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。     

改进的模糊聚类遥感影像分割

聚类是数据挖掘的重要分支之一,引入模糊理论的模糊聚类分析为显示数据提供了模糊处理能力,在许多领域被广泛应用。本文应用考虑邻域关系的约束模糊C均值(Fuzzy C-Means with Constrains,FCM_S)算法,将邻域像素引入到目标函数中,进而有效地利用邻域像素信息,提高分割精度。本文应用FCM_S算法对模拟彩色纹理图像进行分割,计算其混淆矩阵,定性定量地与FCM算法进行对比分析,证明了该算法的鲁棒性。     

基于纵横断面的机载雷达点云数据滤波

针对现有基于坡度滤波的改进方法难以同时提升滤波速度与精度的问题,文章提出了一种基于纵横断面的机载LiDAR点云数据滤波方法。该方法视测区为多个断面构成,以行(列)为滤波基本单位,兼顾高程突变的方向信息,分别从纵横断面以基于坡度的判据进行滤波处理,可同时提高计算速度与结果精度。实验结果表明,该算法计算速度快,并且对于不同特征的地形都能取得较好的滤波效果。     

利用先验对流层延迟约束加快PPP重新收敛方法

针对卫星信号中断后PPP需要重新收敛的问题,根据对流层延迟参数在短期内变化不大的特点,利用PPP中断前估计的比较精确的对流层延迟参数作为先验信息,提出了一种附加先验对流层信息约束的PPP模型加快PPP的重新收敛。实验结果表明,附加先验对流层信息约束模型的PPP重新收敛过程明显快于传统模型。附加先验对流层延迟信息的标准差越小,约束条件越强,PPP的重新收敛就越快。     

一种新的近似平行沟渠群的典型化方法

提出并实现了一种针对近似平行沟渠群的典型化方法。首先,建立沟渠的方位关系图,通过生成关系图中各连通分量的极大完全子图,提取近似平行的沟渠;然后,依据视觉认知规律定义沟渠间的认知距离,并基于最小生成树的剪枝对沟渠进行分组;接着,运用K-means ++算法对分组后的沟渠进行重新表达;最后,通过比较综合前后沟渠群的外轮廓相似性以及沟渠分布密度的差异,对典型化结果进行了评价。对广州市数据进行了实验,结果表明该方法能有效进行近似平行的沟渠群的典型化。     

基于云理论、粗集和模糊神经网络的区域橡胶种植适宜度评估模型

针对橡胶种植适宜性评估,基于云理论、粗集理论和模糊神经网络理论,提出了一种适宜度评估模型。该模型将转化的样本数据进行粗集简约,通过模糊神经网络得出评价因子的隶属函数,计算评价等级。研究结果表明,此模型能够科学、快速、准确地分析出橡胶种植最适宜区、适宜区、次适宜区和不适宜区。     

关联度分析法在确定土地定级因素权重中的应用

从关联度分析法的基本原理入手，介绍了应用关联度分析法确定土地定级因素权重的具体方法，探讨了关联度分析法运用于土地定级因素权重确定的可行性。     

Model generalization of two different drainage patterns by self-organizing maps

In this study, we develop a new method using self-organizing maps (SOMs) for the selection of hydrographic model generalization. The most suitable attributes of the stream objects are used as input variables to the SOM. The attributes were weighted using Pearson’s chi-square independence test. We used the Radical Law to determine how many features should be selected, and an incremental approach was developed to determine which clusters should be selected from the SOM. Two drainage patterns (dendritic and modified basic) were obtained from the National Hydrography Datasets of United States Geological Survey at 1:24,000-scale (high resolution) and used in order to derive stream networks at 1:100,000-scale (medium resolution). The 1:100,000-scale stream networks, derived in accordance with the proposed approach, are similar to those in the original maps in both quantity and visual aspects. Stream density and pattern were maintained in each subunit, and continuous and semantically correct networks were obtained.     

利用轨迹大数据进行城市道路交叉口识别及结构提取

交叉口是城市交通路网生成、更新的重要组成部分。本文基于车辆时空轨迹大数据,提出了一种城市交叉口自动识别方法。该方法首先通过轨迹跟踪识别轨迹数据中包含的车辆转向点对;然后基于距离和角度的生长聚类方法进行转向点对的空间聚类,并采用基于局部点连通性的聚类方法识别交叉口;最后利用交叉口范围圆和转向点对提取城市各级别路网下的交叉口结构。以武汉市出租车轨迹大数据为例,对武汉市城区内189个交叉口进行了探测。试验结果表明,本文所提方法可以准确地从轨迹大数据中识别出城市交叉口及其结构。     

一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法

从LiDAR数据中高精度地提取建筑物屋顶面是构建屋顶面拓扑关系、实现建筑物三维模型重建的关键。本文针对现有算法提取复杂建筑物屋顶面适应性较差、精度较低等问题,提出了一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法。通过主成分分析计算点云特征,构建特征直方图,选取可靠种子点;利用提出的局部点云法向量分布密度聚类算法聚类种子点,快速准确地提取初始屋顶面片;构建基于邻域信息的投票模型,有效地解决屋顶面竞争现象。试验结果表明,本文方法可自动、高精度地提取屋顶面,对不同复杂程度的建筑物具有较好的适应性,能为建筑物三维模型重建提供可靠的屋顶面信息。