地理国情普查中容易混分地表覆盖类型定量统计与分析

地理国情普查是新形势下测绘地理信息领域一项新的重大工作,开展地理国情普查可以全面获取地理国情信息,为开展常态化地理国情监测奠定基础。地表覆盖分类数据是地理国情普查的重要组成部分和成果之一。本文针对目前地理国情普查工作实际数据采集过程中存在的混分问题,广泛收集了地表覆盖分类方面的典型样例和问题,从一级类内部混淆和跨一级类混淆两个方面统计和分析了容易混分的类型,探讨了容易混淆地表覆盖类型形成的原因和规律,并给出了提高分类精度的建议。本文研究结果可直接服务于地理国情普查工作的开展,为提高地表覆盖分类精度提供科学参考。     

利用地图API实现多时相遥感影像地图在线浏览

利用不同在线地图服务商卫星遥感影像数据的时间差异, 结合天地图API, 基于B/S开发模式, 实现了低成本的多时相卫星遥感影像地图在线浏览。     

一种新的基于高分辨率全色影像的城市建成区边界提取算法

针对城市建成区在高分辨率全色影像中的特点,提出了一种城市建成区边界提取的新算法。该算法首先基于边缘检测算子提取城市建成区的边缘密度特征,然后基于灰度共生矩阵和神经网络算法提取其纹理特征,最后结合多种数学形态学的方法提取出城市建成区边界。最后以武汉市为例,采用资源三号全色影像对比传统提取算法与本文提出的新算法,结果表明本文算法精度有明显提高,提取正确率能达到90%以上,且误判率和漏判率较低。     

ALOS卫星正射影像的处理方法

利用ALOS卫星的2．5m高分辨率影像PPJSM数据和10m分辨率的AVNIR-2传感器数据,通过正射纠正与数据融合比较分析其在1：5万和1：2．5万地形图上局部更新的可能。文中论述了1：5万比例尺地形图修测更新中,ALOS卫星数据处理所涉及的遥感校正模型选取、点位纠正与配准、数据处理重采样、分辨率融合等内容。     

基于骨架特征的多光谱遥感影像飞机目标识别方法研究

飞机目标的自动提取,是信息处理领域的重要研究内容。提高飞机目标的识别率,可以准确的把握区域动态,为相关决策提供支持。由于数学形态学特征和复杂几何结构等特征相对抗干扰性较强,而骨架线由地物的边界形态决定,不受其他因素影响,具有良好的稳定性。据此,研究选取香港机场多光谱遥感影像作为实验数据,基于骨架线几何特征参数与网络测度,提出了一种由多光谱遥感影像自动提取飞机目标的方法。研究选择基于边缘的多光谱遥感影像分割方法,提取矢量地物边缘;基于约束Delaunay三角网自动提取地物骨架和主骨架;通过选取对飞机目标识别具有良好区分度的特征参数,最终实现飞机目标的自动识别与定位。     

高分辨率遥感影像道路震害信息提取

道路作为震后救援的“生命线”,在地震应急中发挥了无可替代的作用,因此,第一时间获得震后道路受损情况显得极为重要。本文结合高分辨率遥感影像特点,以汶川地震的影像为例,总结道路震害在高分辨遥感影像上的表现形式,并基于ENVI/IDL二次开发,实现了面向对象法道路震害信息提取,通过与目视判读结果对比分析表明：该方法提取速度快、效率高,精度达到80%以上,具有很高的应用价值。     

基于Google地图数据的可视化无人机航线规划研究

以下载的Google地图影像和DEM数据为基础,依据测区范围及质量要求自动计算最佳飞行参数,并自动求解航点坐标指导飞行作业,不但可以减少外业工作的繁杂度,而且符合自动化作业的理念与趋势。     

《广州市影像（丝绸）地图》的设计与制作

影像丝绸地图作为一种地图产品,兼具丝绸地图的艺术性、实用性与影像地图的真实直观。相较于普通的纸质线划地图,影像丝绸地图在设计和制作上也有着不同的要求。本文结合《广州市影像（丝绸）地图》编制过程,详细论述了影像丝绸地图在数字制图环境下表示内容设计、色彩、符号设计等方面的原理与方法,介绍了该地图的制作流程与方法。     

路域植被叶绿素多光谱遥感定量反演研究

叶绿素是植被光合作用的主要物质,准确估算叶绿素含量对植被生长健康状况和生态环境研究具有重要意义。本文利用辐射传输机制的PRO4SAIL模型模拟植被冠层光谱,以TM影像为数据源,分析物理模型模拟反射率和遥感影像反射率与叶绿素含量之间的相关性,研究利用多光谱信息定量反演路域植被叶绿素含量的可行性。研究结果表明,植被光谱反射率与叶绿素含量之间有较强的相关性;利用PRO4SAIL模型模拟的冠层反射率反演叶绿素含量具有一定可行性。该研究成果为大面积路域植被冠层叶绿素含量遥感监测提供理论依据与参考。     

面向对象的高分辨率影像单值分类耕地提取方法研究

遥感技术已广泛地应用于土地覆盖/土地利用分类中。在专题应用中,用户只对某一类地物感兴趣,例如耕地提取,即单类别分类问题。随着影像分辨率的提高,基于像元的分类算法难以满足高分辨率影像高精度信息提取的需求。本文采用结合面向对象分类思想和基于正样本、未标记样本遥感单值（PUL）分类方法从多源高分辨率影像中提取耕地信息,并与基于像素的分类实验进行对比分析。结果表明,在缺少部分地类的不完全训练集下,基于面向对象的单值分类较传统神经网络分类有更较稳定的表现,并且远优于基于像素的分类结果。