泥石流调查遥感解译新方法研究

文章在分析总结近年来遥感技术在地质灾害调查评价工作应用的基础上,针对存在的不足,就区域小流域泥石流地质灾害调查评价的遥感解译应用,提出了基于虚拟GIS和水文空间分析的遥感解译方法（RSVH）。该方法综合利用虚拟GIS、遥感图像数字处理技术和空间分析技术,将大尺度区域降级为较小尺度的空间逻辑单元。针对各单元应用遥感影像和高精度DEM数据创建三维虚拟场景。同时叠加地形、地质、岩性、土壤、灾害等具有丰富属性信息的图层,较好地解决了大尺度区域范围内遥感解译工作面临的困难。为小流域地质灾害的调查工作提供了新思路。     

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。     

基于Skyline的房地产三维虚拟系统的研究

针对房地产行业的特点,采用3ds Max建立三维模型,并利用Skyline组件进行系统开发,运用虚拟现实技术和三维GIS技术对房地产进行三维建模,以及三维空间分析。系统建立在房地产小区影像数据、地下管线数据库的基础之上,具备三维场景浏览显示、空间量测、空间分析等功能模块。实现对房地产的地面建筑物、附属物、地下管线数据的统一浏览、显示,提供一个包括房地产的地面建筑物、附属物、地下三维管线的具有沉浸感和用户交互的房地产三维虚拟系统,以及一些实用的三维分析功能,为房地产的管理、维护、宣传和规划提供辅助决策支持。     

倾斜实景模型和LiDAR点云数据相融合的不动产测量新方法

不动产地籍测量是一项基础性的测绘工作,地籍测量技术与方法的良性发展不仅能够最大限度地提升我国土地利用率,还能为获取高精度的空间数据提供高效便捷的手段.针对传统全站仪与GPS RTK组合地籍测量作业效率低、人力财力耗费大的缺点,本文依托陕南某地的地籍和不动产权籍调查项目,提出了一种地面三维激光扫描技术和倾斜摄影测量技术相...     

基于R树索引的三维场景细节层次自适应控制方法

针对大规模三维城市建模需要,介绍一种基于三维R树索引的多细节层次（简称LOD）管理方法,从叶节点层向根节点自动生成LOD场景,并设计实现LOD检索的算法。通过试验分析,证明本文的LOD定义参数能够定量控制三维场景中的渲染目标数目,进而实现三维场景的自适应可视化方法,尤其适合于建筑物和树木类型的地物目标。     

四元组标靶辅助下的RGB-D室内点云配准

面向室内弱纹理三维重建需求,本文以RGB-D摄影测量技术获取室内点云为基础,提出了四元组标靶辅助的点云配准方法。该方法首先通过阈值筛选大曲率点,自动识别邻接点云中的辅助标靶,然后采用随机采样一致性表达方法,拟合标靶参数及其中心坐标,并根据拟合参数匹配同名标靶中心,通过刚性转换完成邻接点云粗配准。在此基础上,迭代估算邻接点云间的重叠区域,优化点云间的配准参数,从而实现点云精配准。利用Kinect相机获取两类室内场景各12站点云对本文方法进行测试,试验结果表明,配准后的多站点云间距最大均方根误差优于一个采样间隔,证明了该方法在弱纹理室内点云配准中的可靠性。     

高分辨率光学遥感场景分类的深度度量学习方法

针对高分辨率光学遥感影像场景具有同类型内部差异大、不同类型间相似度高导致部分场景识别困难的问题,本文提出了一种深度度量学习方法。首先在深度学习模型的特征输出层上为每类预设聚类中心,其次基于欧氏距离方法设计均值中心度量损失项,最后联合交叉熵损失项以及权重与偏置正则项构成模型的损失函数。该方法的目标是在特征空间上使同类型特征聚集并扩大类型间的距离以提高分类准确率。试验结果表明,本文方法有效地提升了分类准确率。在RSSCN7、UC Merced和NWPU-RESISC45数据集上,与现有方法相比,分类准确率分别提高了1.46%、1.09%和2.51%。     

基于三维实景的警用应急指挥系统设计与实现

随着网络通信、三维仿真技术和地理信息系统的发展,传统的警用二维地理信息系统在三维可视化、复杂空间分析、业务数据共享等方面的不足日益显著。为进一步提高公共安全服务能力,深化警用公共安全信息体系的建设,本文基于三维实景建模技术和WebGIS技术,研究设计以高精度的三维实景模型数据为基础的公安应急指挥系统,实现对公共安全事件业务处理、信息联动、指挥决策等功能。     

基于osgEarth的虚拟校园场景建模研究

osgEarth是一个基于OSG开发的实时地形模型加载和渲染工具。本文对数字地球及其应用进行了介绍,同时探讨了建设虚拟校园场景的关键技术。接着使用osgEarth获取了Google Earth的数据并且建立了数字地球底图,然后使用本地地形数据和3维模型建立了西南交通大学虚拟场景。最后发布了虚拟校园场景,从而使用户能够通过网络浏览该场景。     

Spatial‐Scene Similarity Queries

Assessing spatial scenes for similarity is difficult from a cognitive and computational perspective. Solutions to spatial‐scene similarity assessments are sensible only if corresponding elements in the compared scenes are identified correctly. This matching process becomes increasingly complex and error‐prone for large spatial scenes as it is questionable how to choose one set of associations over another or how to account quantitatively for unmatched elements. We develop a comprehensive methodology for similarity queries over spatial scenes that incorporates cognitively motivated approaches about scene comparisons, together with explicit domain knowledge about spatial objects and their relations for the relaxation of spatial query constraints. Along with a sound graph‐theoretical methodology, this approach provides the foundation for plausible reasoning about spatial‐scene similarity queries.