物联网常识

物联网（TheInternetofthings）的概念是在1999年提出的,它的定义很简单：把所有物品通过射频识别（RFID）、红外感应器、全球定位系统、激光扫描器等信息传感设备与互联网连接起来,进行信息交换和通讯,实现智能化识别、定位、跟踪、监控和管理。     

结合高光谱像素级信息和CNN的玉米种子品种识别模型

玉米作为中国重要粮食作物,品种众多,易出现错分现象,影响农业安全和粮食生产。针对传统基于卷积神经网络CNN（Convolutional Neural Network）的高光谱图像作物品种识别模型所需建模样本数量巨大的问题,提出基于高光谱像素级信息和CNN的玉米种子品种识别模型。首先,获取不同品种玉米种子在400—1000 nm范围内的高光谱图像,提取样本全部像素的203维光谱信息,利用主成分分析PCA（Principal Component Analysis）算法将光谱维度降至8维。在实验中,样本的像素级光谱信息（即：样本的全部像素的光谱信息）除应用于CNN模型外,也应用于支持向量机（SVM）和K近邻分类（KNN）模型中,结果表明：在相同模型中,基于像素级光谱信息比基于米粒级光谱信息（即：每粒样本所有像素光谱信息的平均值）识别效果好;在相同情况下,CNN模型比SVM和KNN模型的识别效果好;基于像素级光谱信息和CNN的品种识别模型识别效果最稳定,依据像素级分类结果采用多数投票策略对玉米种子样本进行识别,样本识别精度高达100%（注：100%为建模集样本与测试集样本数量为0.27和0.32时的识别精度,随着测试集样本数量的增加,该识别精度将有所降低）。最后,使用t分布随机邻域嵌入（t-SNE）算法实现CNN输出特征值的可视化,验证了基于高光谱像素级信息和CNN的品种识别模型的有效性。在建模样本极少的情况下,实现了玉米种子品种的无损、高效识别,为精准农业提供了理论基础。     

深度卷积神经网络的遥感影像水体识别

从遥感影像中准确识别水体信息对水资源管理和洪涝灾害监测有重要意义。目前,传统遥感水体识别方法仍存在着不足,难以满足实际应用中的精度要求。近年来,卷积神经网络CNN (Convolutional Neural Network)的快速发展,为高分辨率遥感水体识别提供了新的思路。本文基于高分一号卫星数据,利用DenseNet、ResNet、VGG、HRNet等CNN模型和传统的归一化差异水体指数（NDWI）进行洪泽湖地区不同季节的水体识别,并采用精确度（P）、召回率（R）、F1分数和误判率（MRate）等指标来评价各种方法的水体识别能力。在DenseNet经典结构中加入了上采样过程和跳层连接结构,以解决梯度爆炸和梯度消失问题;采用OSTU方法确定NDWI的最优阈值,以降低水体识别的不确定性。得出主要结论如下：（1）所有CNN网络模型的水体识别效果都显著优于传统NDWI方法;例如,NDWI识别的精确度仅为0.779,而所有CNN网络模型的识别精确度均高于0.922。（2）改进后的DenseNet模型有效缓解了梯度爆炸与梯度消失的问题,其水体识别结果在识别精确度P(0.960)和误判率（0.04...     

车载POS公路线形特征识别与参数计算

为了高效获取高质量公路线形参数信息,采用车载定姿定位系统（position orientation system,POS）获取的离散坐标、姿态等信息,通过后处理的方式反演公路线形参数及特征。包括利用均值加速中值滤波平滑的姿态信息分析曲率分布特征,并进行线形特征初步识别、直线和圆曲线线形窗口准确识别与参数计算,利用平差后的直线和圆曲线参数计算缓和曲线参数,最终获得全路段最优化轨迹及线形特征信息。利用该方法处理某公路路段（全程20 km）的车载POS数据,处理结果证明该方法简单高效,具有可行性。     

