沂蒙山区金银花种植的遥感动态监测

沂蒙山区山东省平邑县是“中国金银花之乡”,金银花种植面积监测对于当地种植规划和管理具有重要意义。根据金银花花期,遴选2013-2018年5月至6月Landsat-8 OLI影像12景,在野外调查的基础上构建了两层决策树分类模型。决策树分类后,对结果进行形态学滤波。然后分别基于决策树和支持向量机分类模型提取金银花种植面积,并进行了对比分析,前者提取的结果与官方面积数据基本一致。精度评价显示6个时相的总体分类精度与Kappa系数均较高。结果表明：利用遥感影像监测金银花种植面积动态变化是有效的,可以为规模化种植的监测与管理提供科学参考。     

生成式对抗网络的高光谱遥感图像分类方法研究

针对基于深度学习的分类模型在训练样本较少时所遭受的潜在过拟合问题,提出一种具备过拟合抑制的生成式对抗网络分类算法,并应用于高光谱图像分类.该算法在每次迭代时,首先,依据训练样本的标签信息使判别器网络拟合训练样本的数据分布;然后对训练样本的高维特征进行均值最小化,该过程会重新更新判别器网络参数,减小参数的值和方差,以抑制...     

结合SOM神经网络和混合像元分解的高光谱影像分类方法研究

本文对SOM神经网络算法进行改进,在标类的过程中采用3个策略加以控制,对初始产生的自组织映射图进行调整。通过改进,那些映射到可靠神经元的像素得到了很好的分类,而那些映射到不可靠神经元的像素都被作为不可分像元而提取出来。继而,从混合像元分解的角度来对这些不可分像元进行处理,按类型分解的思想确定混合像元的类别,实现对不可分像元的分类。将SOM神经网络和混合像元分解相结合的分类方法应用于高光谱图像的分类中,通过实验表明了该方法能较好地改善分类效果,提高分类精度。     

中国东北浅覆盖区地质填图物化探信息协同辅助技术

针对中国东北浅覆盖区地质露头少、填图效率不高、精确度和准确度较低的问题,开发了物化探信息协同辅助技术并应用于地质体类型的识别。在以覆盖层较薄、面积广大、物理风化为主、土壤位移较小为特点的东北森林沼泽浅覆盖区,利用土壤化学成分和航磁信息识别下伏地质体是可行的。基于这一前提,可将指定研究区划分为一定数量的统计单元,在各单元内,通过数学统计方法产生众数、宽度、变化频率、偏度、峰度等航磁特征参数并将其标准化,将化探指标酸度、碱度、钙含量、铝含量、钙镁含量、硅铝含量、镁铁含量、微量元素含量等特征参数标准化;然后采用逐级分类的方法,每级选择有效的物化探特征参数,在当前级别上实现单元划分并将数据分为不同数据集,在下一级别划分时重新有针对地选择参数,分别对各数据集进一步分类,直到分类结果对应较明确的地质填图单元,并最终编制出解译图。以黑龙江省大兴安岭地区某典型森林沼泽浅覆盖区为例进行了方法验证,将结果与已知地质信息比对分析,认为地质体单元识别结果与已知信息基本吻合,使得地质体类型识别更精确,边界更清晰,可为区域地质研究提供新线索。     

滨海湿地稀疏采样重构高光谱图像分类精度评价

高光谱遥感影像维数高、数据量大、波段之间的相关性强,分类时易出现"Hughes"现象,因此在分类过程中如何有效减小数据处理过程中的计算量,又保证原始数据重要的地物信息不丢失具有重要的意义。压缩感知理论可通过远低于耐奎斯特的采样率和少量观测数据实现信号的精确重构,具有对硬件读写要求低、图像恢复效果好等优势。通过利用基于小波变换的压缩感知算法对黄河口地区的高光谱影像进行图像重构,然后分别采用SVM算法、最大似然法以及神经网络分类法对重构后的影像进行分类,并对分类结果的精度分别从空域和小波域、不同的测量值等维度进行了分析和比较。结果表明:(1)压缩感知理论重构后的影像保留了原始影像的基本信息,保证了分类精度;(2)SVM算法的分类精度最好,空域和小波域的分类精度基本一致;(3)分类精度随测量值的增加先逐渐提高,然后趋于稳定。     

基于GF-1卫星数据的面向对象的民勤绿洲植被分类研究

以民勤绿洲为研究区,以GF-1遥感影像为数据源,采用面向对象的分类方法,结合分层技术,对影像逐级进行分类,以获取植被信息。根据归一化植被指数（NDVI）阈值区分植被与非植被,分割尺度为10;使用归一化水体指数（NDWI）阈值提取非植被中的水体,分割尺度为35;利用野外采样点获取的训练样本,将植被进一步分为耕地、林地和草地,分割尺度为25。总体分类精度达到83.02%,Kappa系数为0.745 1,比较基于象元的监督分类,其总体分类精度为69.37%,Kappa系数为0.497 0,表明面向对象的分类方法在干旱区绿洲植被信息的提取上较传统的基于象元的分类方法更有优势,分类精度更高。     

利用复合光谱纹理特征进行城市边缘区不透水层提取

城市边缘区是城市化活跃的地区,在遥感影像上呈现出错综复杂、异质强的特征,对该地区不透水层的遥感提取带来一定的困难。本文引用扩展支撑向量机（extended support vector machines,ESVM）的软硬分类方法,结合光谱和纹理特征变化,对正在发生快速土地覆盖变化的城市边缘区的不透水层进行了提取。本文提出的方法将纹理变化作为有效信息表示城市边缘区的变异,并结合软硬分类方法的特征进行了不透水层纯净、混合像元的识别。研究区城市边缘区的试验结果表明,将纹理特征作为描述不透水层的空间特征指数能够将纯净、混合像元的识别效率提高10%,整体分类精度提高1%~5%,优于传统的软分类、硬分类方法。     

全景地图隐私信息处理的关键技术研究

全景地图系统在数据生产中存在一些可能涉及泄漏个人隐私的信息。本文提出了通过采用特征提取和监督学习分类的方法来检测和处理隐私信息的方法。以人脸和车牌号为例,分别采用支持向量机和投影定位的方法进行了隐私信息定位检测。试验证明,该方法具有较好的可行性。     

基于码字匹配和引力筛选的半监督协同训练算法

针对传统的Co-training和Tri-training协同训练算法中基分类器独立性低、迭代过程中误差累积和整体泛化性能低的问题,将多视图理论、编码理论和万有引力公式引入协同训练分类算法中,提出了改进算法,算法有效地防止了迭代过程中的误差累积,同时提高了分类系统的泛化性能。在高光谱图像分类实验中,随机地从数据集中抽取5%、10%和20%样本作为已标记训练集时,码字匹配的协同训练分类算法对比Co-training和Tri-training算法,在分类精度上平均分别提高了12.38%和6.13%,在Kappa系数上平均分别提高了0.2和0.07。进一步加入引力筛选机制,对比Co-training和Tri-training算法,在分类精度上平均分别提高了21.30%和10.99%,在Kappa系数上平均分别提高了0.26和0.13,结果表明了本文算法的有效性。     

城市轨道交通不动产产籍信息数据库设计

近些年来,城市轨道交通的快速发展形成了大量的不动产产籍信息,这些信息涉及城市轨道交通全生命周期,时间跨度大、专业种类多、信息涵盖内容广、管理难度大。本文介绍了城市轨道交通不动产产籍信息涉及的种类,并根据信息特征设计了城市轨道交通不动产产籍信息数据库。