基于物方影像匹配和概率松弛的断面自动提取

提出了基于物方影像匹配的断面提取,为了提高匹配的可靠性,引入了概率松弛法,最终获得了高精度的断面.     

基于智能对象的决策支持系统体系结构研究

分析了决策问题及其求解过程 ,揭示了传统IDSS体系结构的不足 ,阐述了应用面向对象的结构化知识表达构造智能对象 ,提供了智能决策过程支持的方法和新的IDSS体系结构 ,并在农业空间决策信息系统的实践中进行了验证     

集成高度和彩色纹理特征的影像目标模糊聚类识别方法

提出一种基于高度和彩色纹理信息的目标识别方法 ,其目的是提取具有相对高度的地物。由于传统二维纹理分析的方法往往不能有效地提取这类目标 ,本文把高度、色彩和纹理信息有机地结合起来 ,提高了识别率。依据影像提取结果 ,探讨了树林对森林覆盖地区自动空中三角测量选点的负面影响 ,同时建议采用数据分组的方案来改善森林覆盖地区自动空中三角测量的精度 ,并用对比实验证明了其有效性。     

基于GIS的地下水水源地补给潜力探讨

本文提出了一种基于GIS的补给潜力分析方法。在实例研究中,通过对地形、地表物质组成、包气带岩性、植被覆盖等因子建立的专题图层的叠加分析,确定了地下水的补给潜力分区,结合研究区含水层分布特征,综合确定了水源地的靶区和开采潜力区。研究表明,利用GIS确定研究区降雨入渗补给量是一种高效、直观、可行的方法。     

基于ArcGIS Server的服务器对象扩展方法研究

针对ArcGIS Server现有功能无法满足一些特殊业务逻辑的问题,本文对Arc GIS Server服务器扩展方法进行了研究。阐述了ArcGIS Server面向服务的底层架构,在此架构下对三种主要GIS服务器扩展方法进行对比分析,得出服务器对象扩展是最可行的方法。最后对该方法的模型结构和实现流程进行研究,并通过具体的项目实例进行说明。     

高分一号遥感影像地质灾害信息提取方法研究

山区地质灾害发生频繁,受灾范围大,危害严重。提取地质灾害信息、估算受灾情况,对救灾工作极为重要。传统的遥感人工解译方法速度慢、效率低;计算机自动解译速度快但解译精度受影像质量影响大,大范围地区很难建立起普适性的解译模型。本文利用洮南市西部高分一号遥感数据,结合DEM生成三维影像,建立解译标志,解译基础地质信息,分析地质灾害成因;根据研究区泥石流地质灾害的主要影像特征,提取影像的分类属性,基于面向对象的分类方法,建立信息提取模型,快速提取出地质灾害敏感区域;再进行人机交互,精确提取出地质灾害的类型和范围,通过野外验证,该方法十分可靠,为大范围地质灾害信息快速提取和灾后救援提供科学依据。     

基于GIS的城镇建设用地发展适宜性评价——以常州市金坛区为例

为更加深入地了解村镇尺度城镇建设用地发展适宜性情况,提高土地利用综合效益,本文以常州市金坛区遥感影像数据和土地利用现状数据为基础,采用层次分析法和GIS空间分析技术,选择自然、区位、生态和土地转换适宜度四大类10个指标,建立了适用于平原地区的具有区域代表性的城镇建设用地发展适宜性评价指标体系,分析了金坛区城镇发展适宜区分布与空间自相关特征。研究结果能为城市规划、土地规划等提供依据,尤其在城镇建设用地发展布局上具有重要的现实意义。     

影像与激光雷达数据的城市地物信息提取

针对城市地物信息提取中地物边界难以确定、分类精度不高的问题,该文提出一套综合利用影像及激光雷达点云高程信息的面向对象分类方法。在分割中,各类地物的最佳分割尺度由监督法分割精度评价确定,最终分割结果利用粒度理论下的分割尺度综合方法进行合成,能兼顾不同地物最优分割尺度,获得准确地物边界;在分类中,采用ReliefF特征选择算法度量从影像及点云数据提取的对象特征重要度,选择最佳特征组合,并采用多分类器组合方法进行分类,以消除Hughes现象,提高分类精度。选择德国斯图加特市两块实验区进行分类实验,结果表明:该方法有利于提高大范围城市地物精细信息提取的精度和效率,具有较高的应用价值。     

支持向量机的车载雷达点云目标识别

为了进一步研究移动测量系统的数据处理问题,该文根据点云的基本特征,归纳了由7个特征构成的点云原始特征向量,在此基础上,结合语义环境构建了由17个特征构成的点云扩展特征向量,并采用支持向量机模型对车载LiDAR点云进行行道树点云识别的一系列实验。实验中采用粒子群优化算法和遗传算法对支持向量机进行参数寻优;采用不同特征向量和不同数目样本对点云进行学习和目标识别;分析了特征向量的学习曲线和识别精度。实验结果表明,支持向量机模型能够在行道树点云识别中取得较高的精度。     

Tessellations in GIS: Part II–making changes

Abstract

We attempt to describe the role of tessellated models of space within the discipline of Geographic Information Systems (GIS) – a speciality coming largely out of Geography and Land Surveying, where there was a strong need to represent information about the land’s surface within a computer system rather than on the original paper maps. We look at some of the basic operations in GIS, including dynamic and kinetic applications. We examine issues of topology and data structures, and produced a tessellation model that may be widely applied both to traditional “object” and “field” data types. The Part I of this study examined object and field spatial models, the Voronoi extension of objects, and the graphs that express the resulting adjacencies. The required data structures were also briefly described, along with 2D and 3D structures and hierarchical indexing. The importance of graph duality was emphasized. Here, this second paper builds on the structures described in the first, and examines how these may be modified: change may often be associated with either viewpoint or time. Incremental algorithms permit additional point insertion, and applications involving the addition of skeleton points, for map scanning, contour enrichment or watershed delineation and simulation. Dynamic algorithms permit skeleton smoothing, and higher order Voronoi diagram applications, including Sibson interpolation. Kinetic algorithms allow collision detection applications, free-Lagrange flow modeling, and pen movement simulation for map drawing. If desired these methods may be extended to 3D. Based on this framework, it can be argued that tessellation models are fundamental to our understanding and processing of geographical space, and provide a coherent framework for understanding the “space” in which we exist.