基于成本最优路径的划界线与实际地形自动匹配

针对当前划界工作中主要采用手工操作实现划界线与实际地形匹配的现状,提出了基于成本最优路径分析实现自动匹配的基本原理,研究了自动匹配的关键技术。首先,基于悬挂特征栅格的反向追踪构造地形特征网络,并借助划界法理对其进行特殊处理。其次,构建成本图层,应用成本最优路径分析实现了划界线与实际地形的自动匹配。最后,通过实验对匹配结果的可靠性进行评价,验证了本文自动匹配方法的有效性和可靠性,并对划界工作提出了若干建议。     

线/面Voronoi图的分解合并生成算法

Voronoi图生成算法受到计算效率或生长源类型的限制,难以支撑线/面生长源Voronoi图的构建。本文提出一种生成线/面生长源Voronoi图的分解合并算法,其主要过程是将线/面生长源离散为特征点表达,通过特征点交叉建立最近特征点对,并以最近特征点对Voronoi子区域的交来部分地代替线/面生长源的等距离边界,算法以前后迭代离散计算的Voronoi子区域面积差分作为条件,可有选择地将部分生长源置入迭代过程,使线/面生长源Voronoi子区域逐步调整并达到精度要求。     

北京市旅游流时空特征研究

大数据背景下,网络上产生了大量带有游客时空信息的"数字足迹".本文以北京市为例,利用游记数据探究北京市旅游流的时空及网络结构特征.结果表明:(1)2月、7至9月为北京市的客流高峰期;(2)北京市旅游流的空间分布具有明显的等级分异特征且密度分布不均衡,总体呈"小聚集、大分散"的特征;(3)北京市旅游流网络中,平均每个节点...     

三维激光扫描在建设工程竣工规划核实中的应用研究

本文介绍了建设工程竣工规划核实的主要方式,阐述了测量在竣工规划核实中的重要性,及目前核实方式中存在的问题.然后,针对三维激光扫描的技术原理,分析了三维激光扫描技术在竣工规划核实中应用的可行性,并通过对控制点布设、点云配准、建筑物特征点提取等技术方法的研究,实现了三维激光扫描在竣工规划核实中的应用,具有一定理论意义和实用价值.     

结合微博数据挖掘的时空特征分析

在大数据背景下处理海量数据时,数据的获取和分析手段至关重要。本文运用网络平台的开放接口API,对特定的地理区域和特定的用户采集包含时空信息的数据,建立了一个通过模拟登录自动发送网络请求,解析与提取返回数据,集数据采集、处理、入库于一体的微博数据采集系统;用微博数据的发布位置分布及集聚状态研究了用户的行为特征。试验表明,该方法可为事件发现、趋势预测、用户特征分析等方面提供信息。     

巴马县地形因子与土地利用空间分布关系研究

选取广西喀斯特地区代表之一巴马县,利用土地利用现状图和DEM,从中提取出研究区的高程、坡度、坡向数据。利用ArcGIS的空间分析功能,分别对高程、坡度、坡向和土地利用数据进行叠加处理,得到在不同高程、坡度、坡向下的土地利用分布情况,并利用SPSS软件对土地利用类型与地形因子进行相关分析。     

采用Morse理论的小尺度地形特征提取方法

Li DAR点云为小尺度地表形态的提取与表达提供了精确的数据源,但其高密度性与不确定性,导致应用Morse理论提取的特征点中含有大量的"伪特征点"。这里首先通过定义特征点指数等一系列概念,模拟特征点周围区域的地表形态,建立特征点重要性度量指标与计算方法;然后给出了地表重要特征点的提取算法;最后,进行了试验验证与分析。结果表明:提出的算法优于现有的持续值法与自然法则法,可以有效剔除"伪特征点",实现基于Li DAR点云小尺度复杂地形的特征点精确提取与多层次表达。     

高光谱影像光谱-空间多特征加权概率融合分类

提出了一种基于光谱-空间多特征加权概率融合的高光谱影像分类方法。首先,利用最小噪声分离(minimum noise fraction,MNF)方法对高光谱影像进行降维和特征提取,并以得到的MNF特征影像作为光谱特征,联合灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取的纹理特征、基于OFC算子建立的多尺度形态学特征以及采用连续最大角凸锥(sequential maximum angle convex cone,SMACC)提取的端元组分特征,组成3组光谱-空间特征;然后利用支持向量机(support vector machine,SVM)对每一组光谱-空间特征进行分类,得到每组特征的概率输出结果;最后,建立多特征加权概率融合模型,应用该模型将不同特征的概率输出结果进行加权融合,得到最终分类结果。为了验证该方法的有效性,利用ROSIS和 AVIRIS影像进行试验,总体分类精度分别达到97.65%和96.62%。结果表明本文的方法不但较好地克服了传统基于单一特征高光谱影像分类的局限性,而且其分类效果也优于常规矢量叠加(vector stacking,VS)和概率融合的多特征分类方法,有效地改善了高光谱影像的分类结果。