基于对应分析的训练样本的选择

本文提出一种基于对应分析的训练样本的选择方法。它从训练样本中自动地选择有代表性的典型训练样本,使得在自动分类中充分利用所采集的样本信息,以便得到满意的分类结果。通过实验与分析证明,该方法是可行的,它明显优于人工随机选择训练样本的方式。与基于Q型因子分析的训练样本选择方法相比,可以更快地得到较少的典型样本,满意的分类精度。     

基于Q型因子分析的训练样本的选择

本文提出基于Q型因子分析的训练样本的选择方法。它可自动地选择训练样本,且被选的训练样本具有代表性和完整性,使其在自动分类中充分使用所采集的样本信息,以便得到满意的分类结果。作者通过实验与分析证明,该方法是可行的,而且它优于基于人工随机的训练样本的选择方式。     

基于Q型因子分析的训练样本的选择

提出基于Q型因子分析的训练样本的选择方法。它可自动地选择训练样本,而且被选择的训练样本具有代表性,使其在自动分类中充分利用所采集的样本信息,以便得到满意的分类结果。通过实验与分析证明,该方法是可行的,它优于基于人工随机地选择训练样本的方式,而且可获得更高的分类精度。     

适用于训练样本选择的斜交因子模型研究

训练样本的质量直接影响训练阶段的训练质量（或效果）,进而在一定程度上影响测试阶段的分类精度。训练样本的代表性和典型性则反映出训练样本质量的一个重要方面。对于当前非常流行的深度学习模型研究,如何尽可能地减少训练样本的数量,一方面成为一个非常“棘手”的问题,另一方面从实际应用的角度来看,这也上升为一个经济或成本方面的问题。提出了一种适用于训练样本选择的斜交因子模型方法,该方法松弛了Q型因子分析和对应分析对于公因子之间独立的假设条件,并在斜交参考解的基础上提出一种适合训练样本选择的近似求解斜交旋转的方法。实验结果表明,所提方法是可行、有效的。与基于正交因子模型的方法相比,它可以更好地描述或逼近现实的真实情况,可以选择出更合理、更具有代表性的典型训练样本,并且还可以取得满意的分类精度。适用于训练样本选择的斜交因子模型方法优于基于正交因子模型的训练样本的选择方法,被选择的训练样本分布相对更分散、更合理,而且总的分类精度平均提高3%左右。     

植被高光谱遥感分类中训练样本的选择方法

针对植被高光谱遥感分类过程中参考光谱训练样本的选择问题，研究分类过程中常用训练样本的选择方法，并在此基础上提出2种新的训练样本选择（纯化）方法，然后结合具体的OMIS-I高光谱遥感数据，验证方法的有效性。     

基于对应分析的湖泊围网养殖范围提取

为了提高基于遥感数据的湖泊围网养殖区提取精度,提出了基于对应分析的湖泊围网养殖区的提取方法,并以ETM+卫星遥感数据为基础,将其应用于漏湖围网养殖区的提取.研究结果表明:(1)基于对应分析的方法具有较高的提取精度,围网养殖区的提取精度达到了95.59%,总体精度为91.14%,Kappa指数为0.86;(2)提取结果表明,2001年漏湖围网养殖区面积为111.76km2,占湖泊总面积的76.29%.实验表明,基于对应分析的方法是遥感影像湖泊围网养殖区提取的一种新的有效方法.     

利用对应矩阵进行影像校正的误差分析

在三维城市建模中,模型纹理的表达旨在提供逼真的可视化效果,一般对纹理所反映的模型表面细节信息(如窗户、阳台等)的空间化置与尺度信息的准确性极少考虑.但纹理信息可以表达模型表面丰富的细节信息,可为三维城市模型系统提供更为广泛的应用(如公安、淌防).就利用对应矩阵进行倾斜影像校正的过程进行详细的误差分析,以评估校正后的纹理在模型表达时其信息的空间真实性和可口量测性,为实际应用过程中的三维模型表面信息分析提供参考.     

