一种新的窗户特征提取方法研究

在建筑物立面重建中,窗户提取、结构识别是学者们研究的热点。针对建筑物特征提取的应用需求,文中提出一种基于局部搜索算法——爬山法的窗户信息提取方法,介绍研究中采用的一些原理、方法,从而可以准确有效地从激光扫描数据中提取出建筑物的窗户信息。利用本方案对地面激光扫描系统获取的建筑物实验数据进行具体的处理,并给出可视化表达结果。     

支持向量机的车载雷达点云目标识别

为了进一步研究移动测量系统的数据处理问题,该文根据点云的基本特征,归纳了由7个特征构成的点云原始特征向量,在此基础上,结合语义环境构建了由17个特征构成的点云扩展特征向量,并采用支持向量机模型对车载LiDAR点云进行行道树点云识别的一系列实验。实验中采用粒子群优化算法和遗传算法对支持向量机进行参数寻优;采用不同特征向量和不同数目样本对点云进行学习和目标识别;分析了特征向量的学习曲线和识别精度。实验结果表明,支持向量机模型能够在行道树点云识别中取得较高的精度。     

混合核特征加权SVM遥感湿地空间分类

针对湿地空间信息的复杂性和SVM的分类性能,设计一种基于混合核函数的特征加权SVM分类模型,综合利用多种特征信息,避免被弱相关特征所支配,从而提供更佳的映射性能和泛化能力。实验结果表明,该分类模型兼具良好的外推和内推能力,能够有效地融合不同信息源特征,得到更完整和准确的分类结果,在总体精度、Kappa系数等多项指标上都表现出更高的水平。     

结合多尺度纹理特征的遥感影像面向对象分类

地物具有多尺度的特点,单一尺度难以准确描述遥感影像包含的地物纹理信息。利用我国自行研发的高分一号遥感影像数据,采用灰度共生矩阵对第一主成分进行纹理特征提取,利用Jeffries-Matusit距离选择多尺度组合,并通过单一纹理结合多光谱数据的分类精度,以及纹理特征间的相关性,最终选择多尺度纹理特征组合进行面向对象分类。研究结果表明:结合多尺度纹理特征组合的面向对象GF-1影像分类能有效提取地物信息,总体分类精度达到81.75%,Kappa系数0.78。     

结合像元分解和STARFM模型的遥感数据融合

高空间、时间分辨率遥感数据在监测地表快速变化方面具有重要的作用。然而,对于特定传感器获取的遥感影像在空间分辨率和时间分辨率上存在不可调和的矛盾,遥感数据时空融合技术是解决这一矛盾的有效方法。本文利用像元分解降尺方法(Downscaling mixed pixel)和STARFM模型(Spatial and Temporal Adaptive Reflectance Fusion Model)相结合的CDSTARFM算法(Combination of Downscaling Mixed Pixel Algorithm and Spatial and Temporal Adaptive Reflectance Fusion Model)进行遥感数据融合。首先,利用像元分解降尺度方法对参与融合的MODIS数据进行分解降尺度处理;其次,利用分解降尺度的MODIS数据替代STARFM模型中直接重采样的MODIS数据进行数据融合;最后以Landsat 8和MODIS遥感影像数据对该方法进行了实验。结果表明:(1)CDSTARFM算法比STARFM和像元分解降尺度算法具有更高的融合精度;(2)CDSTARFM能够在较小的窗口下获得更高的融合精度,在相同的窗口下其融合精度也高于STARFM;(3)CDSTARFM融合的影像更接近真实影像,消除了像元分解降尺度影像中的"图斑"和STARFM模型融合影像中的"MODIS像元边界"。     

Multiple statistical approaches for the discrimination of mangrove species of Rhizophoraceae using transformed field and laboratory hyperspectral data

This study aims at discriminating eight mangrove species of Rhizophoraceae family of Indian east coast using field and laboratory spectra in spectral range (350–2500 nm). Parametric and non-parametric statistical analyses were applied on spectral data in four spectral modes: (i) reflectance (ii) continuum removed, (iii) additive inverse and (iv) continuum removed additive inverse. We introduced continuum removal of inverse spectra to utilize the advantage of continuum removal in reflectance region. Non-parametric test gave better separability than parametric test. Principal component analysis and stepwise discriminant analysis were applied for feature reduction and to identify optimal wavelengths for species discrimination. To quantify the separability, Jeffries–Matusita distance measure was derived. Green (550 nm), red edge (680–720 nm) and water absorption region (1470 and 1850 nm) were found to be optimal wavelengths for species discrimination. The continuum removal of additive inverse spectra gave better separability than the continuum removed spectra.     

