单源数据（光谱）SVM分类结果进行定性和定量比较分析。研究结果表明，多源数据复合的SVM高空间分辨率遥感图像分类方法，能够有效解决单源数据信息图像分类效果破碎的问题；总精度达到68．38％，Kappa达到0．5993；对高维输入向量具有高的推广能力；比单源信息的SVM和最大似然方法图像分类精度更高，适合高空间分辨率遥感图像分类。     

融合形状和光谱的高空间分辨率遥感影像分类

提出了一种像元形状指数及基于形状和光谱特征融合的高（空间）分辨率遥感影像分类方法。形状和光谱是遥感影像纹理的具体表现形式,尤其在高分辨率影像中地物细节得到充分表达,相邻像元的关系及其共同表征的形状特性成为分类的重要因素。本文用像元及其邻域的关系来描述其空间结构,同时为了更全面地利用影像特征,提出了基于支持向量机的形状和光谱融合分类方法。实验证明,该方法计算简便且能有效表达高分辨率影像的地物特征,提高分类精度。     

一种结合拓扑信息和SIFT特征的多源遥感影像自动匹配方法

基于单一特征的匹配办法在多源遥感影像匹配中往往不适用的问题,提出了一种结合拓扑信息和SIFT特征的自动多源遥感影像匹配方法。该方法首先在两幅影像中使用SIFT算法在尺度空间上提取特征向量,其次对这些特征点使用最近邻提取1：N的多个可能的匹配点对,然后结合位置信息和拓扑信息对这些可能的匹配点对进行剔除,并使用RANSAC方法剔除粗差,最终得到同名匹配点。试验结果表明,相比于计算机视觉领域常用的SIFT算法,本文方法可有效地提高匹配正确率,并获得更多正确的同名点。     

Sentinel-2影像多特征优选的黄河三角洲湿地信息提取

以北方典型河口湿地—黄河三角洲湿地为研究区,采用在特征选择和分类提取等方面具有明显优势的随机森林算法,对研究区内的湿地信息进行提取。首先基于多时相、光谱信息丰富的Sentinel-2数据生成4类不同的特征变量,包括光谱特征、植被指数和水体指数、红边指数、纹理特征;再根据以上特征构建6种不同的提取方案,对黄河三角洲湿地信息进行提取并验证不同方案的提取精度,旨在选择最佳方案改善湿地信息提取的效果。结果表明:(1)有效地使用多种特征变量是提高湿地信息提取的关键,就不同特征对湿地信息提取的贡献率而言,红边指数植被指数和水体指数光谱特征纹理特征;(2)基于随机森林算法优选的特征变量提取效果最佳,总体精度高达90.93%,Kappa系数为0.90,表明随机森林算法可以有效地进行特征选择,在特征变量数据挖掘的同时,仍能保证湿地信息提取的精度,提高运行效率。本研究为湿地信息提取在数据源选择、特征选择和方法选择方面提供了一种新思路、方法和技术手段。     

面向对象的多特征分级CVA遥感影像变化检测

变化矢量分析CVA方法在中低分辨率遥感影像变化检测中已得到广泛应用,但由于高分辨率遥感影像存在不同地物尺度差异大、不同类别地物光谱相互重叠的问题,因此对于高分影像的变化检测具有局限性。为提高高分影像变化检测精度,提出了一种面向对象的多特征分级CVA变化检测方法,首先,利用基于区域邻接图的影像分割方法分别对两时相遥感影像进行多尺度分割,提取分割图斑的光谱、纹理和形状特征;然后,在各级尺度下,分别运用随机森林方法进行特征选择,计算CVA变化强度图;最后,根据信息熵对多级变化强度图进行自适应融合,利用Otsu阈值法检测变化区域,并与仅考虑光谱特征的分级CVA变化检测方法、像元级多特征CVA变化检测方法以及仅考虑光谱特征的像元级CVA变化检测方法进行比较分析。实验表明:与比较方法相比,本文方法的变化检测精度较高,误检率和漏检率较低。     

