基于VirtuoZo平台的1∶10000地形图高程点快速生成技术

在利用VirtuoZo全数字摄影测量系统立体测图采集1∶10000高程点时,常常受到植被覆盖的山地及高山地等地形困扰,导致产生高程采集不准、点线矛盾、高程点分布不均、采集工作量大等问题。为解决这一难题,本文通过实际生产经验,利用DEM重构的方法自动获取高程点,可完全达到预期效果,大大提高了生产效率。     

一种利用矢量数据和GVF Snake模型的面状水域提取方法

GVF Snake模型具有捕获范围大、能够逼近"凹形"区域的优势,是提取面状水域的有效方法,但该模型在具体使用时需要依赖一定的人工参与。本文充分利用已有矢量数据中的先验信息,通过扫描线寻找目标像素并进行区域生长,为GVF Snake模型的求解提供梯度矢量场的作用范围及初始轮廓曲线,提高模型的自动化程度。实验证明,该方法准确、可靠,对于面状水域矢量数据的更新具有一定的实用性。     

基于融合GMM与SVM的船载非侵入式负荷识别方法

为保障安全的船载用电环境,实现合理的用电配置与管理,在船载电力布局中引入非侵入式电力负荷监测。提出了一种融合高斯混合模型(GMM)与支持向量机(SVM)的电器类型识别算法。该方法利用暂态事件检测所提取的有效负荷特征,建立具有较好统计分布能力的GMM模型和具有较好泛化能力的SVM模型。对两种算法的概率分布进行融合生成最终识别结果。实验结果表明,相对单独应用SVM模型,本文所用方法在准确率和稳定性方面均有一定程度的提升,且实现复杂度低,具有良好的实用价值。     

基于引力势力范围的郑州城市多中心空间形态识别

识别和分析城市多中心结构的空间形态,对优化城市空间结构具有重要意义。对引力模型的多中心综合实力参数和距离参数测定方法进行优化,首先将能够反映居民对空间结构感知体验的空间句法可达性,与人口经济和社会活动空间分布结合构建评价体系,定量计算多中心综合实力;然后将能够表达居民出行轨迹空间特征和偏好规律的词向量相关性,作为距离参数引入引力模型;最后计算引力强度并划分势力范围,对多中心发展目标的现实演化状态进行分析和评价。通过对比实验发现：优化引力模型与传统引力模型分析的势力范围存在一定差异,经空间统计和实地调查验证,优化模型对多源数据的运用更充分,考虑的因素更全面,其空间形态分析结果较为准确;从识别与规划多中心势力范围差异看,二者在郑州市核心城区的势力范围较为相似,均为早期规划或自然演化形成的已建成多中心,而部分外围多中心的识别与规划位置不同,空间形态差异明显,为未建成多中心,还远未形成其应有的分散疏解作用。     

基于小波核双重加权SVM模型的蓝藻水华识别与变化检测

以淀山湖为研究区域,利用Landsat系列遥感影像,提出了归化蓝藻指数的构建方法,结合波段组合和Gabor滤波器构建多特征空间,并基于变精度粗糙集和灰色关联决策相结合的方法进行特征空间的优化。在此基础上,采用小波核双重加权SVM分类模型,得到研究区蓝藻水华空间分布格局的识别与检测结果。以误差矩阵证明此分类模型能够较准确地识别出蓝藻水华覆盖区,满足环境调查的要求。研究成果为淀山湖蓝藻水华的防治和水生生态系统的保护提供了科学依据。     

小波去噪的灰色最小二乘支持向量机变形预测

针对变形监测数据的随机性和非平稳性,以及单一预测模型的不足,该文提出了基于小波去噪的灰色最小二乘支持向量机变形预测模型。采用小波去噪对原始数据进行降噪处理,减弱数据随机扰动的影响,建立灰色最小二乘支持向量机模型,并采用粒子群算法寻找最优参数。通过大坝位移监测数据实例对模型进行验证,并与灰色模型、最小二乘支持向量机以及灰色最小二乘支持向量机进行对比分析。实验结果证明,该模型预测精度更高、稳定性更强。     

2016年4月16日熊本地震滑动分布反演与分析

综合利用强震数据、GPS数据和InSAR数据基于双断层模型反演熊本地震滑动分布,通过选择合理的介质模型和平滑因子,分别对数据进行单独反演和联合反演。从结果分析可以看出:三种数据联合反演的结果最优,最终滑动模型为:断层1走向为236°,倾角65°,滑动角-150.6°,最大滑动量为6m;断层2走向为206°,倾角72°,滑动角-155°,最大滑动量为4m。基于K-net和Kik-net获取永久位移快速反演得到的滑动分布结果与基于GPS数据,Sentinel-1A InSAR数据反演甚至联合反演得到滑动分布结果比较一致,表明大震后利用高密度强震动台网后快速获取滑动分布用于震后应急响应和灾害评估是切实可行的,同时认为此次地震发震断层为右旋走滑的断层系统。     

基于支持向量机的2021年2月13日日本福岛近海Mj7.3级地震震级估算

2021年2月13日日本福岛县近海发生M_j7.3级地震,触发了日本气象厅地震预警系统,系统在首台触发后5.6s发出震级为M_j6.3级的预警第1报,首台触发后10s对公众发布警报、预警震级为M_j6.4级。基于多类型特征参数输入的机器学习支持向量机震级估算模型（SVM-M）,利用2021年2月13日日本福岛县近海M_j7.3级地震获取的日本K-net强震动观测数据,分析SVM-M模型在该次地震中首台触发初期（首台触发后1~10s）的震级估算效能。结果表明:SVM-M震级估算模型,在首台触发后1s即可给出M_j6.3级的震级估算结果,与日本气象厅在首台触发后5.6s发布的预警第1报震级相同;随着时间窗的增加,首台触发后5s和10s,SVM-M模型的震级估算结果分别是M_j6.7级和M_j6.6级,均大于日本气象厅首台触发后10s对公众发布警报的预警震级。该次地震的离线模拟结果表明:SVM-M模型可在地震发生初期有效提高地震预警震级确定的准确性和时效性。     

Point Pattern Synthesis

Abstract

title/>

Patterns consisting of point symbols are commonly applied to symbolize land cover. Tree symbols, for example, indicate forested areas; small irregular dots show quarries and pits; or regular line symbols represent a vineyard. This paper presents an automatic method for synthesizing patterns consisting of one or more point symbols. Symbols of varying sizes or graphical appearance can be combined according to user-defined ratios. The automatic method generates patterns of regularly or irregularly distributed symbols. It ensures that symbols do not overlap and do not graphically conflict with other map features. The method has been implemented in a free plug-in for the Adobe Illustrator vector graphics editor.     

Supervised change detection in VHR images using contextual information and support vector machines

In this paper we study an effective solution to deal with supervised change detection in very high geometrical resolution (VHR) images. High within-class variance as well as low between-class variance that characterize this kind of imagery make the detection and classification of ground cover transitions a difficult task. In order to achieve high detection accuracy, we propose the inclusion of spatial and contextual information issued from local textural statistics and mathematical morphology. To perform change detection, two architectures, initially developed for medium resolution images, are adapted for VHR: Direct Multi-date Classification and Difference Image Analysis. To cope with the high intra-class variability, we adopted a nonlinear classifier: the Support Vector Machines (SVM). The proposed approaches are successfully evaluated on two series of pansharpened QuickBird images.