基础地理信息数据省、县联动更新探究——以安吉县为例

以浙江省省、市(县)联动更新工作(安吉县)为例,探索建立了对同一个地理实体对象基础地理信息只高精度采集一次的省、县基础地理信息数据联动更新模式,通过增量更新模式完成浙江省与安吉县基础地理信息数据的联动更新。     

利用多尺度融合进行面向对象的遥感影像变化检测

在面向对象的变化检测过程中,确定对象的最优分割尺度直接关系到后续的变化信息提取与分析。针对该问题,提出了基于多尺度分割与融合的对象级变化检测新方法。首先,利用由细到粗的尺度分割来获取不同尺寸的目标对象,然后依据对象的特征进行变化向量分析得到各个尺度上的变化检测结果。为了提高变化检测的精度,本文引入模糊融合及两种决策级融合方法进行多尺度融合,并利用SPOT5多光谱遥感图像进行试验。与像素级的变化检测方法相比,总体精度提高了10%左右,试验结果证明了这几种融合策略的有效性和可行性。     

多传感器组合导航系统的多尺度分布式滤波算法

将模型的动态系统分析与具有统计特性的多尺度信号变换方法相结合,首先将状态方程采用数据块变换的方式以得到新的状态块方程,并将量测方程表达为数据块的形式;然后将量测向量进行多层小波变换以得到新的量测向量,并结合状态块方程进行卡尔曼滤波;最后根据卡尔曼滤波结果建立多尺度分布式融合估计算法。仿真结果表明,相对于原始尺度的集中式卡尔曼滤波器及原始尺度的多尺度融合算法,本算法可明显地提高系统的滤波精度。     

基于多尺度特征融合和支持向量机的高分辨率遥感影像分类

相对传统的中低分辨率遥感数据而言,高空间分辨率遥感影像同一地物内部丰富的细节得到表征,空间信息更加丰富,地物的尺寸、形状以及相邻地物的关系得到更好的反映,但其光谱统计特性不如中低分辨率影像稳定,类内光谱差异较大,而传统分类方法仅依据像元的光谱值,因此在高分辨率影像分类中,传统方法往往不能获得好的结果。在此背景下,提出了一种多尺度空间特征融合的分类方法,旨在利用不同尺度的空间邻域特征弥补传统方法的不足。其基本过程是：首先针对不同尺度特点,用小波变换压缩空间邻域特征,并结合支持向量机得到不同尺度下的分类结果,然后根据尺度选择因子为每个像元选择最佳的类别。文中QuickBird和IKONOS影像实验证明该算法能有效提高高分辨率影像解译的精度。     

基于分辨率融合的多尺度遥感影像分类技术研究

影响遥感图像分类效果的主要因素之一是影像的空间分辨率。本文将Quickbird多光谱影像与高分辨率全色影像相融合,在保留了光谱信息的同时提高了影像分辨率。然后对融合后的影像进行多尺度分割,并运用地物的光谱统计特征、形状、纹理、类间关系等因素进行相关信息的提取。采用面向对象的模糊分类方法对试验区影像进行分类,最后对结果进行了精度评价。试验表明这种方法具有较高的精度。     

利用慢特征分析进行多尺度融合的 高分辨率影像变化检测

提出利用慢特征分析的特征级多尺度融合的方法。首先对两时相影像分别进行多尺度分割,并与原始影像共同构成多尺度特征集;其次对特征集进行迭代慢特征变换,增大变化区域与未变化区域的可分性;最后通过K-means聚类完成变化区域与未变化区域的分割,得到二值变化检测结果。通过两组北京地区的多光谱影像实验发现,该方法具有更高的精度和自动化程度。     

当代测绘科学技术中几个易混淆名词术语的论释

随着测绘科技的现代化,国际之间的学术交流日益频繁,其间有许多新的名词术语发生渗透、需要对译。由于各国文化传统、文字表达等的差异,对它们的理解、解译及表达上难免会有些不同。有一些术语的含义相近,部分操作重叠或包含,在许多论著、文献中对这些术语的解释不甚详细或存在差异,常引起歧义,由此产生的混淆和误用现象比较普遍。对一些较常见的术语作些研讨,期望有助于对它们的理解、鉴别和使用。     