GF-6影像应用于林地与非林地识别的潜力分析

为研究我国首颗携带红边波段的高分六影像（GF-6）在林地与非林地上的识别贡献,本文选择复杂林地类型的安徽省黄山市作为研究区,采用特征优选（RFE）与随机森林（RF）相结合的方法开展了林地与非林地识别潜力研究。首先根据实地调查、Google Earth影像及林地"一张图"样本数据构建了样本库;然后基于DEM、多时相光谱特征、植被指数、红边指数等特征开展分类,并比较不同模型精度及不同变量的重要度。结果表明：GF-6红边信息对林地非林地识别较为重要,引入红边信息可将总体分类精度提升2%,其他新增波段及地形特征对林地与非林地识别贡献并不明显;多时相数据的运用相比单时相数据可整体提高林地类型的分类精度2.93%~4.1%,单时相分类结果6月最好,9月次之,12月最差;特征优选可以有效减少数据输入维数（46到15）,并取得最高分类精度,在不牺牲精度的同时保证了运算数据量的减少且明确了不同变量的贡献,具有较强的应用意义。     

一种综合利用图像和光谱信息的物体真假模式识别方法

传统模式识别方法在物体、人脸、指纹、军事目标识别等领域中只利用单一的图像信息。当研究对象的图像特征高度相似时,识别率较低,如对于真假目标的识别,仅仅利用物体的图像信息很难得到满意的识别结果。针对上述问题,提出了一种综合利用图像和光谱信息的物体真假模式识别方法。该方法采用卷积神经网络模型,通过迁移学习的方式构建图像识别模型,并依据物体图像的语义特征进行物体类别识别,在此基础上,基于逆传播（back propagation,BP）神经网络模型,结合物体的实测光谱数据进行物体真假识别。为了验证该方法的准确性和有效性,利用真假苹果和葡萄作为测试对象,单独利用图像信息和光谱信息进行识别时,识别率分别为38.50%和63.00%,而利用该综合方法得到的识别率为95.00%。可认为该方法提高了真假目标混杂情况下的识别准确度,可为物体识别、人脸识别、指纹识别、军事目标识别等领域的应用提供重要的参考,也为航天侦查载荷设计提供了新的思路。     

利用NOAA－AVHRR资料提取水体信息的初步研究

本文讨论了应用ＮＯＡＡ－ＡＶＨＲＲ资料来提取水体信息的方法。采用ＡＶＨＲＲ一、二通道（下面简写为ＣＨ１、ＣＨ２）获得的地面反射率数据构成的归一化植被指数（ＮＤＶＩ）来识别水体，并初步提出了应用模糊数学的方法提取混合像元中的水体面积信息的技术思路。     

红边波段在水稻生育期识别中的应用研究

为了研究红边波段对水稻生育期识别的影响,利用无人机多光谱影像,基于随机森林（random forest,RF）和支持向量机（support vector machine,SVM）两种算法,对水稻的分蘖期、拔节孕穗期、抽穗扬花期、成熟期进行识别。结果表明,归一化差值红边指数（normalized difference red edge index,NDRE）、红边叶绿素指数（chlorophyll index-red edge,CIrededge）识别的总体精度明显高于归一化植被指数（normalized differential vegetation index,NDVI）、绿边叶绿素指数（chlorophyll index-green,CIgreen）、增强型植被指数（enhanced vegetation index,EVI）的总体精度。NDRE在拔节孕穗期的用户精度比NDVI低,而在分蘖期、抽穗扬花期、成熟期的识别精度比NDVI高。相比于CIgreen,CIrededge在抽穗扬花期识别精度更高;各波段组合识别水稻生育期的总体精度表现为RGB+RE>RGB+NIR+RE&g...     

CCD星点提取方法研究

电荷耦合器件CCD星敏感器的关键问题是星图识别,星图识别就是从星敏感器获得的原始星图中获取星的位置和星等信息。在介绍星敏感器工作原理的基础上,初步探讨了电荷藉合器件（CCD）天文定位的应用和优点,重点分析了Moravec算子、Frstner算子、Harris算子等几种点特征提取算子的原理和其适用性。     

