水下地形测量高程异常点剔除方法研究

本文针对水下地形测量过程中测深数据的粗差问题，结合在生产工作中的一些经验和有关的资料，提出了测深数据处理的方法，并编写了相应的程序用于生产。     

一种从SAR图像中提取城市道路网络的方法

提出一种从高分辨率SAR图像中提取城市道路网络的算法.在高分辨率SAR图像中,道路在空间结构上表现为一细长的且宽度基本恒定不变的均匀区域.利用模糊C均值聚类方法对高分辨率SAR图像进行聚类分析,将道路类像素从原始图像中分离出来.为突出道路形状特征,减少冗余信息,对聚类结果进行细化,同时利用跟踪算子消除短线段;以提取道路中心线二值图的像素值作为图像能量,应用Snakes模型检测道路网络.通过实际SAR图像验证,该算法可以准确提取复杂的城市道路网络.     

流域地形自动分割研究

本文提供了基于栅格数字高程模型（ＤＥＭ）提取流域空间结构,进行流域自动分割的技术方法。该方法包括地貌形态结构定义、流域结构定义和算法设计３个部分。基于本文设计的算法,可以从ＤＥＭ提取完整的汇流网络和分水线网络,两者组成的多边形集把流域分割成具有拓扑结构的多个子汇流区,这个子汇流区集作为存贮流域信息的基本地貌单元,是流域信息进入地学数据库的框架,也是进行空间分布式机理──过程流域分析模型的基础。并以山西离石黄土丘陵沟壑区的王家沟流域为试验区,获得了较为满意的结果。     

逻辑回归元胞自动机模型的鸡西市城市扩张分析及预测

城市的快速扩张导致人地矛盾激化,土地利用效率下降.分析并预测城市发展状态,可以实现土地资源的合理配置,为城市发展提供合理规划.本文以鸡西市市辖区为例,利用Logistic-CA模型进行城市扩张模拟及趋势特征分析.结果表明:1)鸡西市在2005—2015年间城市处于低速扩张阶段,土地利用效率较低,城市发展较为分散;2)通...     

层次分析法支持下的道路洪涝灾害风险评价——以武夷山地区为例

本文首先采用基于多准则决策的层次分析评价法,根据自然灾害风险理论,将洪涝风险影响因子分为危险性和脆弱性两类,子准则层包括平均降雨量、汇流累积量、坡度、海拔和土地覆盖度、道路级别、地表产流能力7个因子,构建了道路洪涝灾害风险评价模型。然后以福建省武夷山地区为研究区,利用地形数据、气象数据及遥感影像提取土地覆盖类型数据,通过道路洪涝灾害风险评价模型,绘制了道路风险分区图。结果表明,中、高风险积水道路占比较高,主要集中在东部、西部和中南部地区。本文对道路洪涝灾害风险所进行的评价,可服务于洪涝灾害风险预警和应急救援规划。     

改进的HRNet应用于路面裂缝分割与检测

针对利用传统卷积神经网络进行路面裂缝分割时存在准确率低、信息丢失及边缘模糊的问题,本文提出了基于改进HRNet模型的路面裂缝分割算法。模型在原始HRNet的基础上进行改进,主干网络部分采用DUC模块代替双线性插值上采样;下采样改为passthrough layer代替原始卷积;在模型解码部分,进行逐级上采样的同时引入SE-Block,对不同特征层的融合重新标定权重。通过与原始HRNet及传统卷积神经网络U-Net对比可知,本文算法在公共数据与自制数据集上的分割精度表现优秀,F1分值分别达到了91.31%和78.69%,可以很好地满足实际工程的需求。     

An analysis of changes in the urban landscape composition and configuration in the Sancaktepe District of Istanbul Metropolitan City,Turkey using landscape metrics and satellite data