多特征多尺度相结合的高分辨率遥感影像建筑物提取

在高分辨率遥感影像中,建筑物通常表现为多尺度形态,且存在同谱异物和同物异谱现象。因此,本文提出了一种综合利用光谱特征、形状特征和纹理特征,并结合多尺度分割的建筑物分级提取方法。该方法首先对遥感影像进行形态学建筑物指数（MBI）计算,而后对其特征影像进行阈值分割,并借助形状特征参数实现建筑物初提取;然后引入面向对象思想完成遥感影像多尺度分割,并利用纹理特征实现单一尺度的建筑物对象识别;最后借助多尺度融合思想完成建筑物后提取。利用本文方法对冲绳某地区影像进行了建筑物提取试验。试验结果表明,该方法的识别查准率和查全率在对象级和像素级两方面均取得较高精度。     

基于数据融合的多尺度图像去噪方法

将图像系数尺度内相关模型较强的去噪能力与尺度间相关模型保持边缘的优越性能相结合，提出了一种新的基于数据融合的多尺度图像去噪方法。同时引入了一种新的基于结构相似性（SSIM）指数的图像质量标准来衡量初始去噪图像和融合后图像与原始图像的相似程度，评估图像保持边缘和去噪的能力。仿真结果表明，基于数据融合的方法具有更好的视觉效果和去噪性能。     

基于道路网矢量数据的遥感影像道路损毁检测

利用面向对象方法对地震后高分辨率遥感影像上的道路进行多尺度分割和分类.通过融合地震前道路网矢量数据与地震后遥感影像,提出一种基于自适应模板的道路损毁检测方法.试验结果证明,该方法能够快速、准确地对损毁信息进行提取.     

多尺度同质区域提取的高分辨率遥感影像分类研究

提出了一种监督的多尺度同质区域的提取、融合和分类方法(ECHO),该方法同时考虑了地物的光谱。和空间信息。利用空间分辨率为5 m的华盛顿商业街数据和空间分辨率为0.7 m的北京地区QuickBird数据,证明该方法能有效提高高分辨率遥感影像的解译精度。     

城市地表温度影像时空融合方法研究

地表温度（land surface temperature,LST）是反映地表能量和水平衡物理过程的一个重要参数,受限于载荷量的限制以及传感器的技术瓶颈,当前的卫星平台均难以获取同时具有较高空间和时间分辨率的遥感地表温度影像,客观上影响了遥感地表温度影像的应用。针对地表异质性较高的城市区域,选取覆盖武汉城区的中分辨率成像光谱仪（Moderate-Resolution Imaging Spectroradiometer,MODIS）和增强型专题绘图仪（Enhanced Thematic Mapper Plus,ETM+）数据,结合时空反射率融合模型（enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM）和非线性辐射温度分解算法（non-linear disaggregation procedure for radiometric surface temperature,NL-DisTrad）对地表温度影像进行时空融合研究,最终生成60 m空间分辨率的逐日地表温度融合影像。将融合影像与2002-07-09和2002-10-13的ETM+实际地表温度影像进行融合精度验证分析,其决定系数R2分别为0.80和0.86,均方根误差（root mean square error,RMSE）分别为2.65 K和1.78 K。实验结果表明,所提出的地表温度时空融合模型在城市区域的地表温度时空融合应用中具有潜在的应用前景。     

初探导航电子地图的增量更新

以导航电子地图数据库增量更新平台的设计为切入点,讨论如何利用多源空间信息融合与处理技术去全面提升导航产业的深度,广度及现势性的空间信息服务,包括：基于多尺度空间数据库,不同地域的导航地图数据格网建立,全面缝合基于多维采集的多源数据;面向服务架构的空间数据库引擎保证最大化（千人及以上）的团队协同导航数据存取,编辑能力,全面支持不同行业应用的位置服务数据中心等;基于版本驱动的增量导航数据编辑软件确保全国导航数据的季度全数据集更新,重点城市的月度全数据集更新及实时动态信息发布。     

实景三维技术在敦煌雅丹地貌数字化存档中的应用

敦煌雅丹地貌因其珍贵和独特成为地质遗迹的典型代表,是一种稀有且无法再生的地质自然遗产。针对雅丹地貌的管理、保护与无具象化参考资料的问题,本文提出了一种融合多源数据进行多尺度实景三维建设的方法,在保证重建效率的同时,与传统倾斜摄影测量相比增强了模型细节。模型精度检测表明,本文所提实景三维建设方法能有效地记录敦煌雅丹地貌的几何构造和纹理细节,通过该技术对敦煌雅丹地貌进行数字化保存,可为今后修缮与重现提供重要依据。     

利用地物的几何属性改进影像分类效果

利用地物的几何属性修正分类,以避免分类中的光谱混淆问题。首先介绍了方向对称变换,然后给出了在监督学习确定尺度因子的基础上,利用方向对称变换提取空间物体的几何属性及利用这一属性改进分类结果的过程。在尺度因子和方向对称变换的计算中,还对多重影像的结合问题进行了探讨。实验结果表明,文中所提出的方法对改进遥感影像分类具有一定效果.     

