基于Spark的矢量数据叠加赋值方法研究与实现

随着GIS数据获取与处理技术的迅速发展,以土地利用为代表的矢量空间数据规模不断膨胀,大量生产应用对图层间矢量数据叠加赋值操作性能提出了更高要求.本文提出了基于Apache Spark技术的矢量数据叠加赋值方法,通过扩展Spark技术的弹性分布式数据集,使其提高对于GIS空间数据的表达能力,通过空间索引的构建使得叠加计算可以在Spark集群各节点上分布式高效运行.通过十万、百万、千万3种量级的数据进行实验,结果表明,相比传统算法,基于Spark技术的矢量数据叠加赋值方法有30%—90%的性能提升.     

基于高清遥感影像辅助绘制大中比例尺地形图

通过Bigmap下载Google Earth高清卫星遥感影像,在影像上选取像控点并实地采集其坐标值,利用新疆基础地理信息数据坐标转换系统对影像进行几何纠正,最后通过影像与AutoCAD的套合叠加结合实地采集到的野外高程数据,完成影像图的矢量化。由于影像的获取较为方便,精确纠正后用于辅助地形图的绘制可以大大提高成图准确性,降低野外劳动强度,提高工作效率。     

利用卷积神经网络的高光谱图像分类

针对高光谱图像分类中对光谱信息利用不足的问题,提出一种基于卷积神经网络在光谱域开展的分类算法。该算法通过构建五层网络结构,逐像素对光谱信息开展分析,将全光谱段集合作为输入,利用神经网络展开代价函数值的计算,实现对光谱特征的提取与分类。实验中采用三组高光谱遥感影像数据进行对比分析,以India Pines数据集为例,提出的基于卷积神经网络的分类方法的分类正确率达到90.16%,比RBF-SVM方法高出2.56%,相比三种传统的深度学习方法高出1%~3%,训练速度也较为理想。实验结果表明,本文所提出的算法充分利用了高光谱图像中逐像素点的光谱域信息,能够有效提高分类正确率。与传统学习算法相比,在较少训练样本的情况下,更能发挥其良好的分类性能。     

鄱阳湖区域夏冬季节沉积物面积变化分析研究

为更好地研究河流污染、河道阻塞、土壤沙化和湖泊面积锐减等问题,本文采用适宜的分析模型和高分辨率资源一号卫星影像,按照影像预处理、影像分类、矢量提取、特征分析的作业步骤,利用面向对象的遥感影像分类方法进行信息提取,针对夏冬两季的地物特征分别对鄱阳湖地区进行沉积物识别、地物类别判读以及湖泊的面积变化分析。研究表明:夏季鄱阳湖区域水体面积较大,泥沙较少,而冬季湖泊面积减少,泥沙等沉积物增多,并且存在相互影响的关系。     

联合光谱和纹理特征的支持向量机滩涂分类方法研究

滩涂作为海岸带的重要组成部分,是重要的土地资源。针对遥感影像滩涂分类的提取,文中提出一种联合光谱和纹理特征支持向量机(SVM)滩涂分类的方法。首先介绍纹理特征影像获取方法,通过灰度共生矩阵分析得到滩涂纹理特征影像;然后将光谱影像与纹理影像叠加形成一幅多维特征影像,用SVM分类算法中的OAR分类器进行分类实验,对分类结果进行实验分析。实验结果表明,该算法对提高海岸带地理信息获取能力,提升海洋遥感测绘信息化保障水平有积极意义。     

一种大规模空间数据流式并行处理方法研究

针对空间数据的读写(I/O)时间占比过高问题,文章提出一种流式并行化方法:通过将空间计算过程与数据I/O过程相重叠,使传统并行空间计算方法中的性能提升瓶颈得到显著缓解;并且,方法所采用的数据分片策略,能够使数据单次I/O所产生的高内存使用率得到降低,进一步提高了具体地学算法的适用性。最后以地理国情普查基本统计分析中地表面积计算为例进行验证,结果表明:该算法的计算效率与内存使用率相对于直接并行方法均获得明显改善,且空间数据流式并行处理方法与具体地学算法耦合度低。该方法已成功应用于多个其他统计分析算法中。     

可扩展的迭代自组织分析并行处理算法

随着遥感影像数据量的增加,传统非监督分类迭代自组织分析(ISODATA)算法的运算将十分耗时,应用并行计算技术能够有效解决该性能瓶颈。针对现有基于并行计算模型MapReduce的遥感迭代自组织分析并行算法存在的局限性,提出一种可扩展的基于MapReduce的迭代自组织分析并行处理算法。该算法通过其包含的全局子采样算法、聚类中心点集合过滤算法以及聚类映射算法,有效克服了现有并行算法中存在的不足。实验结果表明,在同等规模遥感计算中,该算法效率高于现有并行处理算法,具有良好的加速比,且在处理更大的影像块时具有更高的精度。     

Parallel Neural Network-Based Motion Controller for Autonomous Underwater Vehicles

A parallel neural network-based controller （PNNC） is presented for the motion control of underwater vehicles in this paper. It consists of a real-time part, a self-learning part and a desired-state programmer, and it is different from normal adaptive neural network controller in structure. Owing to the introduction of the self-learning part, on-line learning can be performed without sample data in several sample periods, resulting in high learning speed of the controller and good control performance. The desired-state programmer is utilized to obtain better learning samples of the neural network to keep the stability of the controller. The developed controller is applied to the 4-degree of freedom control of the AUV “IUV- IV” and is successful on the simulation platform. The control performance is also compared with that of neural network controller with different structures such as normal adaptive neural network and different learning methods. Current effects and surge velocity control are also included to demonstrate the controller＇ s performance. It is shown that the PNNC has a great possibility to solve the problems in the control system design of underwater vehicles.     

粤西水东湾现代沉积环境特征与泥沙搬运路径

对粤西水东湾沉积地貌单元的现代沉积物分布特征分析与泥沙净搬运矢量计算表明，滨面斜坡沉积物主要由砂粒级物质组成，粒级参数Ｍｄ，ＱＤ和ＳＫ具有从海向岸、自东向西变化的总趋势，泥沙净搬运趋势以向岸和西北为主。落潮三角洲沉积物较其邻近滨面斜坡有所粗化，分选从中部向两侧变好，泥沙在落潮流与波浪驱动下沿落潮三角洲边缘向西运动。口门内潮汐通道深槽泥沙净搬运趋势指向湖。湖区的沉积物以泥质为主，分选中等至差，并形成绕涨潮三角洲的泥沙环流元。     

一种提高含边界扫描器件电路板在线测试速度的新方法

在包含有边界扫描器件的电路板在线测试 (In Circuit Test,ICT)中 ,采用边界扫描技术可以简化高密度集成电路的测试矢量生成。但如何在 ICT中减少边界扫描测试矢量从而提高测试速度 ,是 1个重要问题。本文结合 1个实例 ,讨论在 ICT中 ,采用伪穷举法与 Delta Scan法相结合 ,在保证原错误覆盖率不变的情况下减少测试矢量数 ,增加测试速度的方法。