基于纹理和光谱信息的高分辨率遥感影像分类

提出了一种基于纹理和光谱信息的高分辨率遥感影像分类方法,阐述了其基本原理,并通过试验的对比和分析,证明了利用光谱特征与纹理特征相结合进行分类比单纯运用光谱特征进行分类效果更好。     

基于光谱空间密度分析的边缘提取

针对传统的边缘提取方法大部分不适应高光谱数据的特点，提出了基于光谱空间密度分析边缘提取的思想。在分组主分量变换提取第一主分量作为特征维的基础上，采用面向对象的二次判别边缘的方法，通过立体判决将光谱空间中低密度超椭球体集群视为真实边缘点集群。试验表明，此方法是合理可行的。     

Extraction of Alteration Mineral Information from Moderate Remote Sensing Images Using MPS Method

Although alteration minerals related to metallogenesis is very important in mineral exploration, information of alteration mineral is weakly expressed in remote sensing imagery, which is often subject to interfering noise and sometimes limited in spectral and spatial resolutions. Because of easy access, moderate images are the main sources of alteration mineral information. Therefore, it is very important to develop alteration mineral information extraction methods from remote sensing images. In this paper, a combined method based on Mask, principal component analysis (PCA) and support vector machine method (SVM) was used to extract alteration mineral information from Enhanced thematic mapper plus remote sensing data with limited spectral and spatial resolutions. First, a mask image of the remote sensing imagery was created to remove interference information such as vegetation, shadow and water. Then, PCA was employed to collect sample data relating to iron, argillic, and carbonatization alteration. Finally, SVM was used to deal with alteration anomaly and build a feature extraction model of high accuracy. The Mask-PCA-SVM model is used to extract alteration mineral information from remote sensing images of Hatu area, Xinjiang Uygur Autonomous Regions, China. The results show that the new methods proposed in this paper can coincide well with known deposits occurrences, rate reached 86.51%. While, the consistent rate with known deposits of the ratio model, PCA model and Spectral angle mapper model were only 3.37, 65.08 and 69.05% respectively. This suggests that the proposed model can find the actual distribution of mineral deposits more effectively by reducing interference to a greater degree.     

高光谱遥感图像的空间邻域指数

通过高光谱遥感图像空间邻域内光谱特征的变化,研究了邻域光谱度量指数;根据邻域内端元光谱特征的变化,提出了邻域独立端元指数提取图像的空间维细节信息。通过真实高光谱遥感图像检验,两类邻域指数能够较好地提取高光谱遥感图像中的细节,为进一步结合空间维、光谱维特征的高精度目标探测与识别创造了有利条件。     

矿化蚀变区典型地物光谱特征分析与空间结构研究——以内蒙古突泉县—扎鲁特旗成矿带为例

基于野外实测光谱数据,分析岩石、土壤和植被的光谱反射特征,提出在光谱特征空间研究典型地物的几何结构与空间关系,分析总结中等植被覆盖的矿物蚀变区典型地物在光谱特征空间中的分布形态与空间分布关系,为遥感矿化蚀变信息提取提供科学依据。     

利用卷积神经网络的高光谱图像分类

针对高光谱图像分类中对光谱信息利用不足的问题,提出一种基于卷积神经网络在光谱域开展的分类算法。该算法通过构建五层网络结构,逐像素对光谱信息开展分析,将全光谱段集合作为输入,利用神经网络展开代价函数值的计算,实现对光谱特征的提取与分类。实验中采用三组高光谱遥感影像数据进行对比分析,以India Pines数据集为例,提出的基于卷积神经网络的分类方法的分类正确率达到90.16%,比RBF-SVM方法高出2.56%,相比三种传统的深度学习方法高出1%~3%,训练速度也较为理想。实验结果表明,本文所提出的算法充分利用了高光谱图像中逐像素点的光谱域信息,能够有效提高分类正确率。与传统学习算法相比,在较少训练样本的情况下,更能发挥其良好的分类性能。