面向大范围实时数据的动态船舶矢量标绘方法

船舶可视化和分析在现代航海管理领域中发挥着重要作用。鉴于目前主流的船舶符号栅格表达方式存在失真、不易交互等弊端,本文提出一种面向大范围船舶实时动态数据的矢量标绘方法。基于时空GIS技术实时接入船舶数据流,创建一个不断更新的船舶要素服务;在前端通过WebSocket建立与服务间的双向通信,低时延获取最新船舶定位信息;并结合多空间尺度表达规则和标绘算法进行符号重绘,实现对船舶位置、尺寸、航向在不同显示级别下的精确表达。测试证明,该方法可以有效支撑较大地理范围内船舶数据的动态可视化,满足船舶避碰、海事管理和应用分析的需要。     

Assessment of Sentinel-1A data for rice crop classification using random forests and support vector machines

This study developed an approach to map rice-cropping systems in An Giang and Dong Thap provinces, South Vietnam using multi-temporal Sentinel-1A (S1A) data. The data were processed through four steps: (1) data pre-processing, (2) constructing smooth time series VH backscatter data, (3) rice crop classification using random forests (RF) and support vector machines (SVM) and (4) accuracy assessment. The results indicated that the smooth VH backscatter profiles reflected the temporal characteristics of rice-cropping patterns in the study region. The comparisons between the classification results and the ground reference data indicated that the overall accuracy and Kappa coefficient achieved from RF were 86.1% and 0.72, respectively, which were slightly more accurate than SVM (overall accuracy of 83.4% and Kappa coefficient of 0.67). These results were reaffirmed by the government’s rice area statistics with the relative error in area (REA) values of 0.2 and 2.2% for RF and SVM, respectively.     

改进的ELU卷积神经网络在SAR图像舰船检测中的应用

随着航天技术的发展,我国SAR载荷的探测体系呈现多种类、多分辨率的发展趋势。传统的检测识别方法很难适应多分辨率、多种类的SAR图像数据,从而需要寻求一种能从多分辨率的图像数据中提取有效特征的方法。智能化发展非常迅速,本文基于SAR图像的特点,提出了改进的ELU激活函数卷积神经网络的方法,建立了结合ELU激活函数和二次代价函数的深度学习模型。同时,在训练样本中建立样本特征与所在分类中心的距离函数,用模糊支持向量机（FSVM）对提取的特征进行了分类。试验结果表明,本文方法提高了SAR图像舰船检测的抗噪性,并且检测率达到了98.6%。     

支持向量机辅助下的智能手机行人运动模式识别

利用智能手机的内置多集成传感器作为数据采集工具,结合支持向量机（SVM）进行行人运动模式识别是智能识别领域中一个重要方法。本文针对行人静止、行走、上/下楼梯、上/下厢梯、上/下扶梯这几种常见的室内运动模式,选取有效特征,利用线性核函数SVM建立分类模型对测试数据进行了识别。试验结果表明：从所采集的行人运动模式的数据中提取13个特征,可在3 s的数据滑动窗口0.5 s数据采样间隔下,得到96.4%的识别正确率。     

小波去噪的灰色最小二乘支持向量机变形预测

针对变形监测数据的随机性和非平稳性,以及单一预测模型的不足,该文提出了基于小波去噪的灰色最小二乘支持向量机变形预测模型。采用小波去噪对原始数据进行降噪处理,减弱数据随机扰动的影响,建立灰色最小二乘支持向量机模型,并采用粒子群算法寻找最优参数。通过大坝位移监测数据实例对模型进行验证,并与灰色模型、最小二乘支持向量机以及灰色最小二乘支持向量机进行对比分析。实验结果证明,该模型预测精度更高、稳定性更强。     

点云数据的多几何面片特征自动识别

针对人工构筑物丰富的面片特征,提出一种基于局部采样优化的多种几何面片（平面、柱面、球面）点云数据分割方法。该方法首先利用三维格网建立点云数据的空间划分,然后根据随机采样点确定局部格网单元,在格网单元内部拟合多种几何模型,通过局部打分确定局部候选模型（集）,利用统计推断估算候选模型集的全局打分区间,最终获得当前最优模型及其一致集,从而实现点云数据分割。试验结果表明：该方法能够对富含规则几何特征的人工构筑物进行有效分割。     

一种大规模倾斜摄影模型三维可视化方案

提出了一种基于四叉树结构的大规模倾斜摄影模型三维可视化方案：首先采用二次误差测度（QEM）的半边折叠算法对三角网格模型进行分层几何简化;然后对分层简化的模型进行纹理映射和分块,分块结果采用Morton编码命名;最后将场景按金字塔结构进行LOD（多细节层次结构）组织。选取某一试验区域的真实倾斜模型数据进行了试验,结果表明,该方案能依据模型在计算机屏幕上所占的像素大小,动态加载倾斜模型数据,完成大规模场景的实时可视化。     

动态矢量数据与在线地图的实时发布与实现

针对城市勘测规划中需要将AutoCAD矢量数据与WebGIS发布的地图进行叠加分析的应用需求,本文提出了在两种异构数据中寻找同名节点相应位置的方法,建立了一种基于节点向量同名节点（无几何畸变）的快速转换模型匹配方法,并通过AO（ArcObjects）/ArcGIS Server发布地图服务使不同坐标系下的矢量数据与在线地图进行同步匹配,实现了在WebGIS平台下用户对矢量文件的在线审查、分析等功能,并以实例应用结果表明了该方法的有效性。     

一种基于SVM的无人机影像中单个建筑物的角点检测方法

针对目前无人机影像中单个建筑物角点的检测现状,提出了一种基于支持向量机(SVM)的无人机影像中建筑物的角点检测方法。首先对4个波段的无人机影像进行多尺度分割,计算影像的NDVI,通过植被与非植被区域的波谱差异剔除植被的影响。其次,用面向对象分类法将"建筑物块"从影像中提取出来,对"建筑物块"区域用Harris算子进行边缘检测,形成建筑物边缘点集数据。随后通过设计高斯径向基将边缘样本点映射到高维特征空间,构建特征向量,采用边缘点集训练SVM分类模型,最终通过SVM分类模型从粗提取的边缘点集中检测出正确的建筑物角点,实现了单个建筑物的角点提取。     

志愿者地理信息中天桥的自动识别方法

基于天桥的几何与属性特征,提出了一种志愿者地理信息中自动识别天桥的方法。天桥从几何结构上可分为主桥和附属设施两个部分,主桥部分特征鲜明,可以视为两类分类问题,依据其几何特征和属性特征构建特征空间,利用支持向量机的方法进行识别;附属设施部分可依据已识别的天桥主桥,按照路段的长度、属性等判定规则进行识别,从而完成整个天桥的自动识别。以北京市OpenStreetMap(osm)数据进行试验验证的结果表明,本文提出的方法能有效地识别出志愿者地理信息中的典型天桥结构,可以为志愿者地理信息道路网的多尺度建模与化简、步行导航等提供帮助。