A framework of region-based spatial relations for non-overlapping features and its application in object based image analysis

Object based image analysis (OBIA) is an approach increasingly used in classifying high spatial resolution remote sensing images. Object based image classifiers first segment an image into objects (or image segments), and then classify these objects based on their attributes and spatial relations. Numerous algorithms exist for the first step of the OBIA process, i.e. image segmentation. However, less research has been conducted on the object classification part of OBIA, in particular the spatial relations between objects that are commonly used to construct rules for classifying image objects and refining classification results. In this paper, we establish a context where objects are areal (not points or lines) and non-overlapping (we call this “single-valued” space), and propose a framework of binary spatial relations between segmented objects to aid in object classification. In this framework, scale-dependent “line-like objects” and “point-like objects” are identified from areal objects based on their shapes. Generally, disjoint and meet are the only two possible topological relations between two non-overlapping areal objects. However, a number of quasi- topological relations can be defined when the shapes of the objects involved are considered. Some of these relations are fuzzy and thus quantitatively defined. In addition, we define the concepts of line-like objects (e.g. roads) and point-like objects (e.g. wells), and develop the relations between two line-like objects or two point-like objects. For completeness, cardinal direction relations and distance relations are also introduced in the proposed context. Finally, we implement the framework to extract roads and moving vehicles from an aerial photo. The promising results suggest that our methods can be a valuable tool in defining rules for object based image analysis.     

ASTER多光谱波段与SPOT全色波段融合方法研究

遥感图像融合可以发挥多源遥感数据的优势。但由于不同传感器的遥感数据有着不同的特征,不同数据所采用的融合方法也应不同。文章探讨了ASTER多光谱波段与SPOT全色波段数据融合的方法,通过对PCA融合、IHS融合和基于小波的IHS融合方法的对比研究,得出基于小波的IHS融合法在提高空间分辨率的同时较好地保持了地物的多光谱信息。     

基于圆增长特征的点状要素群选取算法

控制点、独立地物等在地图上呈点群状表达,如何高效、合理地实现此类要素的自动综合是地图多尺度表达的重要问题。文中在前人研究的基础上,提出一种基于圆增长特征的点状要素群结构化选取算法,实现点状要素群的自动选取。其基本原理是：根据一个点与其周围点重要性程度的比较来确定该点删除与否,从而确保其拓扑关系和几何信息的正确性。实验证明：该算法实用、有效。     

基于约束的城市街道网自动综合方法

近年来,基于约束的地图自动综合成为研究的热点。本研究在基于约束的地图自动综合理论的基础上,提出了一种城市街道网自动综合方法。该方法依赖于街道网综合中的约束和改进的动态决策树结构,它很好地将约束融入了特定的数据结构,实现了街道网的渐进式综合。实验证明了方法具备可行性。     

基于实例的GIS数据库模式匹配方法

针对空间数据库的特点,提出了一种改进的基于实例的层次式模式匹配方法,并解决了实体对应关系的自动建立、要素类相似性计算、属性相似性计算等问题.最后,通过实验验证了该方法的有效性.     

多因子影响的地图居民地自动聚群与综合研究

提出了地图综合目的的居民地聚群需要遵循Gestalt的邻近性、相似性和方向性原则,描述居民地结构、形态及其关系需要6个因子,即居民地间的距离、可视区域面积、大小相似度、形状相似度、方向关系、居民地内部方向;进而运用这些原则和因子,给出了居民地的自动聚群和综合方法.     

GENTOOLS在国家1∶50000数据库更新工程中的应用研究

1∶50000地形数据库更新是一项复杂的地形数据库制作工程。传统的缩编技术工艺与相应的工具难以适应新的生产需要,适应于数字环境下的缩编生产工具的需求则变得非常迫切。GENTOOLS很好地解决了1∶50000数据库更新工程中的诸多难题,采用半自动和手动相结合的方法,大大提高了缩编效率,同时也为地形图缩编提供了一种新的选择。     

利用Quickbird卫星遥感影像进行1∶10000比例尺基本地理信息数据更新的探讨

作者探索利用已有的控制点成果及1∶10000地形图矢量数据、高分辨率Quickbird卫星遥感影像,针对国内各省近年更新过的1∶10000数字正射影像数据、1∶10000地形图数据进行再次更新的方法进行了探索。     

基于改进Snake模型的道路网空间冲突处理

在对Snake模型研究分析的基础上,结合地图制图的需求,从3个方面对Snake模型进行改进：首先建立Snake模型中参数与道路曲线形态特征的关系,以更好地保持移位前后道路形态的相似性;其次控制Snake模型中外力的传播范围,以尽量保持要素位置的准确性;最后,通过道路交叉点的权重属性控制,保证移位后各交叉点的连通性以及道路的整体拓扑关系不发生变化。在此基础上,提出道路网移位整体思路,并采用改进的Snake模型对其进行移位,解决空间冲突。     

发挥自身优势 扩大经营 走探采一体化道路

煤炭地质勘查单位,通过几十年的艰苦奋斗,不仅为国家找出了大量的煤炭资源,同时也积累了丰富的管理、施工和技术工作经验,以及大量的地质资料。应该发挥自身优势,充分利用大量的以往地质资料,结合新的找矿理论和先进的地面勘查手段,加大人才培养和引进力度,逐步提升专业技术人员的学识和科技水平,加强基础地质工作,不断寻找新的工作靶区,把握住煤炭勘查市场的主动权。抓住机遇,做好资金积累,加强资本运做,充分利用已有探矿权,走探采一体化道路,做精做强到做大地勘单位,是生存和发展的良好出路。