多光谱激光点云卷积神经网络的地物分类研究

针对商用激光传感器Optech LiDAR Titan系统获取的多光谱激光点云数据进行地物分类试验的探索,该文提出一种基于卷积神经网络(CNN)模型的多光谱激光LiDAR点云数据地物分类方法.新数据源多光谱激光点云具有多通道和多次散射回波的典型特性,生成感兴趣的热力图,根据热力图特征值和nDSM辅助数据进行感兴趣地物分类.采用CNN模型学习结果与面向对象影像分析OBIA分类方法相结合对分类结果进行精化,并用随机采样参考点对地物分类结果进行精度评估,解决CNN模型分类的正确性和可靠性问题.实验表明,地物分类整体精度OA达到89.8％,Kappa值0.858,该方法在多光谱激光点云地物分类方面具有稳健性、有效性和通用性.     

地物杂波抑制器在雷达观测中的应用

本文通过对加装在713雷达上的地物杂波抑制器试验结果分析,指出:经“抑制”处理后,能快速,准确地将气象回波从地物杂波中分开来。采用分级衰减方法对比观测,气象回波损失约5分贝。 采用地物杂波图后,可以改善地物杂波抑制器性能,增大了抑制器在天气雷达组网拼图中的应用前景。     

我国西部1:5万地形图空白区地物解译研究--以西藏那曲其香错地区为例

我国西部部分地区1: 5万地形图数据尚未完成,给区域和国家经济发展带来极大不便.空间技术、计算机技术和信息技术的高速发展为遥感技术应用提供了技术支持,高分辨率影像获取能力的提高为大比例尺地物特征的提取提供了数据可能.本文采用SPOT 5遥感影像,以1: 5万地形图图式标准为依据,进行青藏高原其香错地区地物判读,结果表明SPOT 5能基本满足1: 5万地形图制图要求.为进一步提高判读结果,可采用多时相、多分辨率影像进行1: 5万地形图地物判读.     

多普勒天气雷达地物回波特征及其识别方法改进

非气象因子会在雷达探测时对雷达资料造成污染,并导致雷达数据的质量问题,在雷达数据应用之前必须对被污染的距离库进行识别和处理。该文在现有基于模糊逻辑识别地物回波工作的基础上,发展适合于我国CINRAD/SA的地物回波识别方法,采用北京和天津雷达2005,2006年夏季部分时段体扫资料,同时对反射率因子和径向速度以及速度谱宽进行处理,得到不同回波的各种特征, 并对各种回波特征进行分析; 考虑到隶属函数的确定是地物识别准确率的关键, 运用CSI (critical success index)评判标准确定了模糊逻辑超折射地物回波识别的最佳线性梯形隶属函数;通过识别效果分析说明该方法在识别超折射地物回波中的作用。结果表明:运用改进后的模糊逻辑法可以更好地识别地物回波, 特别是那些超折射地物回波; 与原方法相比, 改进后的方法有效减少了对降水回波的误判。     

利用自动站草面温度判定霜的形成

在大气探测工作中,判定霜形成的必要条件是贴地（或贴近地物表面）层温度〈0oC。在实际观测中存在空气最低温度〉0℃、地面最低温度〉0℃、草面最低温度〈0℃的不同观测日,天气现象中分别记录有霜和无霜的问题。应用自动气象站资料可以对当日是否出现霜作出准确判定,这对大气探测工作,特别对初霜目的判定有重要意义。     

虚拟地形建模中地物与地形匹配的算法研究

对于大比例尺条件下的地形环境仿真而言,采用贴2维纹理的方式表示地物已远远不能满足定位精度和可视化效果的需要,因为每个地物都是一个清晰可辨的3维实体了.在这种情况下地物模型能否与地形模型相匹配(即虚拟场景中的地物既不悬于地表之上也不陷入地表之下)将直接关系到视觉感受的逼真程度,以及在虚拟场景中对目标实施打击的精确程度.文中就如何实现地物模型与地形模型在数据层次上的匹配提出了一个解决方案,并对具体算法进行了详细阐述.实验结果表明了算法的正确性和实用性,由此说明匹配方案较为行之有效.     

基于新型相似性测度的高光谱影像地物检测

提出了一种新型光谱相似性测度及其参数的自适应选择方法,并且将其应用到了高光谱影像地物检测中。由于这种相似性测度基于光谱角度余弦(SAC),因此在理论上对因光照强度变化、阴影和遮挡等引起的同种地物光谱变化的适应性较强。最后利用两幅高光谱影像进行了实验分析,实验结果证明提出的方法不仅能扩大阈值取值区间,而且可提高检测的精度。     

八、P27 地籍学

正CH20121107一种维护线状地物基本单元属性逻辑一致性的平差方法=An Adjustment Method to Maintain the Attributes Logical Consistency of Linear Features Basic Unit/唐远彬,张丰,刘仁义,刘南(浙江省资源与环境信息系统重点实验室)//武汉大学学报·信息科学版.-2011,36(7).-853～856,876     

面向城市地物分类的L波段SAR影像极化特征提取与分析

针对ALOS PALSAR全极化数据提取了多种极化特征,分析其对人工地物、裸地、农田、林地、水体5种典型地物的提取能力。实验结果表明,利用全极化SAR影像提取的极化特征可以较好地区分城市典型地物类型,并且全极化数据的地物区分能力优于双极化数据。对于单一时相的数据分类结果而言,人工地物与其他非人工地物的极化特征差别最大,水体与林地也较容易区分,而裸地和农田容易混淆。