结合ASIFT和归一化的抗仿射变换遥感影像盲水印算法

针对遥感影像使用过程中,含水印影像经过仿射变换后水印与影像的同步性被破坏,导致水印无法正常检测的问题,本文提出了一种适用于遥感影像的抗仿射变换盲水印算法。首先通过ASIFT算法提取影像具有仿射不变性的特征点,根据特征尺度的大小与特征点间的欧式距离筛选适量特征点,构造对应的正方形特征区域;然后通过计算特征区域的仿射不变矩得出归一化变换函数的参数,对特征区域进行归一化处理,并以归一化特征区域的不变质心为中心提取子区域作为水印嵌入区域,对该区域进行二级离散小波变换,得到水印嵌入区域的低频信息;运用量化嵌入规则将水印嵌入到低频信息中,依次进行低频信息逆小波变换,水印嵌入前后特征区域差值图像反归一化,最后将反归一化差值图像叠加在原始影像特征区域上,完成水印的嵌入。实验选用了3000像素×3000像素的高分二号遥感影像作为载体影像,含版权信息的二值图像作为水印,实验表明：含水印的遥感影像经过旋转、平移、缩放在内的仿射变换后,仍能准确提取水印信息;算法可有效抵抗加噪、滤波、裁剪等常规水印攻击,攻击后影像提取的水印与原水印相关系数均高于0.9;水印具有良好不可感知性;在水印提取时无需原始遥感影像,属于盲水印算法。     

多比例尺空间数据库的层次对象模型

多比例尺空间数据库是社会和技术发展到一定阶段后对地理信息系统提出的必然要求。本文分析了产生该问题的原因,多比例尺空间数据库的定义及相关性,回顾了多比例尺空间数据库建立的3种模型以及其组织结构、管理方式和优缺点。本文设计了层次对象模型作为多比例尺数据库实现的概念模型,将多比例尺表达分解为目标集合层次树和目标细节树的设计,详细论述了模型解决多比例尺数据管理的方法,最后讨论了多比例尺数据库的应用前景。     

城市创意产业空间动态集聚演化的计算与可视优化方法

基于人文地理视角下的城市创意产业图像可视化分析对城市深层次空间综合和区域创新发展具有重大意义。但Swarm群智能动态时空建模难以满足创意产业空间集聚的可视化发展。本文研究目标是,从城市区域创意产业空间聚类影响因素指标出发,创新性地提出区域空间动态集聚轨迹算法（Density-Based Interest Spatial Clustering of Path,DBICP）,并与计算机浏览器共建聚类可视化图像,为城市管理提供决策依据。首先,根据影响因素指标体系,利用2014—2018年空间卡口流量数据和产业指标数据进行预处理,构建空间标准聚类算法DBSCAN。然后,对其进行聚类密度分级优化形成全新DBICP算法并得出初步轨迹图像。最后,通过源码转译实现了浏览器界面下空间动态集聚轨迹图像的输出。结果表明：以上海市为例,普陀区、浦东新区、徐汇地区的创意产业空间分布形成了3种不同的聚类模式,并相应提出了分摊、均布、虹吸的管控策略。此方法克服了传统图像的聚类分级和轨迹测量的缺失,可以有效地从指标数据中发现图像轨迹聚类信息,体现了地理信息科学和人文社会学科的交叉融合。也为大数据动态图像的集聚方法提供了全新视角和借鉴价值。     

基于变焦数据模型的数字地图的研制

数字地图作为一种新型的地图受到人们越来越广泛的关注。数字地图包含着各种地图数据,为了在多种比例尺范围内能快速地检索地图数据,需要把地图数据分层存贮变焦。作者通过变焦数据模型原理,探讨如何建立多层存贮结构,将数字地图中的大比例尺地图数据库自动导出小比例尺图形。变焦数据模型是一种动态的数据模型, 在该模型中,图形比例尺的变化不是简单的图形尺寸的缩放,而是伴随着各个物体的细节和物体数量而增减。这种基于变焦数据模型建立的数字地图可以提高数据检索与图形表示的灵活性,减少大量不必要的用于重复获取数据而消耗的人力物力,广泛应用于各个领域。     

