一种基于双重距离的空间聚类方法

传统聚类方法大都是基于空间位置或非空间属性的相似性来进行聚类,分裂了空间要素固有的二重特性,从而导致了许多实际应用中空间聚类结果难以同时满足空间位置毗邻和非空间属性相近。然而,兼顾两者特性的空间聚类方法又存在算法复杂、结果不确定以及不易扩展等问题。为此,本文通过引入直接可达和相连概念,提出了一种基于双重距离的空间聚类方法,并给出了基于双重距离空间聚类的算法,分析了算法的复杂度。通过实验进一步验证了基于双重距离空间聚类算法不仅能发现任意形状的类簇,而且具有很好的抗噪性。     

签到位置数据的密度峰值快速搜索与聚类方法

位置签到数据蕴含了城市居民活动变化。由于客户端位置候选问题,不同的签到行为以同一候选位置签到时会产生位置重复现象。针对现有密度聚类方法在签到数据聚类上存在的问题,以快速搜索和查找密度峰值聚类算法(CFSFDP)为基础,提出了签到位置数据的密度峰值快速搜索与聚类方法。首先,引入位置重复频率来表达签到位置重复,然后,对原始签到位置数据点统计位置重复频率并重新设计数据结构,以新的空间点要素为研究对象寻找密度峰值点;最后,构建了峰值点密度簇聚类算法,在点要素集聚类过程中考虑密度连通性来保证峰值密度簇的连续与完整。试验表明,所提出的聚类方法有效避免了重复度较高的离群位置对象选为峰值并聚类的情况,并具有良好的空间适应性。所提取的密度峰值点不仅可以用来表示热区的中心,还能够反映热区的集中趋势,进而可以帮助探索热区的动态变化情况。     

中心均匀化密度峰值聚类的激光点云分割

针对常规的密度峰值聚类算法在确定数据聚类中存在聚类中心的重复性、聚类不稳定、不适用于三维点云分割等问题,提出了中心均匀化聚类群融合算法.该算法对局部密度和距离函数进行归一化处理,较好地解决了这两种函数尺度不一的问题;基于局部密度和距离函数乘积的变化率来确定聚类中心,并对重复或距离很近的聚类中心进行了消除,避免了聚类中心非均匀分布对聚类的影响;利用数据点到聚类中心距离逐个确定每个数据的聚类归属,依据邻近聚类数据群之间的距离来判断邻近聚类之间的融合,实现对点云数据的有效分割.基于二维离散数据聚类及不同分辨率点云数据分割的实验结果表明:所提算法不仅适用于二维离散数据的聚类,也适用于三维点云数据的分割,且分割精度和稳定度要优于常规的CFDP、K-means、DBSCAN、DPC聚类算法和深度学习方法.     

基于栅格距离变换的扩展对象空间聚类方法

空间聚类是空间分析和空间数据挖掘的重要方法和研究内容。在地图代数中,通过建立栅格坐标与距离平方对应的栅格平方平面!计算栅格空间的最短距离,实现栅格距离变换。以栅格空间距离变换为基础,通过提取特征等距线,揭示简单的空间点集聚类过程,并将这种算法扩展到点$线$面实体混合分布空间!以及加权距离以及障碍空间的空间聚类,算法分析表明该算法简单、合理。     

基于相似距离和等高线树的等高线聚类及其应用

通过形状匹配技术以获取等高线之间的相似程度,通过构建等高线树以获得等高线之间的邻近程度,然后将邻近的且形态相似的等高线实施聚类,实验结果表明聚类结果正确可靠。在获得聚类结果的基础上,还对等高线图进行了地形特征提取和数据压缩。     

一种基于双重距离约束的多层次空间聚类方法

以往的双重空间聚类方法通常实现的是单一层次聚类,虽然顾及了地理实体的位置属性和专题属性,但是在实施过程中,实体的空间邻近和属性相似的表示和衡量,使用了不同的变量和标准,降低了算法的效率.文章采用双重距离作为实体间的相似性度量,通过对点实体构建的Delaunay三角网中的边施加同时顾及整体与局部特性的双重距离约束,实现了点实体的多层次空间聚类.通过实际算例分析与比较,验证了方法的有效性.     