基于多尺度融合特征卷积神经网络的遥感图像飞机目标检测

飞机检测在遥感图像解译中具有重要的研究意义。针对现有目标检测算法对于复杂场景区域或飞机密集区域的小尺度飞机目标检测精度较低的问题,本文提出了一种端到端的多尺度特征融合飞机目标检测框架MultDet。该方法基于SSD多尺度检测框架,采用轻量级基础网络提取多尺度特征信息;然后设计反卷积特征融合模块,通过跳跃连接将高层语义特征与低层细节特征进行特征融合,得到结构层次丰富的多尺度融合特征;最后设计了一系列不同纵横比的候选框以适应多尺度飞机目标检测。本文在光学遥感图像数据集UCAS-AOD上进行数据分析试验,结果表明,MultDet512在飞机数据集上取得了94.8%的平均检测精度(average precision,AP),在Titan Xp GPU上达到0.0500s/img的检测速度。本文所提飞机目标检测算法在包含多种复杂场景的遥感图像中,能够实现多尺度飞机目标的高精度稳健检测。     

结合特征选择的CVA多尺度遥感影像变化检测

针对在多时相变化检测中,面向对象方法无法较好地检测影像中的细微变化,受分割效果以及面向像素方法的影响出现较高虚警率等问题,本文提出了一种结合基于像素的多特征变化向量分析法（CVA）与基于对象的多层次分割的联合判别方法。首先提取不同时相的光谱与纹理特征,利用最大相关最小冗余（mRMR）算法进行特征选择并通过CVA得到像素级变化检测结果;然后对两幅影像进行叠合分割,利用区域合并策略进行不同尺度检测并获取各尺度检测结果;最后结合多种检测结果进行融合,获得最终变化检测结果。检测结果表明本文所提方法能有效降低漏检率,同时提高了检测的准确性。     

数据融合视角下的遥感参量空间降尺度

空间分辨率不足是限制遥感参量数据精细应用的主要瓶颈问题之一,而空间降尺度是提升遥感参量数据空间分辨率与应用能力的有效途径。研究学者针对不同遥感参量已发展了类型多样的降尺度方法,但还未形成统一、通用的分类体系。在深入分析当前各类参量降尺度共性问题的基础上,从降尺度所需的互补信息出发,以数据融合的视角对空间降尺度方法进行系统总结,归纳出多参量融合、时-空融合、遥感-模型融合和超分辨率重建隐式融合4类降尺度方法,剖析了各类方法的优缺点和适用场景,探讨了空间降尺度方法研究的发展趋势,为提升遥感数据精细化应用能力提供理论与技术支撑。     

基于多层次感知网络的GF-2遥感影像建筑物提取

高分辨率遥感影像建筑物提取任务在城市规划、城镇化进程等领域发挥着重要作用.针对现有的深度学习提取方法存在浅层特征未得到有效利用、小目标信息容易丢失等问题,提出了一种多层次感知网络.该网络利用密集连接机制充分提取特征信息,并构建平行结构保留不同特征分辨率的空间信息,增强不同深度、尺度特征信息,减少细节特征的丢失;同时利用...     

基于融合和IFLICM算法的非监督遥感影像变化检测

提出了一种基于多尺度小波融合和改进的非监督模糊聚类的多光谱遥感影像变化检测方法。该算法解决了目前很多算法造成虚警率较高,而且未能充分利用像元之间空间关系的问题。首先利用二维离散小波（DWT）多尺度分解的方式来构造差异图,通过对两种小波分解系数融合的方式来抑制噪声点和突出变化区域。考虑到像元之间的空间位置信息,在融合后的基础上采用改进的模糊局部信息聚类（IFLICM）的方法得到变化检测结果。对两个时相的多光谱遥感卫星影像进行变化检测试验,试验表明基于融合的变化检测结果精度更高,并且改进后的聚类算法效果比其他聚类算法效果更好。