产生"Tuned"模板的Bayesian Networks 方法

介绍了Bayesian Networks（简称BNs）产生“Tuned”模板新方法的基本原理以及BNs法与蚁群行为仿真技术和单纯形法组合的方法。通过实际航空影像的实验结果表明，新方法对纹理影像的识别率是令人满意的，同时还将新方法与遗传算法的结果作了对比，结果表明新方法是很有应用前景的。     

产生“Tuned”模板的的混沌粒子群算法

针对传统的产生纹理“Tuned”模板方法的缺陷,在介绍混沌粒子群优化算法的基础上,提出了产生最佳“Tuned”模板的混沌粒子群方法;阐述了产生“Tuned”模板新方法的基本原理和实现步骤.通过对实际航空影像分类的实验表明,新方法对纹理影像的分类正确率令人满意.将混沌粒子群算法与基本粒子群算法的结果作了对比,结果表明,新方法具有较好的应用前景.     

产生Tuned模板的基因扰动优化法研究与分析

提出一个基于基因优化产生Tuned模板的新方法——基因扰动优化法(GDO法)。首先在初始模板群体中,根据求得的适应度值较好的少数几个模板,确定为优秀模板;然后对优秀模板中的每个基因分别进行扰动,根据扰动前后适应度值增加(或减少),确定每个优秀模板的两个优秀基因;最后,对优秀基因的数值引入扰动,得到一组新模板,进入下一代的计算,如此不断地优化得到最佳Tuned模板。经理论分析和对真实图像分类的实验证明,GDO法是一个很有潜力的优化方法。     

基于危险理论的影像纹理调制模板的优化

将危险理论引用到Bayesian Network技术产生纹理调制模板的方法中,解决应用Bayesian Network技术产生调制模板中不能保证纹理模板不断优化的问题。文中介绍危险区、危险信号的概念,并阐述怎样从危险区中找出有效数据的途径。详细介绍在基于Bayesian Network的模板优化中引入危险理论的思路、例证以及计算过程,并通过对实际航空影像纹理分类的试验证明了将危险理论应用于模板优化的有效性和优越性。     

遗传算法与单纯形法组合的影像纹理分类方法

提出遗传算法(简称GA)与单纯形法组合的影像纹理分类方法(简称GASPX)。单纯形法是一种局部搜索方法，它通过反射，扩张，收缩操作，求得新的单纯形点，组成新单纯形，新单纯形比前一个单纯形更接近局部最优解。这种寻优方法收敛速度快，它与GA组合起来可以改善单独使用GA收敛速度慢的缺陷。由于在组合算法中是多个单纯形的局部区域的并行搜索，避免GA优化过程中过早收敛于局部最优解的现象出现。通过5种不同类别航空影像纹理识别的试验，并与GA的结果作对比，结果表明GASPX法优于GA法。     

面向土地利用分类的HJ-1 CCD影像最佳分形波段选择

环境一号卫星（HJ-1）CCD影像光谱波段较少,地物之间的准确分类识别有一定困难。采用分形纹理辅助地物分类识别是一种有效方法,而波段选择是提高分类识别精度的关键。本文以江西赣州定南县土地利用分类为例,采用双毯覆盖模型对HJ卫星CCD影像6类典型地物的波谱分形特征进行了分析,利用不同地物在不同波段上的分形区分度差异构建了最佳分形波段选择模型,并利用该模型挑选出最佳分形波段来辅助土地利用分类,最后对分类结果进行检验。结果表明：最佳分形波段选择模型能够综合权衡不同地物在不同波段上的分形区分度差异,利用挑选出来的最佳分形波段来辅助分类,其分类总体精度相对于原始影像分类提高了11.77%,相对于第1主成分分形辅助下的分类提高了1.56%。     

一种遥感影像地面控制点动态模板匹配算法

 鉴于影像灰度控制点匹配算法运算量大、识别精度低以及约束条件多等不足，本文对该算法做了改进。主要思路是： 在进行模板运算时，对目标影像采用动态模板进行不等距搜索； 利用灰度相关系数双阈值和等角变换，对目标控制点进行判别； 结合控制点间的空间位置关系，对未识别出的控制点进行定位。文中给出了具体的实施流程，并采用ASTER和TM两种成像差异显著的图像数据，对优化前后的匹配算法进行对比试验。结果表明，改进算法在运算效率、识别精度以及适应性方面，都比传统算法有明显优势。     

基于Tree Augmented Naive Bayes Classifier的影像纹理分类

提出了一种松弛方法，允许类别节点下的相邻子节点之间存在相关关系（有向边），这种方法称为树增强型简单贝叶斯分类器（tree augmented naive Bayes classifier，TAN）。实验结果表明，TAN比简单贝叶斯分类器（naive Bayes classifier，NBC）可以获得更高的分类精度。     

结合空间像素模板和Adaboost算法的高分辨率遥感影像河流提取

充分有效地利用像素间的空间关系,是提高高分辨率遥感影像解译精度的关键之一。提出一种空间像素模板来获取空间邻域关系,并结合Adaboost集成学习算法来实现高分辨率影像上河流的精确提取。首先,基于过滤式特征选择方法自动生成像素模板,继而构建多维特征向量,然后利用Adaboost算法实现多特征的加权集成利用提取河流。相关试验结果表明,本文提出的方法河流提取结果面向对象特征显著,并且能够较好地将与河流具有光谱重叠的其他地物区分开。     

