基于独立分量分析的遥感图像分类技术

遥感图像的自动分类方法一般基于图像的统计信息。多光谱遥感图像之间有着一定的相关性 ,对遥感图像的自动分类有不利影响。一般用主成分分析去除波段之间的相关性。独立分量分析能利用相对主成分分析更高的统计分量 ,不但可以获得去相关的效果 ,而且可以得到相互独立的结果波段图像。本文首先讨论了独立分量分析的基本原理。在此基础上 ,介绍FastICA算法 ,并对其进行改进 ,得到M FastICA算法 ,并将其应用到遥感图像的分类上。实验结果表明 ,M FastICA算法较FastICA算法收敛性大为改善 ,提高了独立分量分析在遥感图像的分类上的有效性     

高分辨率遥感影像提取道路的方法综述与思考

 介绍了高分辨率遥感影像上道路的特征、模型和道路提取的基本思想，对已有的道路提取方法进行了分析，并对道路提取问题进行思考，提出下一步的研究方向。     

一种适用于低空影像的数字表面模型自动获取方法

无人飞行器系统获取的低空影像数据往往倾角大、像幅小且重叠度不规则,同时在灰度与比例尺上可能不一致.针对其特点,提出了一种适用于低空影像的数字表面模型自动获取方法.首先,采用影像水平纠正、构建金字塔、Wallis滤波以及Harris特征提取等方法对低空影像进行匹配预处理;然后,对经预处理的多级影像采取由粗到精的匹配,再基于低空影像高重叠度的特点进行三视检核以剔除误匹配点;最后采用近邻内插生成规则格网的数字表面模型.试验表明,该方法有效可行,生成的数字表面模型产品精度较高,对于改进现有的生产流程具有一定的实际意义.     

多尺度字典学习的高光谱图像压缩算法

结合小波变换及字典学习提出了一种针对高光谱图像的压缩算法。该算法首先通过小波变换构建多尺度样本集,在小波域使用K-均值奇异值分解(K-SVD)方法学习得到原子尺寸不同的多尺度字典,然后在稀疏表示的过程中,定义一个原子使用频次筛选因子,通过统计局部最优波段稀疏表示时原子使用情况,结合筛选因子对字典原子进行优化筛选,使用精简后的字典对其余波段进行稀疏求解,最后针对不同尺度的表示系数采用自适应的量化编码。实验结果表明,与目前常用的3D-SPIHT和其他的多尺度字典学习算法相比,本文算法在中低比特率下,具有更好的重建性能。     

典型遥感数据分类方法的适用性分析——以遥感图像场景分类为例

目前普遍采用的分类器通常都是针对单一或小量任务而设计的,在小数据量的处理中能取得比较满意的结果。但对于海量遥感数据的处理,其在处理时效和分类精度方面还有待研究。本文以遥感图像场景分类任务为例,着重对遥感数据分类问题中几种典型分类方法的适用性进行比较研究,包括K近邻(KNN)、随机森林(RF),支持向量机(SVM)和稀疏表达分类器(SRC)等。分别从参数敏感性,训练样本数据量,待分类样本数据量和样本特征维数对分类器性能的影响等几个方面进行比较分析。实验结果表明:(1)KNN,RF和L0-SRC方法相比RBF-SVM,Linear-SVM和L1-SRC,受参数影响的程度更弱;(2)待分类样本固定的情况下,随着训练样本数目的增加,SRC类型分类方法的分类性能最佳,SVM类型方法次之,然后是RF和KNN,在总体分类时间上呈现出L0-SRCL1-SRCRFRBF-SVM/Linear-SVMKNN/L0-SRC-Batch的趋势;(3)训练样本固定的情况下,所有分类方法的分类精度几乎都不受待分类样本数目变化的影响,RBF-SVM方法性能最佳,其次是L1-SRC,然后是Linear-SVM,最后是RF和L0-SRC/L0-SRC-Batch,在总体分类时间上,L1-SRC和L0-SRC相比其他分类方法最为耗时;(4)样本特征维数的变化不仅影响分类器的运行效率,同时也影响其分类精度,其中SRC和KNN分类器器无需较高的特征维数即可获得较好的分类结果,SVM对高维特征具有较强的包容性和学习能力,RF分类器对特征维数增加则表现得并不敏感,特征维数的增加并不能对其分类精度的提升带来更多的贡献。总的来说,在大数据量的遥感数据分类任务中,现有分类方法具有良好的适用性,但是对于分类器的选择应当基于各自的特点和优势,结合实际应用的特点进行权衡和选择,选择参数敏感性较小,分类总体时间消耗低但分类精度相对较高的分类方法。     

