神经网络和分形纹理在夜间云雾分离中的应用

云雾分离是浓雾遥感监测的难点，地物光谱信息和图像纹理信息的综合利用，分形理论和BP神经网络技术的应用，使夜间云雾分离结果更为可信，基于灰度连通域的图像纹理提取提高了云雾边界的识别能力，灰度加权拉伸后的分数维增强了云雾的可分性，与传统最大似然法比较，本文所用方法对晴空地表、雾区、云区的识别精度均有提升，特别是云区的识别精度提高了10％，三类地表的总体识别率提高了7％，达到93％以上，文章最后对类的归并作了讨论。     

曲线形态的结构化表达

以弯曲作为曲线形态的基本结构单元,分析曲线形态的空间结构特征,提出一种曲线形态的结构化方法,即利用约束Delaunay三角网模型,结合格式塔原则,对曲线形态进行结构划分,将曲线弯曲划分为基本弯曲和复合弯曲,并对弯曲特征进行识别,给出弯曲间空间结构关系的探测方法,并利用面向对象模型对曲线形态的结构化知识进行表示.实验结果证明,与曲线弯曲深度层次二又树模型相比,本文提出的曲线形态结构化方法在弯曲划分的视觉感受、曲线形态结构化知识表达的完备性、用于曲线化简的实际效果更优.     

基于光谱整体形态和局部吸收谷位置的高光谱遥感图像地物识别

为了精确识别高光谱遥感图像上的地物,使用交叉相关光谱匹配方法获取光谱整体形态的最大偏移量,通过对比分析吸收谷位置变化获取吸收谷位置的最大偏移量,在此基础上确定吸收谷位置的偏移范围;然后使用穷举法,进行基于整体形态和偏移范围内局部吸收谷位置的识别。在云南中甸普朗斑岩铜矿区的高光谱遥感图像的实际应用表明,该方法的识别结果比仅考虑整体形态的识别结果具有更高的可靠性,能进一步证实识别结果的准确性。     

计算机彩色视觉在地图分色中的应用

彩色地图是用不同的颜色表示各个数据层，可以利用颜色信息有效地实现地图各个数据层的自动提取，本文用分光光度计对待扫描的标准色块进行颜色测量，然后用最小二乘法建立起颜色ＲＧＢ分量与颜色三属性的关系，并提出了一种识别地图颜色的新方法，以及实现了彩色地图要素的自动分离。     

基于数学形态学的矿图扫描图像文字和符号的自动分离

从矿图扫描图像中实现线划图形与文字注记及点状符号的相互分离,是矿图扫描识别数字化技术的基本要求。本文依据数学形诚学原理,根据文字,符号自身的几何和拓扑特征,构造了系列形态变换模型,使用这些模型对扫描图像进行逐步处理,可从图像中自动地删除不同大小,方向及排列方式的文字和符号,从而得到分离的图形要素与文字,符号图像。实验结果表明,所构造的模型对独立文字和符号的分离十分有效。     

基于轮廓形状分析的地形图数字注记提取

针对地形图中图线与注记字符合离的问题，本文提出了基于轮廓的形状分析来提取组成形图注记基元的方法，克服了字线粘连造成的分离困难，提高了所提取注记信息的完整性。提取的结果为地形图中注记的进一步识别提供了依据。     

地理国情监测中地貌形态识别研究——以汶川地震核心灾区为例

监测地理国情,是经济社会发展到一定阶段的必然要求,地貌形态数据是重要的基础地理信息,地理国情监测中地貌形态识别是一项必要的基础工作。本文根据25m分辨率的DEM数据,以绝对高程和地形起伏度为地貌形态识别指标,建立适合汶川地震核心灾区的分类分级指标体系,采用数据分割的方法获得研究区6种地貌形态的分布图,识别结果真实可靠,对后续工作具有一定借鉴和指导意义。     

软多边形地图要素弯曲识别模型及其应用研究

以边界线构减点的坐标单调性变化分析为基础，提出了地图上软多边形要素弯曲识别模型，给定了弯曲的凸凹性定义，建立了弯曲的多种形态量化指标，规范了弯曲邻接关系的形式及确定方法。研究了模型在软多边形地图要素图形综合简化中的应用，形成了简化这类要素图形的三种基本手段。     

应用光照模型的交通车辆识别定位的高分辨率遥感方法

针对识别和定位路面上每辆汽车这一交通遥感图像处理的核心环节,提出一种解决方法。应用光照模型推导出路面、车辆(深浅两类)、汽车阴影在全色遥感影像中的亮度差异与亮度变化特征。以亮度差异为基础建立了能够将车辆区域从路面遥感图像中分割出来的图层分离算法。针对密集行驶的汽车因阴影相互覆盖而容易被误识别为一辆大型车的问题以及浅色车因深色车窗造成的识别结果割裂问题,利用亮度变化特征以及阴影、车窗与汽车的位置关系设计了车辆区域内的阴影和车窗干扰消除算法,通过闭运算实现了遥感图像中的汽车识别与定位。选用10幅交通遥感图像进行了测试,对浅色车的识别率大于92%,对深色车的识别率大于87%。     

