利用面向对象的分类方法从IKONOS全色影像中提取河流和道路

传统的基于像素的统计特征的分类方法在处理高分辨率影像的分类问题上遇到了很大的困难。本研究利用面向对象的影像分析方法对IKONOS全色影像进行了河流与道路的分类,包括利用影像对象的光谱特征的初次分类和利用子目标对象的线特征的二次分类两个过程;其中初次分类由于仅依据光谱信息,不能很好地将河流或道路与其他光谱特征相似的地物区分开,而通过引入子目标的形状特征进行二次分类,就可以准确地将河流与道路提取出来。试验结果表明,面向对象的分类方法能够满足高分辨率或纹理影像的分类需要,具有很大的应用潜力。     

高分辨率机载SAR影像判读实验

近年来机载SAR系统在国内得到快速发展。由于SAR系统具有不同于光学传感器的成像机理,因而可以提供全新的数据获取手段和不同的地物信息。利用高分辨率机载SAR影像进行解译时必须熟悉其成像机理和图像信息特点,充分了解SAR图像解译标志的特点和各类地物的解译规律。本文以高分辨率机载SAR数据为基础,对比光学影像,从SAR成像特点和地物散射特性出发,对SAR影像进行了目视解译,分析了SAR影像在地形地物要素识别中的应用潜力。     

车牌识别仪在车辆管理系统中的应用

本文通过对用户需求的分析，提出了一套具有车牌识别功能的小区车辆管理解决方案。其中对车牌识别仪在小区车辆管理系统中的应用、车牌识别技术及该设计方案中应用系统的功能做了较详细的介绍。     

一种实现依比例街区自动合并的算法

针对依比例街区的图形特征，介绍了一种实现街区自动合并的有效算法，即利用数学形态学和模式识别对栅格数据进行追踪，然后提取街区轮廓线，编辑后就得到最终合并的街区。     

利用一种新的神经网络模型识别点状地图符号

着重讨论了用一种新的神经网络模型识别点状地图符号的过程,主要包括网络的结构特点和学习算法以及学习训练过程,并验证了用该网络进行点状地图符号识别的有效性。     

关于地理信息系统学科的理论基础与体系框架

地理信息系统已成为一门独立的学科，关于它的理论基础与体系框架应该是一个值得研究的问题。从地理信息系统的本质看，它是传输地理环境信息的现代化工具，“空间认知”与“地理系统”作为地理信息系统的认识论和方法论，是地理信息系统的理论基础；地理信息系统理论、技术与应用构成了它的体系框架。     

地下目标体重力张量数据的边界识别与增强算法的研究

边界增强与识别在重力数据处理中占据重要地位,与传统重力异常数据相比,重力张量及其高阶分量对于直接反映异常体的边界具有更高的精度。当异常数据中的所有网格点的值均较低时,通过Sigmoid变换,可以实现高异常值网格数据的拉升,同时压缩低灰度级像素,从而凸显地质体边界,提高边界增强后图像的识别效果。文中利用张量及其分量构建常用的边界识别算法,通过组合体模型进行多种边界识别算法的试算,以比较分析各自的效果,并对结果进行Sigmoid变换。结果表明:对于张量高阶分量组合形式,水平梯度模、解析信号能基本反映浅异常体的边界,gzz水平梯度模能较好反映浅异常体边界,但三者均不能识别深异常体边界;Tilt梯度、Theta和ITA3效果不理想;ITA2能在有效均衡不同强度异常信号的同时,清晰地识别不同深度异常体的边界;采用Sigmoid变换,可以明显提高边界识别的识别效果。     

复杂卫星图像中的小目标船舶识别

船舶作为海上的重要目标,实现对船舶自动识别有重要的意义。针对卫星图像中云雾、海岸背景等复杂海情对船舶识别带来的干扰,以及小目标船舶高漏检率问题,本文提出一种多尺度深度学习模型训练策略,在此基础上构建了一种船舶识别的深度学习网络,该网络可分为多尺度训练、特征提取、生成目标建议区域、船舶分类这4个部分。首先,采用多尺度的训练策略,将多尺度的船舶样本送入网络中进行训练,这样在训练样本中加入了大量小目标船舶的样本,使网络充分提取到小目标船舶的特征;其次,通过卷积神经网络对目标船舶进行特征自适应提取;然后,目标区域建议网络可依据卷积神经网络提取到的特征,在图像中找到感兴趣目标区域,即框定船舶的位置;最后,通过多个全连接层的组合,将高维特征映射到一个4元组中,再运用分类函数输出每一类船舶的概率值,概率值最大的则为该船舶的类别。同时为解决云雾遮挡和海岸背景的干扰,采用了一种负样本增强学习的方法,在样本数据集中加入了大量只含有云雾和海岸背景的图片,进行负样本扩充,增强网络模型对云雾及海岸背景的特征学习能力,以此解决复杂海情的影响。实验结果表明,所提方法有效解决了复杂海情条件下的船舶识别难,以及小目标船舶识别难的问题,实现了复杂海情条件下的船舶识别。同时,与现有成熟的深度学习目标识别算法相比,本文算法的精确度和召回率分别提升了6.98%和18.17%,所训练的模型具有良好的泛化能力和鲁棒性。     

规则池塘群的复杂直线模式识别

针对现有面要素直线模式识别方法难以解决规则池塘中破碎区域的问题,提出了一种规则池塘群的复杂直线模式识别方法。首先,分析了规则池塘群的空间特征和认知特点,提出了“主次关系→并列关系→直线模式→复杂直线模式”的多层次认知顺序;其次,设计了主次关系池塘组、并列关系池塘组、直线模式池塘群的识别方法;最后,构建了复杂直线模式池塘群的识别模型。试验表明:本文方法能够消除破碎区域对规则池塘群直线模式提取的不利影响,有效提升复杂直线模式识别的质量。     

CORS网区域重力场变化与地面稳定性跟踪监测方法

为了实现地面稳定性降低时间与地点、持续作用时间与空间影响分布的全面跟踪监测,该文基于卫星定位连续运行站(CORS)站网观测数据,结合地表水、大气及海平面变化资料,提出了CORS站网时变重力场及负荷形变场精化的已知负荷移去恢复法,建立了基于时变重力场的确定性地面稳定性变化定量辨识准则。以丽水温州地区为例,利用2015-2017年CORS网及有关水文观测数据进行计算分析,根据40起已发生的历史地质灾害(险情)事件对结果进行验证:丽水温州地区的CORS网具备区域重力场变化与地面稳定性跟踪监测能力,具备地质灾害灾变过程追踪与前兆捕获能力,CORS站网的地质灾害前兆提前捕获率可达92.5%。