航空遥感影像中道路的半自动提取

为了达到各种信息融合的目的,针对不同的情况,提出了多种信息约束下的道路提取方法。为了对提出的方法进行检验,给出了航空影像中不同类型的道路提取的例子。     

变形体的稳定性及其定量分析方法初探

变形体的稳定性是变形体性质的重要内容，它是工程实际中极为关注的问题，但从变形监测的角度上来分析变形的稳定性目前在国内外还未见任何实质性的报导。本文讨论了从变形监测角度上分析变形体稳定性的一般方法，进行变形稳定性的分类，初步研究了变形体稳定性的定量分析方法，定义了一系列量化指标，如稳定度、因素的影响域与因素的稳定域等。这些有利于把稳定性分析推向应用和深入，从而提高变形监测在变形体定性分析中的地位，增     

基于蚁群算法的道路选取模型研究

在制图综合中,道路选取是非常重要的内容之一,研究道路选取的智能化方法是非常必要的。文中在研究道路语义、几何特征、拓扑关系和结构特征的基础上,充分考虑居民点对道路选取过程的影响,建立道路选取的蚁群算法模型。通过实验证明该模型算法的可行性和有效性。     

车辆轨迹数据的道路学习提取法

车辆轨迹数据的道路信息提取是地理信息领域的热点也是难点之一,深度学习的快速发展为该问题的解决提供了一种思路与方法。本文针对车辆轨迹数据的车行道级道路提取问题,引入深度学习领域的生成式对抗网络,利用残差网络构建深层网络和多尺度感受野感知轨迹数据不同细节特征,构建了基于条件生成式对抗网络的轨迹方向约束下车行道级道路提取模型。首先提出了朝向-颜色映射栅格化转换方法,实现轨迹朝向信息向HSV颜色空间的转换;然后利用样本数据学习模型参数;最后将训练模型应用到郑州、成都、南京3个试验区域提取车行道级道路数据。试验结果表明,本文方法能够有效地提取完整的车行道级道路数据。     

路网约束条件下热力规则设计与试验

热力图是一种能直观准确展示空间观测值的有效工具,在多个领域具有广泛应用。本文在分析设定不同道路层权重、道路技术等级分类的基础上,以反距离权重、直方图均衡化、密度补偿、参数多次迭代等方法,研究构建了以热力方式展示道路网分布及发达程度的相关规则体系。热力规则通过道路赋权、路线曲面化、密度协调、图面综合等多套规则的有机结合,实现了道路网总体发达水平信息的提取与展示,并以全球地理信息资源建设项目路网成果中的亚洲和非洲部分国家数据为例,进行了信息提取与热力分布试验。     

基于对偶拓扑结构的路网路段重要性评估方法

现有的路网路段重要性评估方法考虑的是路网中的路段的统计特性或路网的局部结构对重要性的影响。在路段的重要性与路网的全体路段相关联的基础上,提出m阶邻居节点的复杂路网路段重要度评估方法。为验证算法的有效性,实验仿真采用成都市路网的对偶拓扑结构,在1 484个路段中提取10条关键路径对评估方法进行验证。评估结果显示:与度值法、介数法相比,该方法能显著地区分复杂路网中路段之间的重要性差异,准确地确定网络中的关键路径,具有更高的评估准确性。     

地基干涉雷达IBIS-S桥跨结构振动变形测量与模态分析

地基雷达干涉测量技术能够以较高的时空采样频率获取线性结构目标整体瞬时变形状态。本文将该技术引入大型桥梁桥跨结构的振动变形测量与模态分析中。对动静载试验过程中的武汉二七长江大桥东岸桥跨结构开展连续变形监测,利用频域分解法计算桥跨结构的自振频率、阻尼比和模态振型。计算结果表明,地基干涉雷达干涉测量技术能够快速探测桥跨结构竖弯模态,特别适用于灾后大型线形结构健康状态的应急检测。     

水稻时域散射特征分析及其应用研究

通过对肇庆试验区1996年和1997年获取的多时相、多模式雷达卫星（RADARSAT）数据分析，从图像上直接提取地物的后向散射系数，结合实地测量水稻的生长结构参数，建立了水稻生长模型，分析了不同生长周期（从80天到120－125天）4种类型水稻的时域散射特性。利用1997年4月至7月获取的7景标准模式雷达卫星数据，对试验区内三个县和两个行政区共5000km^2面积范围内的作物进行分类和水稻产量预估算，水稻类型分类及面积量算精度达91％。结果表明：利用雷达遥感数据进行水稻种植面积量算和估产需要水稻生长期间三个时相的数据，即插秧期、抽穗期、收割前期。若能够获得多参数雷达图像，可以用插秧期和收割前期的两个时相图像来代替上述的三个时相图像同样可以达到种植面积量算和估产的效果。这一结果充分说明多时相雷达卫星数据对我国南方水稻长势监测及估产具有明显优势和潜力。     

Self-organised clustering for road extraction in classified imagery

The extraction of road networks from digital imagery is a fundamental image analysis operation. Common problems encountered in automated road extraction include high sensitivity to typical scene clutter in high-resolution imagery, and inefficiency to meaningfully exploit multispectral imagery (MSI). With a ground sample distance (GSD) of less than 2 m per pixel, roads can be broadly described as elongated regions. We propose an approach of elongated region-based analysis for 2D road extraction from high-resolution imagery, which is suitable for MSI, and is insensitive to conventional edge definition. A self-organising road map (SORM) algorithm is presented, inspired from a specialised variation of Kohonen's self-organising map (SOM) neural network algorithm. A spectrally classified high-resolution image is assumed to be the input for our analysis. Our approach proceeds by performing spatial cluster analysis as a mid-level processing technique. This allows us to improve tolerance to road clutter in high-resolution images, and to minimise the effect on road extraction of common classification errors. This approach is designed in consideration of the emerging trend towards high-resolution multispectral sensors. Preliminary results demonstrate robust road extraction ability due to the non-local approach, when presented with noisy input.     

水稻时域散射特征分析及其应用研究

通过对肇庆试验区1996年和1997年获取的多时相、多模式雷达卫星（RADARSAT）数据分析,从图像上直接提取地物的后向散射系数,结合实地测量水稻的生长结构参数,建立了水稻生长模型,分析了不同生长周期（从80天到120－125天）4种类型水稻的时域散射特性。利用1997年4月至7月获取的7景标准模式雷达卫星数据,对试验区内三个县和两个行政区共5000km^2面积范围内的作物进行分类和水稻产量预估算,水稻类型分类及面积量算精度达91％。结果表明：利用雷达遥感数据进行水稻种植面积量算和估产需要水稻生长期间三个时相的数据,即插秧期、抽穗期、收割前期。若能够获得多参数雷达图像,可以用插秧期和收割前期的两个时相图像来代替上述的三个时相图像同样可以达到种植面积量算和估产的效果。这一结果充分说明多时相雷达卫星数据对我国南方水稻长势监测及估产具有明显优势和潜力。