改进的模糊聚类遥感影像分割

聚类是数据挖掘的重要分支之一,引入模糊理论的模糊聚类分析为显示数据提供了模糊处理能力,在许多领域被广泛应用。本文应用考虑邻域关系的约束模糊C均值(Fuzzy C-Means with Constrains,FCM_S)算法,将邻域像素引入到目标函数中,进而有效地利用邻域像素信息,提高分割精度。本文应用FCM_S算法对模拟彩色纹理图像进行分割,计算其混淆矩阵,定性定量地与FCM算法进行对比分析,证明了该算法的鲁棒性。     

基于中心点距离的居民地面要素聚类

空间聚类是将空间实体根据某些相似的特性聚类成为一个集合,这个集合称为簇。本文研究了一种基于中心点距离的居民地面要素聚类算法:通过获取面状要素的数据,运用基于其几何中心的距离计算方法,判断面要素之间距离的可达性,并将距离小于阈值的面要素进行聚类,最终以凸包的形式将该集合绘制出来。本文的算法是在VS2010以及ArcGIS Engine开发环境下通过编程实现,并进行多组实验,实验结果表明,该应用程序可以实现居民地面要素的自动聚类。     

一种适应局部密度变化的空间聚类方法

研究一种适应空间局部密度变化的空间聚类算法(简称ADBSC).在该算法中,首先提出一种新的空间局部密度度量方法,即k-空间近邻最大距离,而为了表达空间局部密度变化特征,引入距离变化率概念,用于度量邻近目标间空间局部密度变化情况.然后将所有空间邻近的距离变化率小于给定变化率阈值的空间目标标记为局部密度相等,再将空间邻近的局部密度相等的空间目标聚为一类,得到空间聚类结果.并给出ADBSC算法的详细描述和计算过程.最后,通过模拟实验和实际算例,对提出的方法进行验证.结果表明,该算法能够自动适应空间位置的局部密度变化,适应不同形态的空间簇,而且比DBSCAN算法更实用.     

自适应区间二型模糊聚类的遥感影像变化检测

由于遥感影像变化检测面临"同物异谱"、"同谱异物"等诸多不确定的问题,传统一型模糊聚类算法不能描述其高阶不确定性,难以对差异影像进行准确建模分割出变化信息。针对上述问题,在引入区间二型模糊聚类的基础上,提出了一种自适应区间二型模糊聚类的遥感影像变化检测算法。通过构造自适应邻域加权距离度量的方式更新隶属度,不仅降低了传统区间二型模糊分析算法对参数的依赖,还可以有效利用邻域信息,最后通过迭代更新隶属度实现地物变化信息的提取。利用两组遥感影像数据验证了该方法的有效性。     

基于核面约束的近景摄影测量影像人工标志点匹配方法

提出了一种基于已知点和核面约束的近景摄影测量人工标志点分组匹配算法。首先利用定向棒点和编码标志点等已知点对所有像片进行分组;然后按三张一组进行组合,并计算各组合的几何质量;最后选择几何质量最好的部分像片进行组合,按核面约束进行匹配。实验证明,该算法匹配100余张像片1、0 000余像点的速度约为5 s,像点匹配率高于95%,误匹配率低于0.1‰,满足近景摄影测量的要求。     

一种捷变调频斜率极性和限幅相结合的SAR抗干扰方法

针对合成孔径雷达（SAR）系统面临的场景散射等干扰无法使用传统时、空、频域技术抑制的问题,提出了一种基于线性调频（LFM）信号调频斜率极性捷变和限幅过程相结合的抗干扰方法。该方法首先在慢时间域捷变雷达发射信号的调频斜率极性,其次在接收脉冲后首先对转发的干扰信号进行匹配、限幅,然后在逆滤波之后正常成像。仿真验证了捷变方法的抗干扰性能。     

基于多特征加权的SAR影像舰船检测优化方法

针对合成孔径雷达（synthetic aperture radar, SAR）影像辐射定标中角反射器布设受限等问题,提出一种利用通讯信号塔辅助求解SAR影像绝对辐射定标常数的方法。首先根据信号塔独特的几何结构特征,分别对上下两部分建立等效简化模型;然后利用物理光学法求解两部分等效模型的雷达截面积（radar cross section, RCS）,并叠加得到信号塔模型整体RCS;最后根据信号塔整体RCS,使用积分法求解SAR影像中信号塔脉冲响应能量及绝对辐射定标常数。为了验证所提方法的准确性,选取了4类常见类型的信号塔分别建立对应的等效简化模型并求解其对应RCS,同时利用FEKO软件仿真这4类信号塔。将所提方法实验结果与FEKO软件仿真结果进行对比,发现所提方法能够节约大量仿真所需时间,提升计算效率;对真实SAR影像进行绝对辐射定标常数求解,并与标称定标常数进行对比,结果表明,所提方法具有可行性和有效性。     

利用特征选择自适应决策树的层次SAR图像分类

提出了一种新的基于特征选择自适应决策树的层次分类算法,用于合成孔径雷达（synthetic apertureradar,SAR）图像的分类。采用Joint Boosting算法选择出最适用于各类的特征组合,并自适应地搜索构造出一个由两类分类器构成的层次分类器,利用特征选择结果和自适应决策树进行了SAR图像的学习和推理,实现了自动分类,在国内首批极化干涉SAR数据上的实验证明了本算法的有效性。     