对应分析的原理和数据预处理

本文对多元统计分析中目前应用的对应分析方法的原理公式作了重新推导,提出z_ij=(p_ij/p_i.p_.j)-1的数据变换公式;并对原始数据作了严格的预处理。最后应用一个实例计算和作图,与简单的因子分析及原用的对应分析成果作了比较。理论和算例都说明本文介绍的对应分析的数据预处理和分析方法较原用方法原理上更正确,应用上更合理,并克服了变量中对各种数据原有的局限性。     

基于自动搜索和光谱匹配技术的训练样本纯化算法

提出了一种基于局部自动搜索和光谱匹配技术的监督分类训练样本的纯化方法。该方法首先利用遥感影像中像元的灰度信息在图像上局部范围内自动搜索和选择最佳样区位置,然后利用光谱匹配的思想对寻找到的最佳样区在光谱空间上进一步纯化。实验结果证明,通过手工选择样区的辅助,该算法能够自动有效地搜寻到最佳样区的位置,并对最佳样区进行纯化处理。原始遥感图像经过本文的样区纯化算法处理后,无论是目视判读效果,还是分类后混淆矩阵的统计及分类精度,均优于纯化处理前的分类结果,具有一定的实用价值。     

岩石实验室光谱对应分析

成像光谱图像具有几十个窄波段和高的光谱分辨率,使直接识别岩石岩性成为可能,但其海量数据又为数据的处理、分析和应用带来了不便。因此就需要寻求一种在不损失信息或最大限度保持原有信息的前提下又压缩或最小化数据量的方法。在对岩石实验室光谱按成像光谱仪（ＭＡＩＳ）通道重采样后,应用了一种特征信息提取的方法（对应分析法）,对岩石光谱进行了分析,达到了压缩数据与岩石分类的目的,同时也探讨了其处理大数据量成像光谱图像数据的意义     

基于相关分析的粗差理论

提出了基于相关分析的可靠性研究和粗差分析理论,并应用于相关观测量的多粗差分析。     

基于聚类分析的卫星雷达测高波形分类研究

验证了聚类分析用于卫星雷达测高波形分类的可行性。针对雷达测高波形的特征,提出了移动最小欧氏距离算法,并以该距离作为相似性统计量进行聚类分析,取得了很好的效果。以Topex/Poseidon卫星的近岸波形为例,比较了最短距离法、最长距离法、类平均法和最小方差法等4种聚类方法的聚类效果,结果表明最小方差法效果最优。     

A building extraction approach for Airborne Laser Scanner data utilizing the Object Based Image Analysis paradigm

In the past two decades Object-Based Image Analysis (OBIA) established itself as an efficient approach for the classification and extraction of information from remote sensing imagery and, increasingly, from non-image based sources such as Airborne Laser Scanner (ALS) point clouds. ALS data is represented in the form of a point cloud with recorded multiple returns and intensities. In our work, we combined OBIA with ALS point cloud data in order to identify and extract buildings as 2D polygons representing roof outlines in a top down mapping approach. We performed rasterization of the ALS data into a height raster for the purpose of the generation of a Digital Surface Model (DSM) and a derived Digital Elevation Model (DEM). Further objects were generated in conjunction with point statistics from the linked point cloud. With the use of class modelling methods, we generated the final target class of objects representing buildings. The approach was developed for a test area in Biberach an der Riß (Germany). In order to point out the possibilities of the adaptation-free transferability to another data set, the algorithm has been applied “as is” to the ISPRS Benchmarking data set of Toronto (Canada). The obtained results show high accuracies for the initial study area (thematic accuracies of around 98%, geometric accuracy of above 80%). The very high performance within the ISPRS Benchmark without any modification of the algorithm and without any adaptation of parameters is particularly noteworthy.     

基于独立分量分析的遥感图像分类技术

遥感图像的自动分类方法一般基于图像的统计信息。多光谱遥感图像之间有着一定的相关性 ,对遥感图像的自动分类有不利影响。一般用主成分分析去除波段之间的相关性。独立分量分析能利用相对主成分分析更高的统计分量 ,不但可以获得去相关的效果 ,而且可以得到相互独立的结果波段图像。本文首先讨论了独立分量分析的基本原理。在此基础上 ,介绍FastICA算法 ,并对其进行改进 ,得到M FastICA算法 ,并将其应用到遥感图像的分类上。实验结果表明 ,M FastICA算法较FastICA算法收敛性大为改善 ,提高了独立分量分析在遥感图像的分类上的有效性