煤矿区地质环境与地质灾害遥感集成监测系统的关键技术

面向“数字矿山”应用系统的需要,在分析煤矿区地质环境和地质灾害特点及其在遥感监测理论依据的基础上,提出了煤矿区地质环境与地质灾害遥感集成监测系统的技术思路和体系结构,强调各种监测技术手段、不同时空尺度、不同数据源和不同主题信息的集成,并针对这一集成系统实现与应用中的多目标遥感信息处理、环境传感器网络应用、遥感监测数据与专题分析模型的集成、数据质量控制等关键问题进行了探讨。     

改进的自适应遗传算法在遥感图像分割中的应用

为了自动确定遥感图像分割的最佳阈值,本文提出了一种改进的自适应遗传算法,并利用该算法对二维Otsu图像阈值分割函数进行了全局优化,提高了分割闻值的求解速度。该算法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,克服基本遗传算法的收敛性差、易早熟问题。实验结果表明,该算法具有良好的收敛速度和稳定性,达到较好的图像分割效果,大大缩短了计算时间。     

空间合作目标交会对接光学测量研究

随着人类探索太空活动的深入,空间交会对接技术(RVD)发挥着越来越重要的作用。本文在介绍国外交会对接测量技术最新研究现状的基础上,研究了交会对接光学成像测量系统的原理和测量算法,并分析了光学成像测量系统设计中的几个关键技术,其测量有效性和测量精度直接关系到交会对接任务的成功与否,最后讨论了未来交会对接技术的发展方向。     

缙云县四项措施强力推进土地开发复垦工作

一是突出责任,落实项目任务。县政府和各乡镇签订土地开发复垦目标责任书,要求把土地开发整理复垦作为当前工作的重中之重,时时放在心上、紧紧抓在手上,集中力量攻坚,集中精力推进。二是完善制度,强化政策引导。进一步建立和完善激励机制,发挥经济政策和考核制度的导向作用,调动各方的主动性、积极性和责任感。三是强力推进,实行倒逼机制。制定全年项目工程倒排时间进度表,实行工作倒逼机制。     

基于MSA特征的遥感图像多目标关联算法

遥感图像中多目标关联存在以下两个问题:一是低时间分辨率观测使得目标状态信息无法准确估计,基于Kalman滤波的多目标关联算法不再适用;二是基于图像特征的目标关联算法又无法处理大场景观测中多个目标关联引起的模糊性.针对上述问题,提出一种基于多尺度自卷积特征匹配和关联代价矩阵最优化的多目标关联算法.实验表明该算法对遥感图像中多目标关联问题具有一定的适用性.     

多目标粒子群算法与选址中的形状优化

选址问题是GIS最基本的任务之一.一般性的选址是基于点的位置优化,可利用有关GIS功能完成.实际的选址问题是很复杂的.在给定设施的数量和面积前提下,需要在空间上确定设施的最佳位置,并对形状进行优化,以获取最大的效用.采用一般的方法无法求解这种最优化问题.而且,当选址问题涉及多个目标和不同的约束性条件时,就会变得异常复杂.提出了利用多目标粒子群优化算法和区域形状变异算法相结合来解决复杂的空间选址问题.具有智能的搜索方法,大大提高了空间搜索能力,并保持了搜索区域的连通性,取得了较好的效果.     

同位素示踪剂在流域水文模拟中的应用

主要目的是通过对同位素在流域水文模拟应用中的一些假定、限制条件以及方法进行澄清和系统化,从而促进同位素在流域水文模拟中一些新的研究方向和研究热点.主要从三个方面,即同位素流量过程线分割、流域平均滞时与不同水源混合、与水文模型耦合,讨论同位素示踪剂在流域水文模拟中的研究进展情况.同时指出了同位素在流域水文模拟中应用存在的一些主要问题,包括:①降雨同位素含量的时空变化;②不同径流成分的采样;③径流输出同位素含量的空间变化;④流域平均滞时分布函数的确定;⑤水文同位素耦合模型.     

SAR图像点目标检测新方法

分析了2L-IHP目标检测算法,提出了一种基于幅度和相位信息的SAR图像目标检测方法,实现了SAR图像中人工目标的有效检测.     

基于时刻独立脉冲耦合神经网络的高空间分辨率摇感影像分割

高空间分辨率遥感影像中地物目标内部光谱信息复杂性的增强,使得传统基于光谱特征值的数据处理方法效果不再显著,影像分割为解决这一问题提供了一种思路,成为当前高空间分辨率遥感影像处理的研究焦点.时刻独立脉冲耦合神经网络具有状态相近、空间相邻神经元相互耦合同步脉冲激发和区域之间神经元脉冲激发时刻独立两大特点,已被应用于非遥感影像分割中,并取得较好效果.本文结合高空间分辨率遥感影像特点,通过对网络参数进行实验和分析,提出一个基于时刻独立脉冲耦合神经网络的高空间分辨率遥感影像分割方法,并利用空间分辨率0.3m的航空影像进行了数据试验,将分割结果进行讨论并与现有时刻独立脉冲耦合神经网络方法和ISODATA方法分割结果进行对比分析.结果表明:时刻独立脉冲耦合神经网络在高空间分辨率遥感影像分割处理中具有很好的应用前景.     

基于相关系数匹配的混合像元分解算法

遥感影像中的混合像元不仅影响地物识别和分类的精度,而且已成为遥感科学向定量化发展的主要障碍.为此,人们已经提出了多种混合像元分解算法,其中应用最为广泛的是最小二乘法.该方法虽然具有意义明确、简单易行等特点,但也易受局部噪声、大气效应、环境辐射等因素的影响.本文将混合像元分解问题归结为一个基于光谱匹配的非线性最优化问题,并针对最小二乘法的不足提出了一种新的基于相关系数匹配(spectral correlation matching, SCM)的混合像元分解技术.通过在北京市北三环及其以北区域内案例的研究表明:在城市区域内,利用图像选取终端端元的办法,基于相关系数匹配的混合像元分解算法的总体精度高于带全约束的最小二乘法(LS)的分解结果.对比分析表明:在目标光谱的绝对值整体放大或缩小而光谱形状得到了很好的保持、及局部噪声使得光谱值显著变化但光谱形状得到了一定程度保持时,基于光谱形状的相关系数法可以得到比基于光谱绝对值的最小二乘法精度更高的分解结果.