利用频谱能量进行高分辨率遥感图像地物识别

提出了一种基于频谱能量的高分辨率遥感图像地物识别方法。首先将预处理后的典型地物的遥感图像通过傅立叶变换从空间域转变到频率域,然后用位于频谱中心的一个矩形窗口提取频谱图上对能量贡献起主导作用的低阶频谱能量系数作为目标识别的主要特征值,并利用该特征值结合SVM分类方法对目标地物样本进行识别和分类。研究结果表明,每种地物样本均获得了较高的识别结果,总体精度达到了88.96%。     

频谱段图像及其应用的探讨

本文描述了一种形成频谱段图像的方法,这种图像记录了相应地物的纹理信息。初步试验表明,在空间遥感中,这种频谱段图像是一种有用的数据源。     

地图图像智能识别与理解:特征、方法与展望

随着测绘制图与通讯技术的发展,公众能够借助各种平台和工具实时地自由创建、发布、编辑和共享地图图像大数据资源和产品,地图图像在地图内容、绘图标准等方面具有了显著的泛在性,导致难以创建大规模、高质量的地图图像标注数据。因此,尽管现有深度学习方法在识别标准地图的内容中取得了突破性的进展,但受制于地图图像标注数据的局限,依然无法有效应对地图图像的识别和理解。根据目前国内外的相关研究进展与挑战,结合地理空间人工智能技术,探讨支持泛源地图图像大数据识别的理论与技术框架。首先,提出既能够表达地图图像内容,又能够为模型或算法表征的地图特征;然后,探讨面向地图图像内容识别的地理空间人工智能技术,以及面向地图图像理解的语义分析方法;最后,总结和展望基于地图图像大数据的相关应用及潜在价值。需要进一步研究支持地图图像表征的理论与方法,且集成地图图像显式内容的识别（地图感知）和地图图像潜在语义的分析（地图认知）才可充分挖掘地图图像大数据的价值。希望能够从数据表征和地理空间人工智能的角度为地图图像的研究提供新思路。     

硬分类对低空间分辨率图像分类效果的影响

针对图像分类效果与图像的空间分辨率之间的关系尚未得到定量分析的问题,该文以中巴卫星CCD图像对冬小麦的分类结果为参考数据,对空间分辨率与制图精度之间的关系进行理论分析。通过在不同空间分辨率状态下分别计算随着硬分类阈值的取值变化而得到的由漏分误差和错分误差所形成的"帕累托边界",来分析硬分类器所能达到的分类精度的极限。结果表明,在空间分辨率相对较低的前提下,图像整体分类效果取决于被分类像元的纯度在图像中的数量分布状况。研究结论可为制作遥感专题图时如何选取合适的空间分辨率图像提供参考。     

适用于遥感图像分类的对偶子空间分类器

本文在子空间分类器的基础上，对子空间的概念进行了扩展，提出了对偶子空间的概念和相应的分类算法。这种分类器不仅保持了子空间分类器分类准确度高的特点，而且分类速度有很大提高，因而更适用于大规模的遥感图像分类。     

优化子空间SVM集成的高光谱图像分类

随机子空间集成是很有前景的高光谱图像分类技术,子空间的多样性和单个子空间的性能与集成后的分类精度密切相关。传统方法在增强单个子空间性能的同时,往往会获得大量最优但相似的子空间,因而减小它们之间的多样性,限制集成系统的分类精度。为此,提出优化子空间SVM集成的高光谱图像分类方法。该方法采用支持向量机(SVM)作为基分类器,并通过SVM之间的模式差别对随机子空间进行k-means聚类,最后选择每类中J-M距离最大的子空间进行集成,从而实现高光谱图像分类。实验结果显示,优化子空间SVM集成的高光谱图像分类方法能够有效解决小样本情况下的Hughes效应问题;总体精度达到75%–80%,Kappa系数达到0.61–0.74;比随机子空间集成方法和随机森林方法分类精度更高、更稳定,适合高光谱图像分类。     

基于倒频谱的运动模糊图像PSF参数估计

针对任意方向的直线运动模糊图像,说明只能直接在运动方向上得到运动参数,从而设置二维点扩展函数(point spread function,PSF)。在此基础上,应用倒频谱分析法给出了PSF参数估计的方法。实验表明,该方法在模糊为任意方向且模糊范围介于5~55像素时对参数的估计误差较小,能保证较好的恢复质量;当模糊范围超出该范围时,估计误差急剧加大,估计值不可信,无法保证恢复质量。     

