气象卫星云图的多分辨小波分解及人工神经网络降水估计研究

采用多分辨小波分析对卫星图象进行预处理 ,在保留其特征信息的同时 ,减小了数据量 ,改善了神经网络训练过程的收敛性能 ,提高了处理速度。采用这一方法根据 GOES- 8的红外亮温图象和气象雷达资料对巴西圣保罗州中部的降水量估计进行了试验 ,取得了良好的效果。     

基于神经网络的区域生态环境分类方法研究

如何利用智能化信息提取技术,进行区域生态环境自动分类,一直是一种前沿性研究。该文在分析研究区自然景观特征的基础上,总结了影响区域生态环境的建模要素,基于神经网络技术,并根据生态环境的遥感探测机理,利用TM卫星遥感数据中的可见光、热红外、植被指数(NDVI)以及DEM数据,建立了基于BP神经网络的区域生态环境信息自动提取模型,形成了一种新的生态环境分类方法,其分类结果与实际情况完全一致。     

风成沙波纹脊线提取与应用计算

风成沙波纹是沙质地表在风力作用下形成的最小地貌单元,对研究风沙的起动过程和运动过程极其重要,同时,沙波纹形态特征的研究为了解大尺度范围风沙地貌形态演变提供理论基础。然而由于风成沙波纹尺度较小,形成速度较快,导致对其形态特征的观测比较困难。近些年,随着计算机图形学的迅猛发展,数字图像处理方法得到了较大发展,使得测量和计算更加便捷。本文基于高清相机拍摄的风成沙波纹图像,借助于Matlab平台,采用数字图像处理技术,对沙波纹脊线进行提取,并应用于沙波纹形态参数计算。本文选取腾格里沙漠东南缘的沙波纹进行验证分析,得到风成沙波纹波长的正态分布规律,沙波纹的波长随时间逐渐增长,在40 min的时间范围内,波长由不足1 cm逐步发展到接近10 cm。最后,采用数字图像处理方法,计算了沙波纹脊线长度和波长。采用数字图像处理方法,波长等数据更易于获取和统计,数据采集效率大大提高,为风成沙波纹的研究提供了新的方法。     

山东长岛特色旅游资源研究

文章从海岛角度出发 ,在分析山东长岛旅游资源条件及开发现状的基础上 ,提出了该岛发展特色旅游应坚持独特性、时代性和系统性的原则及若干建议。     

遥感影像分类与地学知识发现的集成研究

遥感与地学之间存在着数据与知识上巨大的互补性。本文通过地面类型数据将遥感影像分类与地学知识发现结合起来:用遥感数据驱动发现地学知识,用地学知识解释、确认、检验遥感分类结果,并使用统计值和分布谱来定量化表达地学知识,形成一体化的遥感地学分类系统。     

高分辨率遥感影像在岩墙地质体信息提取中的应用

高分辨率遥感影像可明显表现地物的几何结构和纹理特征,从而使得在较小空间尺度上观察地物细节变化、进行大比例尺遥感制图成为可能。利用高分辨率QuickBird遥感影像,对新疆巴楚县麻扎尔塔格山地区的岩墙进行计算机辅助地质解译,共获得1227条岩墙。结合GIS空间分析方法获得了解译岩墙长度、走向分布等特征。结果表明:该地区76%的解译岩墙走向为NNW(135°~180°);QuickBird能够满足1∶2.5万地质调查的要求;通过地质分析综合解译结果获得了麻扎尔塔格岩体内部存在发育岩墙、岩墙形成应晚于内部的正长岩体的新认识。探讨并验证了高分辨率遥感影像在中小规模地质体解译中的可行性和有效性。     

应用于SAR图像配准的自适应SIFT特征均匀分布算法

SAR图像配准要求提取出稳定且分布均匀的同名点,但是传统的SIFT算法没有考虑特征点的空间分布情况,提取的特征呈块状分布。针对SAR图像数据的特点,提出了一种自适应控制SIFT特征均匀分布算法,利用局部纹理特征,并结合最优化筛选策略,在保证特征点稳定性和准确性的同时,自适应控制特征在不同空间的分布情况,实现SIFT特征点在图像空间和尺度空间的合理分布。最后从提取效率、匹配正确率和分布质量等方面进行对比试验,验证了算法应用于SAR图像配准的能力。     

融合多元遥感信息的新右江次级活动断裂解译

提出了融合多光谱影像、全色影像、DEM等多元遥感信息的断裂特征增强方法,建立了以地形和水体的空间特征变化为基础的断裂解译标志,解译并发现桂西北巴马-马山断裂带和右江断裂带之间存在一条北西向展布、长约40km的新的右江次级活动断裂,结合野外地震地质调查进行了验证。多元遥感信息融合处理中,将KL变换、HIS变换、乘积变换、比值变换、小波变换等融合方法进行了全面比较,对融合后影像进行主分量分析,确定了乘积变换融合的影像增强方法和解译底图,显著突出了活动断裂特征。     

利用多尺度弦角尖锐度累积的自适应角点检测算子

为提高角点检测算法的定位精度和对噪声的鲁棒性,提出了基于多尺度弦角尖锐度累积的自适应角点检测算子。首先,利用Canny算法快速提取图像边缘轮廓;然后,划分轮廓支撑域并将其作为尺度,分别计算3个尺度下的弦角尖锐度均值,并将其累积作为角点响应函数;最后,根据每条轮廓各自的自适应阈值标记角点。实验结果表明,与现有的角点检测算法相比,该算法提高了噪声图像和模糊图像上角点的定位精度和抗噪声能力,并具有自适应性。     

应用图像关联度的图像模糊分类

提出了应用图像关联度的图像模糊分类新方法。该方法在求得每幅图像相对各个类别的关联度的基础上,求得每个类别图像关联度的均值和标准差σ;然后计算每幅图像的关联度与所在类别关联度均值之差Δi,差值Δi≤2σ,该图像应“留“在该类中;否则,该图像应归入与另两个类别的关联度较大的类别。每幅图像都经过这样的检验,实现图像的再划分,直到这一过程稳定为止。实验结果表明,该方法的图像分类质量有一定优势。