基于生态多稳态的山地植被垂直自然带定量识别研究——以新疆博格达山为例

山地生态系统的自然特征和服务功能与其自身的垂直自然带分布有着密切的关系,定量识别其分布的海拔范围,能够快速捕捉气候和植被之间的相互作用结果。过渡范围海拔的定量识别往往会受到数据的时空连续性和模型分析能力的限制。本研究将温带荒漠、山地草原、山地针叶林、高山草甸、高山垫状植被作为生态系统稳定状态,利用Landsat-8和SRTM DEM数据,基于稳态转换原理结合势能分析方法,估算垂直自然带相邻两个状态的势能量,识别博格达山北坡垂直自然带的生态过渡区域及分带海拔。研究结果：（1）沿海拔梯度,地表温度LST (Land Surface Temperature)概率密度分布呈现多峰模式,赤池信息准则AIC (Akaike Information Criterion)最小值对应的模式数为2,二者均揭示存在不同的生态系统状态;（2）势能分析识别出沿海拔梯度相邻垂直自然带间的生态过渡区域及分带海拔,温带荒漠带—山地草原带（海拔1062—1093 m,1066 m）、山地草原带—山地针叶林带（海拔1689—1764 m,1707 m）、山地针叶林带—高山草甸带（海拔2690—2744 m,2714 m）...     

用于内置式标签地图权重表达的等差字大策略评估

在标签地图应用日益增加的背景下,亟需开展标签权重表达策略的评估研究。引入眼动跟踪方法,针对常用于标签地图权重表达的一种等差字大策略进行评估。实验设定无目的自由浏览和有目的阅读分析两个应用场景,布置标签选取、识别/搜索、记忆和主观评价任务,统计分析被试完成以上任务的眼动数据和其他衍生数据,结果显示:（1）不同大小的标签在信息凸显性、视觉吸引力、权重记忆以及识别/搜索时的搜索效率、阅读效率和认知负担方面并未表现出明显差异性;（2）文字大小处于上游的标签相比处于下游的标签更加容易被识别/搜索,被试的兴趣度更高,但并不意味着文字越大的标签越容易被识别/搜索,被试的兴趣度越高;（3）采用等差字大策略的标签地图总体评价良好。该研究有助于地图设计者进一步了解等差字大策略的特点。     

扫描线并行跟踪算法

在等值线图像的跟踪过程中, 常常由于原始图纸的质量较低或扫描仪的原因, 会出现细化错误和跟踪不完全, 从而导致理解困难和识别错误。作者提出的并行跟踪算法省去了细化过程, 以扫描线方式并行地检出图像信息, 并将输入序列描述为正规表达式的正规集, 构造一个确定有限自动机（ ＤＦＡ） , 对正规集进行识别, 从而达到对相关图像信息的整体提取。     

风云四号卫星东南沿海热带气旋强度深度学习估算

热带气旋TC（Tropical Cyclone）是影响中国的一个重要天气系统。TC强度准确估测对台风灾害防御具有至关重要的意义。本文基于第二代静止气象卫星风云四号（FY-4A）多通道扫描成像辐射计AGRI（Advanced Geosynchronous Radiation Imager）资料,建立了台风强度识别的深度卷积神经网络模型CNN（Convolutional Neural Network）,对台风强度不同等级和台风中心最大风速进行了试验。结果表明,CNN模型具有良好的高维非线性处理能力和算法稳定性,能对TC强度进行有效估计,不同TC强度等级识别精度均在97%以上,近中心最大风速平均绝对误差MAE（Mean Absolute Error）为1.75 m/s,均方根误差RMSE（Root Mean Square Error）为2.04 m/s。CNN可有效挖掘卫星TC形态的深层信息,对台风强度的定量化估测具有较高的应用前景。     

从散射辐射传输成像到定量精细遥感的信息

星载遥感是电磁波与环境目标相互作用散射辐射传输获取数据图像,并进而反演诠释环境目标物理特征的信息技术。随着星载遥感多任务、多频段、多极化、高分辨率等多源多模式的发展与融合,星载遥感定量精细信息的需求提出了一系列新的信息链科学问题。本文概述本实验室在近十多年里在星载遥感领域的电磁散射辐射传输理论到定量精细遥感信息链的研究,包括：矢量辐射传输与星载微波遥感数据定标与验证（CAL/VAL）、极化电磁散射与全极化多模式合成孔径雷达（SAR）成像信息、高分辨率遥感与自动目标识别（ATR）技术、月球火星等外星遥感信息获取等。     