Changes in landscape composition and configuration patterns of Sancaktepe Municipal District in the Asian side of Istanbul Metropolitan City of Turkey were analysed using landscape metrics. Class-level and landscape-level metrics were calculated from the land cover/land use data using Patch Analyst, an extension in the Arc View GIS. The land cover/land use data were derived from classified satellite images of Landsat Thematic Mapper of 2002 and 2009 for Sancaktepe District. There was evidence of increase in agglomeration process of built-up patches as indicated by the increases in mean patch size, decrease in total edge and number of patches between 2002 and 2009. The urban expansion pattern experienced overall was not fragmented but concentrated due to infilling around existing patches. Changes in Area-Weighted Mean Shape Index and Area-Weighted Patch Fractal Dimension Index indicated that the physical shapes within built-up, forest and bareland areas were relatively complex and irregular. A conclusion is made in this study that spatial metrics are useful tools to describe the urban landscape composition and configuration in its various aspects and certain decisions whether to approve a specific development in urban planning could, for example, be based on some measures of urban growth form or pattern in terms of uniformity and irregularity, attributable to the dynamic processes of agglomeration and fragmentation of land cover/land use patches caused by urban expansion.     

面向规划的建筑物屋顶精细纹理快速生成方法

针对三维规划审批对精确的空间关系及逼真的三维可视化效果的综合需求,设计实现了两套针对大规模三维数字城市建筑物模型的屋顶纹理快速生成方案。方案一基于严格投影成像方程建立物方与像方对应关系,并根据视线方向、遮挡关系、成像分辨率等选取最优纹理进行映射。方案二通过建立相应的屋顶纹理库,并利用屋顶纹理智能匹配技术实现大范围屋顶纹理的快速合成。利用常州市三维城市模型数据进行了实验分析,实验表明,这两套纹理生成方案生成的屋顶纹理都满足建筑物纹理重建生产要求,极大地提高了三维建模效率。     

联合盲分解与稀疏表达的高光谱图像异常目标检测

应用高光谱图像进行异常目标检测是高光谱遥感最重要的应用之一,而异常目标检测算法最为关键的是对背景的描述。rx 等经典算法受制于对背景分布的高斯假设,因而在复杂背景条件下不能有效地提取出感兴趣的异常目标。本文提出了一种新的异常目标检测算法,不仅能够有效地检测出亚像元的异常目 标,同时以新的方式描述背景。算法首先针对异常检测先验信息不足的问题,采用盲分解方法建立描述背景的冗余字典,该字典是根据像元的纯净性定义估计的背景类端元束构成;然后采用稀疏回归计算每个像元的重建误差,以误差特征作为异常指数,误差越大越可能是异常;为了增强对可能异常目标的描述能力,应用了局 部近邻分析来增强目标在图像邻域的离群表达,从而获得最终的异常检测特征。算法将字典构造的全局性与地物的局部连续性结合,提高了异常目标检测的可靠性。采用不同混合比例模拟的亚像元数据和两幅真实数据进行实验,结果表明,算法不仅仅获得了比 rx 等经典算法更高的精度,同时在不同信噪比条件下表现稳健且抗噪能力强。     

基于均值变点法提取地形起伏度的影响因素分析——以黄河流域(山西段)为例

地形起伏度因子在宏观尺度生态评估中具有重要作用。均值变点法是确定地形起伏度最佳分析窗口的常用方法,但其影响因素尚缺乏研究。本文以黄河流域(山西段)为例,基于DEM数据和均值变点法提取了研究区地形起伏度,并探讨了分析窗口样本数量、DEM分辨率和地貌类型3种因素的影响。结果表明：(1)分析窗口样本数量对最佳分析窗口取值有明显影响。随着样本数量的增加,变点所在的最佳分析窗口面积也不断增加。(2)DEM分辨率对最佳分析窗口取值有一定影响。分析窗口面积取值范围一致时,基于30 m ASTER GDEM计算得到的最佳分析窗口面积小于基于90 m SRTM DEM的最佳分析窗口面积。(3)地貌类型对最佳分析窗口取值的影响不大。当分析窗口样本数量一致时,不同地貌类型区及整个研究区最佳分析窗口相同或接近。总体而言,分析窗口样本数量是最关键的影响因素。