一种基于极大曲率的机载LiDAR数据 地形特征提取方法

对于庞大的点云数据来说,从中直接提取多种数据特征是相当困难的。考虑到基于数字化等高线数据和数字地面模型提取地形特征受内插误差影响,提出一种基于极大曲率的地形特征提取方法。对初始地面点云进行极大曲率估计;结合欧氏聚类方法进行地形特征点粗提取;对粗提取特征点进行粗糙度分析,得到精确特征点。顾及离散曲率的特征,即曲率越大越接近特征线,得到可靠的地形特征分割结果。该方法不需要人工干预,直接基于机载LiDAR点云数据进行处理。试验表明采用基于极大曲率分割的方法能从点云中自动提取比较完整并且准确的地形特征点。     

海底小目标声呐图像一维最大熵分割的改进方法

作为海洋高新技术,水声技术日益成为海洋水下探测的主要手段,而且有时是惟一的手段(比如对浑水或对远距离的情况).海底物体搜索、海底救捞、海底探宝、海底“黑烟囱”探测、海底施工以及海洋军事活动(如探测水雷)等多方面都涉及海底小目标(这里的“目标”泛指物体,包括各种人工制造物和自然形成物)探测.对海底小目标探测是一个困难而有意义的课题.高分辨成像声呐在海底小目标探测方面具有良好的应用前景.将高分辨成像声呐应用于海底小目标探测,图像处理是关键.图像分割是图像处理中的主要问题,也是机器视觉领域低层视觉中的主要问题,同时它又是一个经典难题.     

基于SAR快速提取浒苔信息应用研究

2008年6月以来青岛近海出现的大面积浒苔对青岛奥帆赛场造成严重影响。如何快速、准确地发现浒苔,对治理浒苔具有显著的指导作用。采用卫星遥感数据,尤其是SAR数据对浒苔进行监测,运用一种基于区域增长面向对象的影像尺度分割方法,调整影像的分割尺度,快速提取浒苔信息,在浒苔遥感监测中效果显著。     

基于ArcIMS按需切图在构建WebGIS地图框架中的应用

结合ArcIMS体系架构的特点,提出了基于Ajax构建Web2.0的网络地理信息系统解决方案.本文主要介绍了基于缓存技术的按需切图原理以及WebGIS系统建设的关键技术.     

重力异常辅助惯性导航中匹配区提取方法

由于重力场中的重力异常数据是以格网的形式表示的,它与地形的DEM在数据结构上有一定的相似性.因此可借鉴一些数字地形分析的方法,提取重力场的特征区域(匹配区)用于辅助惯性导航.首先,对重力场进行特征提取,通过对特征的比较分析选取其中的某些因子作为重力场特征因子;然后,利用等值线方法对重力场特征数据进行区域分割,提取栅格特征数据区域的矢量边缘,并对这些矢量表示的区域进行聚类处理;最后,利用凸壳算法提取这些区域的凸壳范围线,获得重力异常变化比较显著的区域(匹配区).从而为重力匹配辅助导航提供了必要的参考数据.     

一种使用(ε,δ)连接区域分割图象的新算法

图象中目标具有相似灰度特征,在分割中,我们应考虑区域的整体灰度以及相邻象素灰度的变化,它们依靠于范围参数ε和毗邻参数δ。本文介绍了灰度图象的（ε,δ）连续区域及其模糊边缘测度,提出了通过相对模糊边缘度调整（ε,δ）参数,利用（ε,δ）目标连接集分割图象的一种新算法。实验结果表明该算法分割效果较好,提取边缘精度较高。     

基于天绘一号卫星多光谱影像的海岸线自动提取方法

针对常规人工海岸线测量方法耗费人力物力、效率低、工作环境相对危险,难以快速反映海岸线动态变化的问题,提出一种基于天绘一号卫星多光谱影像的海岸线自动提取与分类方法。所提方法首先结合NDWI指数和水平集模型实现全自动水边线提取,然后采用面向对象分割技术和空间拓扑关系提取临海地物基元,最后结合遥感影像海岸线解译标志建立决策树完成临海基元的分类与海岸线提取。实验表明,海岸线提取结果能够作为1∶2.5万海图测制与更新的参考数据。     

刺参人工池塘养殖现状及展望

刺参（Apostichopus japonicus（Selenlca））是千余种海参中的一种,可食用的海参约40种．中国海常见的食用海参约10余种。其中以刺参的品质最佳,为海参之冠。自古以来,人们把海参称为“海产八珍”之一。我国人民最爱吃海参,认为海参具有极高的营养价值,其有益于人们健康的皂甙海参毒素和粘多糖等成分,对人体生长发育、预防组织细胞老化、延缓衰老、防止动脉硬化、补肾壮阳皆有一定的功能,同时对治疗肿瘤和抑制肿瘤扩散都具有显著药用疗效。     

一种基于分割图斑的海岸带遥感图像分类方法

传统的基于象元的分类方法在处理海岸带这类动态多变、混杂度大的地物时常出现“椒盐现象”,难以矢量化形成专题图。提出了一种新的遥感图像分类方法——基于分割图斑的分类法,即选择一个合适的尺度,利用光谱信息按照一定的策略将图像分割为一系列的图斑,并确保图斑内大多数象元的光谱特征相近,分别对图斑内诸象元进行统计,求出各个波段的均值,用该均值替换图斑内所有象元的原始亮度值,这样分类时可以确保同一图斑内的所有象元被分到同一个类别中,从而有效地避免了“椒盐现象”,使分类结果便于矢量化成图,也便于对特定地物的提取。实验结果表明,该方法还能在一定程度上提高分类精度。