图割能量驱动的高分辨率遥感影像震害损毁建筑物检测

为充分利用高分辨率遥感影像提供的细节信息,提高震害损毁建筑物检测精度,提出了一种图割框架下融合形状、边缘、角点等多种类型特征的损毁建筑物检测方法。该方法首先利用震前建筑物线划图提取包含单个建筑物的局部影像,用于图割能量函数建模,并分别根据建筑物的位置、形状、边缘以及角点构造能量函数的各约束项。在此基础上,通过最大流/最小割算法求解能量函数最小值,依据最小割能量进行地震前后局部影像中建筑物的相似性度量。最后利用最大期望算法(expectation maximization,EM)求得最小割能量的分类阈值,并根据错分率估值执行后处理以获得最终变化检测结果。采用2011年3月11日东日本大地震前后石卷港的高分辨率遥感影像进行试验,结果表明本文提出的方法能有效检测出损毁建筑物。     

基于ArcEngine的数字高程模型更新方法研究

采用COM技术,以ARCENGINE所提供的类库和凸包算法,实现了数字高程模型(DEM)数据更新的边界检测和利用矢量地形数据采集更新数字高程模型数据的方法。保证了数字高程模型数据的精度,可以满足数字高程模型的现势性需求。     

摄影测量中几种特征点提取算法比较

特征点提取技术一直是数字摄影测量和计算机视觉中的研究热点。从兴趣算子的角度研究了摄影测量中几种主流特征点提取算法,并从提取角点数、提取时间等方面,定量地比较和分析了各算法的性能、优缺点,并得出了一定的结论。     

基于SBDART辐射传输模型的夜间辐射雾自动检测及时间序列分析

如何确定合适的阈值来区分夜间辐射雾、晴空地表和中高云一直是雾检测研究的重点。圣巴巴拉DISORT大气辐射传输模型(Santa Barbara DISORT atmospheric radiative transfer,SBDART)可模拟雾顶亮度温度。基于该模型获取MODIS B20与B31波段的亮温差(brightness temperature difference,BTD),将其用于夜间辐射雾检测。以MODIS卫星数据为可行性试验数据,用国家卫星气象中心提供的地面验证数据进行验证,结果表明,使用该模型监测夜间雾的准确率达78.3%,误判率为21.7%,可靠性指标为0.643,Kappa系数为0.730。为进一步验证方法的稳定性,选取8景卫星序列图像进行时间序列分析,结果显示Kappa系数均值为0.744,说明应用当前阈值方法对MODIS夜间雾检测具有可适用性。该方法为夜间雾预报和夜间雾参数反演提供了有效的参考。     

GIS在土地估价业务中的应用

本文针对当前土地估价行业的特点和存在问题,讨论了在土地估价信息系统中引入GIS技术的可行性和必然性,并以基于Delphi和组件式GIS软件———MapX开发的土地估价信息系统为例,着重介绍了该系统的主要功能和GIS技术在土地估价业务中的具体应用。     

基于IMAGIS的城市三维景观的构建

研究在IMAGIS环境下,利用DWG格式的电子地图作为基础地形数据进行惠州市人民政府及其周边地区城市三维景观的构建和实现,并就城市三维景观构建过程中电子地图的预处理、特殊物体的建模、纹理映射等一系列关键问题进行了详细阐述.     

近景摄影测量中不测定初始值的旋转矩阵构成方法研究

本文扼要地叙述了近景摄影测量中旋转矩阵构成的常用方法,同时分析比较各种算法的优缺点。文章介绍利用四维代数(又称四元数)描述旋转矩阵,详细论述利用这种方法计算外定向元素的P-H算法和单位四元数算法,以及与传统方法在运算过程中收敛性进行比较。在近景摄影测量应用实例中,试验表明这两种算法的可靠性和稳定性。实验同时说明利用四维代数描述旋转矩阵的方法灵活性大,该方法在平差时避免了大量的三角函数运算,保证在各种情况下收敛并获得良好的结果,具有迭代次数少,计算结果稳定等优点。     

基于GIS与PPC的土壤重金属污染综合评价

采用投影寻踪分类(PPC)模型对土壤重金属污染进行综合评价,评价中运用基于实数编码的加速遗传算法(SAGA)优化PPC模型投影方向。基于PPC模型的综合评价使土壤重金属污染评价中各指标结果相容,并且避免了传统加权评价中的人为干扰因素。为了直观表达评价结果和掌握评价区域整体污染情况,对评价结果进行了研究,并结合惠州市土壤监测数据,提出了运用GIS技术和ArcMap的空间插值功能处理评价结果。实验结果表明,PPC模型能准确客观地对土壤重金属污染进行综合评价,同时,GIS技术用于土壤重金属污染评价可以对评价数据进行各种空间处理。     

主动学习与图的半监督相结合的高光谱影像分类

针对当前高光谱影像分类时,人工标注样本费时费力以及大量未标记样本未有效利用等问题,提出了一种主动学习与图的半监督相结合的高光谱影像分类方法。首先,将像素的光谱信息与其邻域内的空间信息相结合,利用重排序机制得到一种旋转不变的空谱特征表达。在此基础上,利用主动学习算法选择最不确定性样本(即分类模糊度最大的样本),提交操作者标注得到标记样本集。最后将该标记样本与未标记样本组合,用于图的半监督分类。该算法可保证类别边界样本的选择,利于分类器的边界构造,同时,在较少标记样本情况下,通过引入大量的未标记样本,可以达到较好的分类效果。在3幅真实高光谱影像上的试验表明,该方法可以取得精度较高的分类结果。     

混合GM(1,1)模型预报季节性时间序列精度的方法探讨

灰色系统已被成功用于工程、经济、物理控制等许多领域。然而在预报具有季节性的时间序列时，直接应用GM(1，1)灰色模型往往精度不高。因为GM(1，1)灰色模型只能反映时间序列的总体变化趋势，不能很好反映其季节性波动变化的具体特征。因此，作者提出运用“滑动平均去季节性波动”与GM(1，1)混合建模的方法预报具有季节特征的时间序列。并以水文地质系统中地下水位预报和安装在混凝土中的测缝计测得的建筑物形变量为一组时间序列，基于均方差、平均绝对误差和平均绝对百分误差三个精度准则，比较了此方法与其它灰色建模法的结果。结果表明，此方法不仅能反映时间序列的总体变化趋势，而且能客观反映其波动变化的具体特征，有效提高了预报精度，减少了建模的复杂度。