传统村落“胞-链-形”结构的GIS识别与提取

以衡阳市中田村为研究区,应用“胞-链-形”方法,结合环境特征,从景观基因胞、景观基因链、景观基因形3个不同层次,数字化识别提取了中田村的空间结构,分析了中田村内部各组成部分的空间结构特征和空间关系,总结了中田村空间结构的形态特征。结果表明：(1)“胞-链-形”分析方法对于中田村空间结构的识别提取具有一定的适用性;(2)识别提取的“胞”有民居、祠堂、月光塘、广场、山体等,“链”主要是道路和巷道,“形”是中田村的整体结构形态;(3)中田村的空间结构形态是典型的组团式空间结构形态。该研究成果有利于深化对传统村落空间结构的认识,为传统村落空间结构的识别提取提供一定的科学依据。     

地图数字注记识别的神经网络方法

讨论了基于径向基函数网络（RBFN）的地图数字注记识别问题。在分析了网络结构和训练算法的基础上,用地回扫描数据进行了识别实验。结果表明,本文提出的方法用于地图数字注记识别是非常有效的。     

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。     

一种光机混合的图像识别系统

本文分析了光学图像识别和计算机图像识别二者的特点，提出了一种光机混合物的图像相关识别系统。首先用计算机制作高质量的匹配滤波器，然后用光学相关识别系统进行相关识别。     

基于特征的模糊神经网络遥感图像目标分类识别

特征是图像处理中用于辨识目标的最基本属性.提出了利用模糊神经网络方法,针对舰船的几何特征、矩特征和纹理特征进行舰船目标识别处理.首先简单地描述了几何特征、矩特征尤其是Hu矩特征、一阶纹理特征和二阶纹理特征.然后分别对仿真数据、卫星观测数据中的舰船目标,以及自动检测处理获取的舰船目标的几何特征、Hu机特征和纹理特征进行了提取和分析.模糊神经网络方法可以综合模糊集理论和神经网络方法的优势,有效地实现基于特征的图像目标分类识别处理.文章首先描述了一种主从神经元结构的模糊神经网络分类识别方法,然后利用该方法对大型舰船进行分类识别,包括基于单类舰船特征的分类识别和基于多源(时相)数据融合的分类识别.实验结果表明,基于大型舰船的几何特征、矩特征和纹理特征,利用模糊神经网络方法可以实现对大型舰船目标的有效分类识别.通过多源数据融合处理,可以改善分类识别效果.     

机场净空区建筑物的识别与监测

目前,在建筑物识别与监测方面,基于单幅高分辨率遥感影像的阴影测高法和基于多视角影像的立体像对法将建筑物轮廓或名称识别与高度监测相独立,因此导致其自动化水平较低、数据冗余度与成本较高。基于数字表面模型(DSM)和兴趣点(POI)数据,本文提出了一种机场净空区建筑物识别与监测集成的方法,并以某国际机场为试验区对该方法的可行性进行了验证。试验结果表明:①该方法在建筑物识别与监测方面的准确率只取决于DSM的精度,而对DSM的数据来源没有限制;②以潜在危险建筑物高程变化速率为依据进行不定期的动态监测,在确保监测间隔期间机场净空区安全的同时可以降低数据成本和重复识别与监测所有建筑物造成的数据冗余度。     

测绘模式识别研究的几个问题

本文概述了模式识别理论发展及其在测绘科学和技术方面的应用概况,着重对比了统计检验和模式分类在测量数据处理方面的基本思想和优缺点,提出了测绘模式识别理论和概念及研究意义,并概述了测绘模式识别的方法步骤。     

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。     

遥感影像目标的尺度特征卷积神经网络识别法

高分辨率遥感影像的目标检测与识别,是高分对地观测系统中影像信息自动提取及分析理解的重要内容。针对传统影像目标检测与识别算法中人工设计特征稳健性与普适性差的问题,本文提出基于高分辨率遥感影像目标尺度特征的卷积神经网络检测与识别方法。首先通过统计遥感影像目标的尺度范围,获得卷积神经网络训练与测试过程中目标感兴趣区域合适的尺度大小。然后根据目标感兴趣区域合适的尺度,提出基于高分辨率遥感影像目标尺度特征的卷积神经网络检测与识别架构。通过WHU-RSone数据集对本文卷积神经网络架构与Faster-RCNN架构对比测试验证。试验结果表明,本文架构ZF模型和本文架构VGG-16模型的mean average precision(mAP)分别比Faster-RCNNZF模型和Faster-RCNNVGG-16模型提高8.17%和8.31%,本文卷积神经网络架构可获得良好的影像目标检测与识别效果。     

高光谱技术应用情况研讨

高光谱影像因其光谱分辨率高、波段多、信息量丰富等特点已经在许多领域得到了广泛的应用。本文对高光谱技术在矿山资源监测、土壤监测、植被监测、大气环境监测、水环境监测方面的应用,以及高光谱的分类识别技术研究进行了回顾与总结,并指出拓展高光谱技术的应用深度和广度、探讨定量反演建模新模式等问题,是进一步的研究趋势。