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。     

面状居民地聚类方法的对比分析

探索建筑物的空间分布模式信息是建筑物地图综合过程中不可或缺的一部分,以建筑物距离为基础,结合建筑物的大小、形状、方向3种特征因子,将多个聚类算法应用于多边形建筑物的聚类分析,并通过不同的城市街区实地数据集对多个聚类算法进行比较分析。结果表明：k-means算法效率最高,但只能识别近似于球形的群组,对呈线性分布的建筑物模式识别效果较差;具有噪声的基于密度的空间聚类（density-basedspatialclusteringofapplicationswithnoise,DBSCAN）算法可以发现任意形状的集群,其对参数的选择过于敏感,难以从复杂的建筑物群中识别出连贯的群组;具有噪声的基于分层的密度聚类（hierarchical DBSCAN,HDBSCAN）算法可以发现任意形状和密度的群组,但对边界区域的建筑物群识别效果较差;最小生成树（minimum spanning tree,MST）算法能够识别出不同类型的建筑物群模式,但难以确定复杂建筑物群的合理划分阈值。     

MODIS数据水体识别指数的识别效果比较分析

在光谱分析的基础上,应用不同水体指数对MODIS数据进行水体信息识别,并对其应用性能进行比较分析。结果表明,混合水 体指数（CIWI）是较理想的水体识别指数。若以反射率计算,并以0为判别阈值,则该指数的提取常数C的最佳取值为-0.85。 就目前的研究成果来看,MODIS数据还不太适合用于小型水体的识别。     

融合多源遥感影像的城市扩展识别与空间驱动分析

鉴于当前较难获取最新高精度长时序遥感城市土地监测图,现有城市扩展空间驱动分析实践识别主要驱动因子时未检验因子集的全局解释性且较少关注空间溢出效应。以东莞为实验对象,集合Landsat影像和MODIS归一化植被指数（normalized differential vegetation index,NDVI）时序产品,构建深度学习分类器,获取高精度土地覆盖分类图,识别城市扩展,使用基于logistic回归的探索性回归识别解释东莞全局城市扩展的最优因子集,进而使用auto logistic回归测度空间溢出效应的影响并进行驱动分析。研究发现：(1)基于深度学习分类器,融合Landsat光谱、纹理和MODIS NDVI时序变化信息可获取高精度（Kappa>93%）土地覆盖分类图;(2)基于探索性回归可良好识别解释全局城市扩展的最优因子集,受试者工作特征曲线（receiver operating characteristic curve,ROC）>0.85;(3)2000—2020年,最优解释东莞全局城市扩展的主要空间驱动因子有城市规划方案、距建成区距离、空间加权城市密度、城市扩展的空...     

利用搜索引擎数据模拟疾病空间分布

互联网记录了人们的日常生活,对带有位置信息的搜索引擎数据进行分析和挖掘可以获得隐藏于其中的地理信息。本文通过分析中国各省流感月度发病数与相关关键词百度搜索指数之间的相关性,选取相关性较高关键词的百度指数作为解释变量,发病数作为因变量,在采用主成分分析法消除变量共线性后,分别使用普通最小二乘回归（OLS）、地理加权回归（GWR）及时空地理加权回归（GTWR）构建流感发病数的空间分布模型。模型的拟合度能够从OLS的0.737、GWR的0.915提高到GTWR的0.959,赤池信息准则（AIC）也表明,GTWR模型明显优于OLS与GWR模型。验证结果显示,GTWR模型能准确识别流感高发地区,将该方法与搜索引擎数据结合能较好地模拟流感空间分布,为空间流行病学的研究提供预测模型和统计解释。     

一种彩色栅格地图注记识别方法

栅格地图中的注记包含了丰富的地理位置信息,传统的栅格地图注记识别方法在识别过程中将注记和其对应的地理要素相分离,因此难以处理倾斜注记和弯曲注记。以连通域单元为基本处理对象,提出了一种基于几何特征的彩色栅格地图注记识别方法。首先利用连通域单元的方向、尺寸、密度、邻域四个特征提取注记像素集合,然后通过地理要素中心线对非水平注记进行方向确定,最后对注记进行聚类和重新排列,完成注记识别。通过对GoogleMap（谷歌地图）瓦片中的注记进行提取和识别实验,证明了该方法的合理性和有效性。