遥感影像制图综合的智能化研究

本文以人工智能为基础,用计算机模拟一般制图人员对遥感图像进行制图综合的过程,用框架的知识表示方法建立了一个实验性的知识库,并设计了一个推理机。对蒙古人民共和国乌布苏淖尔地区的ＴＭ分类图进行了实验,取得了较好的效果。     

A new portable in situ flume for measuring critical shear stress on river beds

A new portable in situ flume(PISF)for measuring critical bed shear stress(CBSS)was developed in this study.The PISF consists of an open bottom sediment erosion chamber and an electrically-driven pump.Unlike most existing in situ flumes with similar designs,the new PISF does not rely on monitoring the flow conditions or particle density in the sediment erosion chamber;instead,it is a pre-calibrated flume.The calibration was performed by first determining CBSS of various selected sediment samples of known particle size and density(using the law of the wall),based on flow velocity-depth profiles measured in a 6 m straight open-channel flume using a Particle Image Velocimetry(PIV)system.These same particles of known CBSS were then used in the new in-situ flume under controlled lab conditions to obtain a series of calibration curves of CBSS vs.pump electrical power.A wide variety of particle types and sizes(simulated sediments)were used in this two-step calibration procedure to widen CBSS measurement range and simulate cohesive force effects.The size of the PISF is much smaller and more practical than other similar devices as lamellar flow conditions are not required and it can be applied to a wide range of sediment types including cohesive sediments.     

基于遥感影像的建筑物空间分布方法在地震灾害损失预评估中的应用

房屋建筑数据是地震重点危险区预评估工作的基础,需基于获取到的房屋建筑信息开展人员伤亡、经济损失、救援物资需求等预评估工作。历年地震重点危险区预评估工作能够通过现场调查得到的房屋建筑信息占比极小,仅能进行抽样调查。因此,为批量完成危险区内全部房屋建筑损失估算,需基于遥感影像获取房屋建筑矢量数据,并建立数据库。为实现全国地震重点危险区预评估工作中大批量建筑物矢量化数据的快速获取,本文采用基于遥感影像的建筑物空间分布数据批量获取方法,得到地震重点危险区内建筑物空间矢量数据,结合现场抽样调查得到的建筑物属性信息,建立地震重点危险区建筑物空间分布数据库,进而为地震重点危险区灾害损失预评估工作提供数据基础。本文采用的方法可广泛应用于地震重点危险区房屋建筑信息获取工作中,可提高工作效率,降低工作成本,提升预评估工作的科学性和准确性。     

Object classification at the Nearby Supernova Factory

We present the results of applying new object classification techniques to the supernova search of the Nearby Supernova Factory. In comparison to simple threshold cuts, more sophisticated methods such as boosted decision trees, random forests, and support vector machines provide dramatically better object discrimination: we reduced the number of nonsupernova candidates by a factor of 10 while increasing our supernova identification efficiency. Methods such as these will be crucial for maintaining a reasonable false positive rate in the automated transient alert pipelines of upcoming large optical surveys. (© 2008 WILEY‐VCH Verlag GmbH & Co. KGaA, Weinheim)     

煤田火区特征的土地覆盖分类方法 ——以乌达煤田火区为例

土地覆盖变化是土地分析与评价和生态环境变化预测的重要科学基础, 通过精确的土地覆盖分类方法 获取高精度的土地覆盖图是研究煤田火区生态环境变化的必要手段。本文以最大似然法、光谱角度法、面向对象 分类法和基于复合分区的分层分类法进行乌达煤田火区土地覆盖分类的方法研究。研究结果表明, 基于复合分区的 分层分类方法分类精度较高, 总体分类精度为92.97%, kappa 系数为0.9155。该方法通过基于地表热辐射特征、热 异常状况、地貌类型, 以及对生态系统扰动状况等的划分, 减少了地物信息的混淆度, 即通过提