基于光谱重建的高光谱特征参数选择方法——以苏北地区Hyperion数据为例

高光谱遥感能提供数十至数百个窄波段的光谱信息,从而能够依据地物的诊断性光谱特征进行地物识别。然而,高光谱遥感在提供丰富光谱信息的同时,波段间的相关性和冗余性制约着高光谱遥感的应用。因此,特征参数选择是高光谱遥感分类中最关键的环节之一。首先讨论EO-1/Hyperion的传感器特征,并对其L1R数据进行辐射校正、去条纹、Smile效应纠正等预处理工作。其次利用从图像中提取的典型地物的光谱曲线,采用光谱重建理论获得用于逼近光谱曲线的基函数及其对应的光谱区间。然后采用逐步增加光谱区间,并调整波段中心位置和宽度的方法,得到稳定的光谱区间。最后将光谱区间内的几个原始高光谱波段合成一个宽的波段,得到几个较宽波段的仿真图像,并对其进行分类。结果表明,基于光谱重建的特征参数选择方法获得的分类,总体精度高达92%,充分说明了该方法的有效性。     

提高GIS中居民地要素层可视化效果的研究

GIS矢量数据中的居民地要素层可视化一直是GIS用户重点关心的问题。文中从居民地快速自动取舍、多级动态符号管理、注记显示完整性等方面对居民地可视化进行了研究,提出了“扩展虚拟浮动圆法”用于集群状居民地的自动取舍、“多级动态符号管理机制”代替传统的静态地图符号以及“标注与地理对象相结合法”用于解决注记的完整性显示,三者相结合在实践中予以综合使用,较好地解决了多幅图背景下的任意比例尺居民地要素层快速、美观、高质量的显示问题。     

基于ENVI／IDL与ArcGIS Engine的GCP选取与实现

针对遥感图像几何校正中GCP选取受人为因素影响较大、分布与数量难以确定等问题,在分析图像局部特征的基础上,结合Voronoi图,基于ENVI／IDL与ArcGISEngine一体化开发技术,研究了一种具有半自动选取和空间分析功能的GCP选取方法。实验通过一幅面积为3278．47km。的遥感图像进行几何校正,结果表明本文研究的GCP选取方法可以将工作效率提高近一倍,总RMS可降低约0．3个像素,在实际生产中具有一定的参考意义。     

Genetic feature selection for texture classification

This paper presents a novel approach to feature subset selection using genetic algorithms. This approach has the ability to accommodate multiple criteria such as the accuracy and cost of classification into the process of feature selection and finds the effective feature subset for texture classification. On the basis of the effective feature subset selected, a method is described to extract the objects which are higher than their surroundings, such as trees or forest, in the color aerial images. The methodology presented in this paper is illustrated by its application to the problem of trees extraction from aerial images.     

城市新建中学候选范围提取模型——以北京市中学为例

城市教育资源分配问题一直是全社会关注的焦点问题,本文以城市中学的选址问题为研究对象,在考虑到新建中学与已有学校覆盖范围、与公共基础设施距离等经典选址问题的基础上,结合DEM数据、土地利用数据、降雨量数据等,创新性地排除了大坡度、容易被淹没等不适合建立学校的区域,提出了一种新的城市新建中学候选范围提取模型,为城市新建学校...     

基于等价方差-协方差的粗差探测敏感度分析及实现

选权迭代法在面对独立观测量中的粗差时能够表现出良好的探测效果,但由于其只是一种基于独立观测值的稳健估计法,没有考虑到观测值之间的相关性[1].而现有的等价权函数虽然都满足稳健估计的要求,但由于所构造的等价权阵不对称,使得最后平差结果严重偏离实际情况.本文介绍在传统稳健估计的基础上,在定权时充分考虑相关观测值之间相关性的...     

基于选权迭代估计与非监督分类的多光谱图像变化检测

针对多光谱图像的变化检测问题,提出了一种基于选权迭代估计(iterative estimation with weight selection,IEWS)与非监督分类(unsupervised classification,UC)的多光谱图像变化检测方法。借鉴IEWS的思想,并以类似于迭代加权多元变化检测(iteratively reweighted multivariate alteration detection,IRMAD)的迭代模式进行回归估计,得到初步的变化检测结果;并通过对初始变化信息的UC处理,以及对不同类别的IEWS,得到最终的变化检测结果。利用该方法对TM图像进行了实验,结果表明:所得到的变化信息在空间位置上同该区域相应时间段内土地利用/覆盖的变化情况具有很好的一致性;同时与多元变化检测及IRMAD方法变化检测的结果相比较,表明该方法对相对较小的变化信息具有更好的变化检测能力。     

Data field for mining big data

Abstract

Big data is a highlighted challenge for many fields with the rapid expansion of large-volume, complex, and fast-growing sources of data. Mining from big data is required for exploring the essence of data and providing meaningful information. To this end, we have previously introduced the theory of physical field to explore relations between objects in data space and proposed a framework of data field to discover the underlying distribution of big data. This paper concerns an overview of big data mining by the use of data field. It mainly discusses the theory of data field and different aspects of applications including feature selection for high-dimensional data, clustering, and the recognition of facial expression in human–computer interaction. In these applications, data field is employed to capture the intrinsic distribution of data objects for selecting meaningful features, fast clustering, and describing variation of facial expression. It is expected that our contributions would help overcome the problems in accordance with big data.     

顾及分类器参数的全极化SAR图像特征选择与分类

全极化SAR获取的信息量远多于传统SAR,但信息量的增加并不能确保分类精度的提高,如何有效进行特征选择至关重要。针对自适应特征选择问题,提出一种顾及分类器参数的特征选择和分类方法。该方法以支持向量数为评估依据,结合遗传算法进行特征选择,并同时对分类器参数进行寻优;最后利用优选的特征集和模型参数进行分类。为验证算法的有效性,利用两组全极化数据进行了监督分类实验。实验结果表明,提出方法降低了SVM分类器对自身参数的敏感性,而且能在较少特征个数下具备良好的泛化性能,分类精度优于未经过特征选择和参数优化的方法。     

测量平差中不适定问题解的统一表达与选权拟合法

将测量平差中常见的几种数学模型分析比较,发现它们的解可以统一表达,形式上,都可以由吉洪诺夫正则化原理导出.在拟稳平差思想的启迪下,作者提出选权拟合法解不适定问题的思路.作者强调,解不适定问题应根据具体问题对参数作具体分析,找出合理的权阵或参数约束矩阵,利用统一的解式,可以得到符合客观实际的结果.最后介绍两个新解法算例.