An efficient application of fusion approach for hot spot detection with MODIS and PALSAR-1 data

Hot spot detection with satellite images, especially with synthetic aperture radar (SAR) images is still a challenging task. Several researchers have used TM/optical data for identification of hot spot but the use of SAR data is very limited for this type of application. The fusion of SAR data with TM/optical data may add additional information which in turn will lead for enhancement of detection capability of the hot spot. Therefore, this study explores the possibility of fusion of Moderate Resolution Imaging Spectroradiometer (MODIS) and Phased Array L-band Synthetic Aperture Radar (PALSAR) satellite images for the hot spot detection. Image fusion is emerging as a powerful tool where information of various sensors can be used for obtaining better results. For this purpose, vegetation greenness and roughness information which is obtained from MODIS and PALSAR satellite images, respectively, are used for fusion, and then, a contextual-based thresholding algorithm is applied to the fused image for hot spot detection. The proposed approach comprises of two steps: (1) application of genetic algorithm-based scheme for image fusion of MODIS and PALSAR satellite images, and (2) classification of the fused image as either hot spot or non-hot spot pixels by employing a contextual thresholding technique. The algorithm is tested over the Jharia Coal Field region of India, where hot spot is one of the major problems and it is observed that the proposed thresholding technique classifies the each pixel of the fused image into two categories: hot spot and non-hot spot and the proposed approach detects the hot spot with better accuracy and less false alarm.     

不同地形条件地面同步光谱定标场对比研究

利用美国ASD公司的FieldSpec Pro FR地面波谱仪,选择5°视场角探头和135cm探头距测试地物高度,开展0°、5°、10°、15°、20°等五种不同地形坡度明、暗地物自然定标场地面波谱测试。通过对比研究不同地形坡度具代表性、能真实反映被测试目标平均自然性的各波谱测试点波谱曲线特征,得出0°、5°地形坡度获取的波谱曲线连续、平滑,信噪比高,没有混入大气水气吸收、仪器噪声等因素导致的剧烈波动、跳跃现象或尖锐锯齿状噪声,波谱特征明显,吸收峰最小值位置清晰可辨,各波谱测试点波谱曲线变化幅度小,整体反射率值变化小,Fe~(2+)、Fe~(3+)、Al-OH、Mg-OH、CO_3~(2-)等分子基团与离子波谱的诊断性波谱特征位置清晰可辨。因此0°和5°坡度地形条件获取的地面同步自然场光谱定标波谱曲线,可以满足航空高光谱遥感数据的大气校正、光谱重建和空、地回归分析等所需的地面波谱数据要求。     

云南姚安铅银矿床假白榴石斑岩空间分布和组构特征

姚安铅银矿床位于金沙江-哀牢山断裂带东侧的富碱斑岩带内,主要发育正长斑岩、粗面岩、假白榴石斑岩、含斑正长细晶岩等一套杂岩体,其中正长斑岩为主要容矿围岩。通过野外地质勘查、显微镜鉴定、电子探针及X射线微区衍射分析,对假白榴石斑岩的空间分布、岩石矿物学特征进行了综合研究,结果表明,姚安铅银矿床假白榴石斑岩多以脉状、角砾状或呈小岩枝产出,出露在正长斑岩质火山角砾岩的外围,主要分布在角砾岩型铅银矿(化)体的南西侧、F4断裂的北东盘,在空间上与角砾岩筒及外围断裂有关;该矿床的假白榴石具两个世代,早期为灰绿色浑圆粒状假白榴石斑岩的假白榴石斑晶,富Al,晚期为灰-灰白色四角三八面体假白榴石斑岩的假白榴石斑晶,富Si、Na,二者均蚀变成钾长石、高岭石、石英等含水富硅矿物;姚安假白榴石斑岩形成于印度板块与欧亚大陆俯冲碰撞后的板内拉张环境;假白榴石斑岩形成晚于粗面岩、正长斑岩,早于含斑正长细晶岩;假白榴石斑岩与铅银矿(化)体无直接成因联系。     

多波束声呐和侧扫声呐数据融合方法研究综述

多波束声呐系统与侧扫声呐系统均为海底面探测的重要工具,二者均采用声学方法,在工作原理上存在异同。本文简要介绍了二者的研究进展,分别对其数据处理进行了比对分析,认为多波束声呐处理方法侧重于数据的测量精度,而侧扫声呐则主要侧重于图像处理;归纳了当前二者主要的数据匹配融合方法,包括同名特征融合、基于SURF算法的匹配融合以及特征点融合,从数据采集原理上对数据融合方法进行了深入分析,发现在探头定位、单ping数据点分布以及ping之间的数据定位上存在一定的困难,即使经过一定的处理,二者采集的也非简单的平面图像,故二者的数据融合尚存在一定的难度。