基于Web Service的分布式遥感影像数据库设计与实现

结合实际工作中影像数据存储与管理的需求,在应用Web Service技术对遥感图像分布式处理的过程中,就不同形式的数据库查询方法对遥感影像数据进行基于元数据库的数据库系统设计,并结合SOAP调用等技术对其进行原形实现。从数据库的各种基本操作可以看出,基于SOAP/XML技术及辅助元数据库的分布式影像数据库设计方法及远程调用在实际工作需求中是有效的。     

基于GMRF-SVM的高分辨率遥感影像目标区域划分方法

高分辨率遥感影像数据量大、细节丰富并呈现出一定的尺度依赖性,单一尺度遥感影像分割难以同时兼顾影像的宏观和微观特征,这成为制约遥感信息自动化提取技术发展的瓶颈之一。对此本文提出了基于特征的多尺度高分辨率遥感信息提取技术框架,并分析了其对于大尺度海量数据信息提取与目标识别工作具有的理论及实践意义。根据影像光谱或纹理等特征,提出采用GMRF-SVM方法在大尺度上进行分类的目标区域划分方法。从大尺度信息提取的角度来看,该方法综合了GMRF纹理分类和SVM少量样本模式识别的优势,便于先验知识的融合,无论从花费时间还是分类处理效果上,都远远优于直接采用GMRF进行分割所取得的效果,对于后面的信息提取和目标识别来说更具有实际意义。     

基于SVG的分布式遥感图像特征提取方法

在遥感图像网络化分布式特征分析与表达过程中,有很多需要栅格数据与矢量数据的混合模型的网络化表达与传输问题,而矢量数据的网络化表达、传输与显示问题则是影响遥感图像分布式处理效率的关键性因素之一。本文首先对SVG技术及其对矢量数据的表达特点作了简介,在介绍遥感图像分布式特征提取系统的运行流程的基础上,对其在遥感图像分布式处理中相关的网络化数据表达与显示问题给出了相应的解决思路,并给出了相应的实例与效果分析。     

高空间分辨率遥感影像分割定量实验评价方法综述

GEOBIA（Geographic Object-Based Image Analysis）技术针对高空间分辨率遥感影像分析的效果和精度远优于基于像元的传统方法。影像分割作为GEOBIA中的关键技术,学者们对此已经做了大量的研究,提出众多分割算法。对分割算法进行评价和分割技术本身同样重要,通过分割评价可以对分割算法的性能进行评价,比较不同分割算法的优劣,为影像选择合适的分割算法并设定合适的分割参数。影像分割的目的是为了实现影像分析操作的自动化,而主观评价法、系统评价法和分析评价法,因其无法给出客观定量指标的特点,难以应用于实时、自动化的高分辨率影像信息提取与分析系统当中。加之近年来针对分割评价方法的研究远远落后于分割算法本身,因此对定量分割评价方法进行综述对于影像分割方法及其应用研究意义重大。本文对现有的评价方法进行系统总结,建立了针对高空间分辨率遥感影像分割评价方法的分类体系。对各种方法,特别是定量的实验评价法进行对比,分析其应用范围和优劣,最后指出了高空间分辨率遥感影像分割评价未来的改进方向和应用前景。     

高分辨率遥感影像上基于形状特征的船舶提取

由于高分辨率遥感影像上靠岸船舶的灰度、纹理特征往往和港口地面接近,与离岸船舶相比,其自动提取与识别相对更为困难,为此,为离岸、靠岸船舶的提取设计了不同方案。实验证明了方法的有效性。     