遥感影像地物特征识别的频谱能量分析方法探讨

从Parseval能量守恒定理和地物特征的图谱识别理论出发,对遥感影像地物特征识别的频谱能量分析方法进行了分析。通过分析不同频谱半径范围内所占的能量比重,初步考察了地物特征频谱能量的分布特点。进而通过对频谱能量环状和楔状采样,定量描述了表征地物粗糙度、周期性及方向性特征的频谱能量分布状况。最后以居民楼地物为例,根据建立的高、低频识别标志,结合在频谱能量上具有方向和频带选择性的匹配Gabor滤波器,实现了居民楼地物对象的提取。实验结果表明,此方法可以获取在空间域中无法得到的地物信息表征,为进一步开展地物特征的识别和提取提供了一条新思路。     

一种加入空间关系的海岸带遥感图像分类方法

 海岸带作为海洋、陆地和大气共同作用的地带，其地物混杂度大，变化频繁，单纯利用光谱特征分类难以取得理想的精度。 但海岸带地物滨临水体，而水体与地物存在巨大光谱差异，易于识别。据此，本文尝试提出一种简单的加入空间关系的遥感图像分类 方法，即，先准确识别出海水类，然后统计非海水类的每一个像元到最近海水的空间距离。由于不同的海岸带地类距离海水的空间距 离有其自身的特点，因此，利用这一距离信息辅助分类能提高分类精度，尤其是针对那些光谱特征相近而距离相差较大的地类。     

空间聚类方法的分类

目前,空间聚类的研究成果主要集中在点目标方面,现有的分类方法也主要针对点目标的聚类。随着空间聚类研究和应用的不断深入,线目标、面目标的空间聚类方法也逐渐被提出,因此本文从空间目标的维度、是否顾及非空间属性、算法思想等3个方面,探讨了空间聚类的分类方法,进而简要阐述每种空间聚类方法的典型算法。     

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。     

一种结构化的三维建筑房顶分类与识别方法

房顶是三维建筑的重要组成部分,房顶结构的识别是三维建筑综合算法实现和进行城市建筑空间分布模式分析的基础。分析了建筑房顶结构特点,提出了一种三维建筑分类的实用方法,针对不同房顶类型设计了相应的结构化表达方法,在此基础上提出了三维建筑房顶面信息提取算法,并进一步实现了房顶类型的识别。实验证明,该方法识别的准确性较高,能够满足进一步应用的需求。     

GIS辅助下的遥感图像分类与识别

RS与GIS有着紧密的关系和很强的互支持性,RS为GIS提供了最好的一种数据获取手段,而GIS则可以用来辅助进行遥感图像分析,提高分析的精度和可靠性,因此两者的集成是十分必要的。     

空间方向关系分类研究

空间方向关系是GIS的重要理论问题，但是其基本理论问题研究目前还很不成熟，分类即是其一，本文从一般的分类原则出发，利用空间拓扑关系分类的成果和人们对空间认知的一般规律，把两个目标间的空间方向区分为3尖：无意义的，整体对整体的，整体对部分的。对空间方向关系的分类等基本问题的研究可望逐步解决其形成式化描述模型的建立问题。     

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。     

模式识别中特征选择与聚类分析

针对模式识别中传统的特征选择方法具有的局限性，对聚类分析理论与方法进行应用性的研究、分析和扩展，并将研究成果初步应用于信息模式识别中特征参数的选择，获得了一些有益的结论。     

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。     

基于分类规则挖掘的遥感影像分类研究

分析了目前遥感影像的统计分类、神经网络分类及基于符号知识的逻辑推理分类方法的优缺点.以GIS为平台,构建了多源空间数据库,将数据挖掘的思想和方法引入遥感影像分类中,提出了面向分类规则挖掘的遥感影像分类框架.针对遥感光谱数据及其他空间数据的特点,定义了连续属性样本分类概念和分割点评价指标,提出了一种新的连续属性样本分类规则挖掘算法.选择一个试验区,采用该算法分别对遥感光谱数据、遥感光谱和DEM数据相结合的数据进行分类规则挖掘、遥感影像分类和分类精度比较.结果表明：（1）该算法具有较高的分类精度;（2）加入DEM等与分类相关的其他空间数据可以提高遥感影像的分类精度.通过挖掘分类规则进行遥感影像分类,扩展了基于知识的逻辑推理分类方法中知识获取渠道,提高了分类规则获取的智能化程度.新的连续属性样本分类规则挖掘算法,扩展了归纳学习算法对连续属性样本分类的适应性.     

国土地政全过程管理中的空间数据模式研究

本文对国土地政业务全过程管理中的空间数据模式进行分析,界定了国土地政业务全过程管理的内涵,从空间数据模式方面提出了构建国土地政数据库、进行数据挖掘的思路,为国土地政业务全过程管理提供实施思路。