顾及拓扑与尖角的分类矢量数据分组压缩算法

针对现有拆分重组法对存在复杂内环以及复杂相交岛屿多边形的分类矢量数据的压缩结果中包含裂缝、重叠及大量尖锐夹角的问题,提出了一种顾及拓扑一致性与尖角的分组压缩方法。依据分类矢量数据中多边形与多边形及其内环的相交关系对矢量矢量数据分组,以修正后拆分重组法结合直接分割法和间接分割法对分类矢量数据分组压缩,压缩结果中不存在裂缝与重叠现象,维护了分类矢量数据的拓扑一致性;通过取回尖角点前后被删除的点,解决了压缩结果中尖角过多的问题。以Landsat8遥感影像分类矢量数据实验验证了文章算法,并与直接分割法、间接分割法、拆分重组法进行了对比分析,验证了本文方法的有效性。     

RS/GIS技术在夹江第二次土地调查中的应用

在夹江第二次土地调查中,运用RS技术进行土地利用分类,以1∶5 000高精度航片为数据源,建立解译标志进行初步目视解译,然后根据外业数据修正完善,再采用人机对话的方式完成分类。运用GIS技术对影像和矢量分类结果进行建库汇总和空间分析。     

基于BP神经网络的海洋监测数据等级划分

数据的分类是数据处理和应用的重要环节和前提。在海洋领域中,海洋数据呈现多元、多类等的复杂多样性,给数据的分类带来一定的技术挑战。主要针对海洋数据分类难这一问题,首先利用BP神经网络技术对海洋环境监测数据进行分类,且通过对获取的海洋环境监测数据进行分类预测,最后,实验验证了海洋环境监测数据分类方法的正确性和可行性,给海洋监测数据根据秘密等级进行数据分类提供了支持。     

基于SERD与SPAN的全极化SAR数据海岸线分类

基于Wishart分类器的全极化SAR图像H/α分类方法应用于海岸线分类,可区分不同海岸线类型。在聚类过程中,传统H/α-Wishart方法时常将各类聚类中心对应的散射机理混淆,使得同为单次面散射的淤泥质与砂质海岸线类别难以区分。针对此问题,提出了改进型的辅助分层分类方法。算法运用单次反射特征值相对差异度与极化总功率系数构成的二维特征空间,结合支持向量机得到最优分界判据,以分离初始分类结果中混淆的淤泥质与砂质海岸线。实验表明,改进方法能够有效区分淤泥质与砂质岸线,分类混淆矩阵对应kappa系数由0.794提升至0.853,分类识别率得到显著提高。     

混积岩分类命名体系探讨及对混积岩储层评价的启示——以渤海海域混积岩研究为例

混积岩是一种普遍而重要的岩石组合类型。然而长期以来,对混积岩的岩石学分类与命名一直存在诸多争议,且尚未有统一的分类体系与命名规则。本文结合渤海海域混积岩岩石薄片组分鉴定、岩石储层物性分析等最新研究成果,并与相关文献结合,最终确立以陆源碎屑物、生物成因碳酸盐颗粒、化学沉淀碳酸盐为三组分端元的一套新的混积岩岩性分类体系,并将混积岩分为4大类、16亚类。通过讨论混积岩混积层系及混积岩组构界定的问题,进一步完善了混积岩定义。利用新的岩石学分类方案,可为储层评价研究提供指导。以渤海海域为例,建立起研究区不同岩性相与储层物性的对应关系,并在岩性分类体系中划分出差储层、中等储层及优质储层三个储层区。     

基于岩石图像深度学习的岩性自动识别与分类方法

岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。     

基于Hyperion高光谱数据和随机森林方法的岩性分类与分析

探索利用高光谱数据的岩性填图新方法是遥感地质应用领域的重要需求之一。本文运用随机森林方法和EO-1Hyperion高光谱数据,对新疆塔里木西北部柯坪地区的局部区域进行岩性分类,并对相关问题进行分析。分别利用光谱特征以及加入光谱一阶导数特征进行岩性分类,并对不同特征对岩性分类的重要性进行分析,同时与现有的基于光谱角制图方法(SAM)进行比较。结果表明,与SAM方法相比,随机森林方法得到了更高精度的岩性分类结果,是一种有效可行的岩性分类方法。根据特征重要性的排序,蓝绿光波段、短波红外波段以及相应的一阶导数特征对研究区Hyperion数据的沉积岩岩性分类贡献更大。     

区域和形状特征的兵马俑碎片分类方法

针对传统方法对兵马俑碎片分类准确率较低情况,提出一种基于区域和形状特征的碎片分类方法。首先提取碎片的显著性区域特征,采用地球移动距离EMD(Earth Mover’s Distance)方法对区域特征进行匹配并初步分类;其次对表面特征不明显的碎片进行预处理,获取二维图像信息,利用Hu不变矩提取形状特征;最后采用支持向量机SVM(Support Vector Machine)分类器对表面特征不明显的碎片进行进一步分类,实现兵马俑碎片的最终精确分类。通过对30个兵马俑模型的508个碎片进行分类,实验结果表明,基于区域特征的碎片分类方法可以实现兵马俑碎片的快速、精确分类,是一种有效的兵马俑碎片分类方法。     

利用点云检测室内导航元素的方法综述

随着大型公共设施的普及和人们室内活动的增多,人们对构建室内精细化导航模型的需求日渐迫切。近年来飞速发展的三维激光扫描、摄影测量、计算机视觉等技术,能够快速高效地获取高精度室内点云数据,为室内精细化导航提供丰富的数据源。如何从海量杂乱的点云中提取出可用于室内导航路径规划的室内导航元素如房间、门窗、楼梯、走廊等,成为了研究的热点和难点。因此,从基于点云的室内导航元素提取所面临的问题出发,综述和评价了近年来各种导航元素提取的相关理论和算法,并针对其各自优缺点,提出利用几何方法与统计方法相结合实现室内导航元素检测和导航网络构建的新思路。     

结合Steger方法和影像分类的道路中心线提取

针对直接利用监督分类结果提取道路中心线过程过于复杂的问题,研究一种综合利用Steger方法和影像分类结果的道路中心线提取新策略。以影像分类结果从Steger方法获取的条带中心线中初步筛选出候选道路中心线段,根据道路的连续性和方向的一致性进行合理延伸、连接,即可实现道路中心线提取。实验证明,提取的道路中心线在完整率、准确率和提取质量方面精度较高,并在一定程度上解决了道路断裂问题。