遥感影像空间尺度特性与最佳空间分辨率选择

尺度概念是理解地球系统复杂性的关键,尺度问题被认为是对地观测的主要挑战之一,而结合具体研究应用领域,由地学现象的尺度本身出发,选择所需遥感影像的最佳尺度和分辨率,是非常有现实意义的.本文在深入剖析了遥感影像的尺度特性和遥感影像尺度选择的意义的基础上,探讨了基于地统计学方法定量选择遥感影像最佳空间分辨率的方法.阐明了传统局部方差方法不能得到理想结果的原因:传统的局部方差方法的实质是基于变化地面面积计算影像局部方差的均值,而基于这样不同甚至是相差悬殊的地面面积进行局部方差计算,其结果必然不具有可比性.对此,本文提出了基于可变窗口与可变分辨率的改进局部方差方法,即依次降低空间分辨率时,高分辨率采用大窗口尺寸,低分辨率采用小窗口尺寸来维持计算窗口内的地面面积的一致,由此计算出的局部方差作比较来判定遥感影像最佳分辨率.进行了系列实验分析,得到了相关结论,分析得出这种基于地统计的方法来选择遥感影像最佳分辨率的方法,对遥感和GIS研究与地学应用具有一定的理论意义和指导意义.     

参数优化随机森林算法的土地覆盖分类

针对随机森林算法进行土地覆盖分类时无法确定参数组合以得到最优分类结果的问题,该文提出了两种随机森林算法的参数优化方法。以北京市昌平区为研究区,应用Landsat TM影像,实现了基于光谱值、纹理特征和专题特征的随机森林土地覆盖分类。采用改进网格法和遗传算法对随机森林算法的参数进行选择与优化,比较了改进的网格法和遗传算法方法找到的参数组合最优解,并将优化参数后的随机森林算法与传统的最大似然法及未经参数优化的随机森林算法对比。实验结果验证了随机森林算法在土地覆盖分类上的适用性和稳定性,且该文提出的基于参数优化的随机森林算法能得到更高的分类精度。     

高分辨率遥感影像特征分割及算法评价分析

图像分割一直是图像处理和计算机视觉领域中的一项关键技术。本文首先从遥感影像地学处理与应用的角度阐述了影像分割技术对于遥感信息提取和目标识别的重要性,然后提出了基于特征的高分辨率遥感影像信息提取技术框架,建立了一套基于特征的遥感影像分割方法及分类体系。同时,鉴于遥感影像分割方法评价的重要性, 阐述了一种高分辨率遥感影像分割方法评价的思路,并对几种典型的基于特征的遥感影像分割方法进行定性和定量的试验和评价,对其各自的性能和适用面进行对比分析。最后,指出了遥感影像特征分割方法所存在的问题及其发展趋势。     

结合影像分区与尺度估计的耕地提取方法研究

尺度效应的存在使得不同地物的空间及属性尺度存在差异,不存在适合于影像中所有地物的唯一尺度。但通过影像分区,然后针对不同区域设置最优分割参数,可以有效地提高影像整体的分割精度。耕地地块分割中,对分割边界的要求较高,需要保证地块边界清晰连续,鉴于此,本文提出了一种结合影像分区及尺度估计的耕地地块提取方法。本文利用不同地物的温度反演影像来实现区域划分,根据温度数据将影像划分为不同地物类型、作物类型或作物长势不同的多个区域。接下来,分别对不同的区域影像进行分割,由于不同类型地物的固有空间空间尺度不同,所以不同区域影像的最佳分割参数也随之不同。空间统计的平均局部方差法可以用来预估各区域影像的分割参数,与分割参数优选的方法相比,该方法可快速准确定位,且效率较高。因此本文利用该方法进行参数估计,采用边缘约束分水岭分割算法进行耕地地块分割。此外,本文对现有影像分割评价指标进行了改进。实验结果显示,本文提出的耕地地块提取方法可针对影像的不同区域,快速准确地设置分割参数,且与其他分割方法相比,地块边界更清晰连续、多边界问题得到了极大改善。     

遥感信息图谱计算的理论方法研究

遥感应用的本质是投入专业知识从对地观测影像中提炼专题信息,并以之服务于各类分析与决策的过程。其中,信息计算是整个遥感应用服务技术链的基底。本文在传承地学信息图谱理论的基础上,提出了遥感"图-谱"信息耦合的空间认知理论,构建了"像元-基元-目标-格局"为一体的遥感信息图谱计算的理论方法体系,将其分为"像元级"和"对象级"两个层次,并阐述了高性能计算环境支持下,遥感信息图谱计算平台的设计开发思路及目前研发进展,总结了遥感信息图谱计算的发展趋势和重点研究问题。