辅以纹理特征的SAR图像分类研究

随着微波遥感的发展 ,SAR图像的应用越来越受到人们的重视。因为它不仅具有全天时 ,全天候的特性 ,而且它还能提供不同于红外和可见光传感器的不同的信息。但是 ,由于 SAR图像的成像特点 ,它的图像也表现出散斑多 ,波段少等缺点 [1 ]。在分析几种纹理统计分析方法的基础上 ,针对 SAR图像的特点 ,试图通过不同纹理分析方法达到提高 SAR图像解译精度的目的。试验表明 ,纹理分析对于提高 SAR图像解译精度是一种有效且重要的方法     

无约束最优化的一个算法

无约束最优化是最优化的重要组成部分，一方面它可以用来直接解一些实际问题，另一方面它又是解决其它一些数学问题的工具。本文给出求解无约束最优化的一个算法，该算法简便，且具有二次终结性。证明了算法的全局收敛性，数值结果表明有较快的收敛速度。     

一种消除坡度分级图中“马赛克现象”的方法

介绍了基于数字高程模型进行坡度分析的一般方法，分析了坡度分级图中出现的“马赛克现象”的原因，本文尝试利用数字高程模型内插的思路制作坡度分级图，较好的消除了“马赛克现象”；同时提出了一种坡度分级数据边界线的提取方法。     

生产与科研一体化地图保障模式研究

互联网时代,用户对地图生产提出了新的、更高的要求,而构建生产与科研一体化的地图保障机制成为满足这种需求,保证地图生产顺利实施的基本保证。本文在分析地图生产技术环境特点与地图服务需求特点基础上,从生产与科研一体化地图保障模式的概念、构建依据、构建方法、意义等方面做出探讨,可以为新型地图生产机制的建立提供参考。     

多父体杂交演化算法求解约束优化问题

提出了一种求解约束函数优化问题的新算法。设计了3种新的多父体杂交算子,这3种算子都使用了统计信息来决定搜索方向,使算法具有较高的收敛速度,同时又具有互补的特性,使得种群在演化过程中能保持较好的多样性,不容易陷入局部最优。对常见测试函数的数值实验证实了新方法的有效性、通用性和稳健性,其性能优于现有的一些演化算法。     

道路网多特征匹配优化算法

同名道路匹配技术是道路数据集成、更新和融合的重要前提。道路网匹配在智能交通(intelligent transportation system,ITS)与位置服务(location-based service,LBS)等方面具有重要的研究价值和应用意义。本文提出了一种道路网多特征匹配优化算法:首先从形状、距离、语义3方面分别设计了基于面积累积的形状差、综合中值Hausdorff距离和全局加权属性项距离3种相似性度量,以更准确地描述道路待匹配对之间的特征差异;然后通过SVM对相似性特征样本集训练,以构建道路网回归匹配模型;最后利用此模型对未知匹配结果道路待匹配对进行匹配结果预测。大量试验结果表明,本文算法对非线性偏差明显的道路网数据能够实现较高的匹配准确率和召回率,能有效地用于包含多重匹配关系的道路网匹配。     

蚁群算法求解三维表面路径方法的研究

针对不规则三维表面路径寻优的问题，提出了一种将连续三维表面进行格网离散化的基于蚁群行为的解决方法，对基本蚁群算法的信息素更新策略进行了改进，并通过实验进一步验证了算法的有效性。     

并行蚁群算法及其在区位选址中的应用

提出基于多叉树并行蚁群算法的区位选址优化方法.算法依据蚁群算法具有的并行特性,采用GPU(graphic processing unit,图形处理器)并行运算技术,对地理空间进行多又树划分,收集蚂蚁在多又树层间旅行时逐步留下的信息素信息,进行路径选优获得理想的候选解,从而为解决平面空间资源优化配置问题提供新的思路.实验结果表明,与普通蚁群算法相比,采用基于多叉树搜索的并行蚁群算法,能够发挥蚁群算法的并行特征,在短时问内求得较为理想的解,适合计算大区域的空间资源配置问题.     

基于PMVS算法的大规模数据细粒度并行优化方法

三维多视角立体视觉算法（patch-based multi-view stereo,PMVS）以其良好的三维重建效果广泛应用于数字城市等领域,但用于大规模计算时算法的执行效率低下。针对此,提出了一种细粒度并行优化方法,从任务划分和负载均衡、主系统存储和GPU存储、通信开销等3方面加以优化;同时,设计了基于面片的PMVS算法特征提取的GPU和多线程并行改造方法,实现了CPUs_GPUs多粒度协同并行。实验结果表明,基于CPU多线程策略能实现4倍加速比,基于统一计算设备架构（compute unified device architecture,CUDA）并行策略能实现最高34倍加速比,而提出的策略在CUDA并行策略的基础上实现了30%的性能提升,可以用于其他领域大数据处理中快速调度计算资源。