基于InSAR技术的矿区沉降监测研究进展

介绍了合成孔径雷达干涉测量的原理和研究现状,探讨了InSAR技术在矿区沉降监测的局限性及其研究进展。基于时间序列的差分干涉测量技术能够有效地减弱多种误差的影响,提高可用数据的数量及其结果的质量,使多源数据的融合和多极化InSAR在沉降监测应用中有着较大的优势。     

基于Roberts梯度与HIS色彩空间的SAR图像伪彩色编码

针对SAR灰度影像信息不丰富,不利于解译识别的问题,提出了一种基于Roberts梯度与HIS色彩空间的SAR图像伪彩色编码算法。首先,计算SAR图像的梯度图像,并确定梯度阈值T;然后,比较像素梯度与阈值的大小,大于阈值的像素按照Roberts梯度方法编码,否则按照基于HIS色彩空间方法编码;最后,对两种编码结果进行合成,得到最终伪彩色SAR图像。利用TerraSAR-X影像数据进行了实验验证,结果表明:本文研究的方法均能达到很好的伪彩色编码效果。     

基于D-InSAR技术的金沙江地区滑坡形变监测与分析

滑坡是发生在我国山区的主要地质灾害类型,金沙江地区由于地势较高、地形复杂、多云多雨的特点,给传统的滑坡监测增加了难度。合成孔径雷达差分干涉测量技术(Differential interferometry synthetic aperture radar,D-InSAR)已在滑坡地面沉降监测中得到了广泛应用。本文选取金沙江上游沿岸作为研究区域,基于2018年8月11日与9月28日的Sentinel-1A影像及SRTM1数据,利用GAMMA软件及D-InSAR技术监测到金沙江地区的地表形变,成功识别出金沙江右岸的一处滑坡灾害。研究结果显示,在此滑坡的坡顶部分出现了约2.5 cm的沉降,而在坡底部分由于崩塌物的累积,地面出现了约3 cm的抬升。从实验结果可以得出,InSAR技术是一种有效的滑坡变形监测手段,利用Sentinel-1A卫星的SAR数据对滑坡区域进行形变监测,可以得到较好的干涉结果。     

公用主影像干涉图加权叠加方法及其在地面沉降监测中的应用

提出一种新的顾及相干图质量权重的加权叠加方法,以相干图中相干点的数量成正比来定权,避免相干性太低的影像参与等权计算。阐述公用主影像干涉图加权叠加方法的基本原理和数据处理流程,在公用主影像优化选取、减弱大气延迟影响、提高信噪比的数学模型基础上进行改进,降低了影像数要求,提高了监测精度。选择天津地区2003～2006年11景ENVISATASAR数据,通过模型优化选取14529影像为公用主影像,进行干涉图加权叠加方法的实例解算,获得比传统DInSAR和Stacking方法更优的监测结果,其精度与精密水准测量相当。     

利用极化目标分解和WMRF的全极化SAR图像分类方法

提出了一种新的全极化SAR图像非监督分类方法,该方法将H/Alpha/A分解与马尔科夫随机场(Morkov rondom field,MRF)相结合。首先,根据地物的散射机制进行H/Alpha/A分解得到初始分类;然后,由基于Wishart分布的最大似然法迭代聚类更新分类结果;最后,结合WMRF(Wishart Markov randomfield)方法,由迭代条件模型法求取最大后验准则下的分割结果。NASA/JPL实验室的数据结果表明,该算法具有较好的分类效果,并获得了较高的分类精度。     

根据GPS和InSAR数据反演2001年昆仑山口西地震同震破裂分布

利用干涉合成孔径雷达（interferometric synthetic aperture radar, InSAR）技术可以获取空间连续的地表形变监测结果,但仅能得到真实三维形变在雷达视线方向上的一维投影,降低了地表形变解译的可靠性。全球导航卫星系统（global navigation satellite system, GNSS）可提供高精度的三维形变结果,但其空间分辨率较低。因此可通过融合InSAR和GNSS来实现高精度高空间分辨率的三维地表形变监测。提出利用方差分量估计(variance component estimation, VCE)方法对经典的联合大地和卫星同步形变测量值的应变张量估计(simultaneous and integrated strain tensor estimation from geodetic and satellite deformation measurements, SISTEM)方法进行改进,发挥SISTEM方法可以考虑相邻点地表形变的空间相关性的优势,优化了函数模型中InSAR和GNSS观测的构成比例,引入VCE方法精确估计了各类观测值的后验方差,进而实现了高精度的三维地表形变测量。首先通过设计模拟实验对所提方法进行了验证,然后将该方法应用于2007年夏威夷基拉韦厄火山喷发案例中。相较于SISTEM方法,该方法在东西、南北、垂直向解算的形变精度均有大幅提升。