利用小波变换进行遥感多光谱图像融合的算法及实现

在分析了小波变换的分解与重建方法后,提出了一种基于区域的图像增强算法。先提取出源图的边缘,以图像的边缘为参考,围绕边缘建立融合窗口,然后结合区域内的图像信息,应用基于窗口的融合规则进行融合处理。实验结果显示,融合后的图像综合了3幅源图像的不同特征,处理后的图像变得容易识别了。表明该方法保持了尽可能多的原始信息,算法简单,稳定性好,适合于多光谱遥感图像识别、医学成像等领域。     

面向对象技术在城市配电网GIS数据库中的应用

针对当前城市配电网基础数据管理的现状,本文阐述了利用面向对象与关系数据库技术设计城市配电网基础数据库的重要性,重点讨论了城市配电网GIS数据库的基本模型,包括数据库基本构架、编码方案、属性数据与空间数据、系统对象模型向数据库基本模型的映射,为构建城市配电网GIS应用平台及实现企业级的数据共享提供了基础。     

基于空间数据库及中间件的GIS网络应用

在讨论了各种GIS网络应用方式的基础上,提出一种基于主流GIS空间数据库和自主开发的中间件的GIS网络应用解决方案。并分析了广州市城市规划局采用该方案实现宽带城域网环境下的GIS应用实例。     

基于HJ-1A高光谱影像的湿地精细分类

混合像元的存在不仅影响了基于高光谱影像的地物识别和分类精度,而且已成为遥感科学向定量化发展的主要障碍。本文以扎龙湿地为试验区,以环境一号卫星采集的高光谱影像为数据源,分别采用传统的全约束最小二乘光谱解混算法(fully constrained least squares spectral unmixing algorithm, FCLS)与基于稀疏约束最小二乘光谱解混算法(sparse constrained least squares spectral unmixing algorithm, SUFCLS)实现了试验区湿地的精细分类,并对两种分类结果的表现及其分类精度进行了对比分析。研究结果表明：SUFCLS算法能够自适应的从光谱库中选择场景中所占比例最高的一组端元,并将此端元的组合应用于传统的全约束最小二乘光谱解混中实现不同湿地类型丰度的提取,该算法充分考虑了端元的空间异质性,弥补了FCLS算法在端元选取过程中的不足。精度验证结果表明与FCLS算法相比,SUFCLS算法分类结果的均方根误差更小,丰度的相关系数更高,因此该方法对于提高湿地解混精度以及实现湿地精细化分类具有重要意义。     

卫星图像中不同水体类型识别研究

在具有高空间分辨率特性的图像上,城市中大型建筑物、道路、河流、湖泊和其他人工地物形状特征和纹理特征清晰可辨。针对高分辨率卫星图像的特点,文章以水体类型识别为例,从卫星数字图像目标地物波谱特征抽取入手,通过图像分类,将水体从背景中分离并予以识别,同时实现像素重组。在区域分割与边界跟踪基础上,对卫星图像进行水体形状特征的抽取与描述,实现不同水体类型的识别。     

Landslide susceptibility mapping using geological data, a DEM from ASTER images and an Artificial Neural Network (ANN)

An efficient and accurate method of generating landslide susceptibility maps is very important to mitigate the loss of properties and lives caused by this type of geological hazard. This study focuses on the development of an accurate and efficient method of data integration, processing and generation of a landslide susceptibility map using an ANN and data from ASTER images. The method contains two major phases. The first phase is the data integration and analysis, and the second is the Artificial Neural Network training and mapping. The data integration and analysis phase involve GIS based statistical analysis relating landslide occurrence to geological and DEM (digital elevation model) derived geomorphological parameters. The parameters include slope, aspect, elevation, geology, density of geological boundaries and distance to the boundaries. This phase determines the geological and geomorphological factors that are significantly correlated with landslide occurrence. The second phase further relates the landslide susceptibility index to the important geological and geomorphological parameters identified in the first phase through ANN training. The trained ANN is then used to generate a landslide susceptibility map. Landslide data from the 2004 Niigata earthquake and a DEM derived from ASTER images were used. The area provided enough landslide data to check the efficiency and accuracy of the developed method. Based on the initial results of the experiment, the developed method is more than 90% accurate in determining the probability of landslide occurrence in a particular area.