麒麟菜高活性膳食纤维的提高取与功能性试验

采用正交设计法,研究了麒麟菜高活性膳食纤维的提取工艺条件,筛选出麒麟菜碱处理和漂白的最佳工艺条件,提出麒麟菜高活性膳食纤维,并进行人体的功能性试验,结果表明,麒麒菜高活性膳食纤维的产率达３２．４１％,颜色较白,膳食纤维干基含量ｗ达８２．５７％,钙含量ｗ２．１３％,磷含量ｗ０．０１３％,膨胀力为２４．５ｍＬ／ｇ,持水力为１４５０％;麒麟菜膳食纤维的功能性小麦麸皮膳食纤维,对人体便秘具有良好的疗效。     

利用伪归一化差异水体指数提取城镇周边细小河流信息

通过对归一化差异水体指数NDWI中的绿波段修正,提出了不依赖于中红外波段的伪归一化差异水体指数FNDWI（False NDWI）。使用NDWI和FNDWI分别在背景地物为城市、城郊、乡镇、村落和山区的遥感影像上进行河流水体提取,实验表明,FNDWI影像中城镇建筑用地与河流水体的可分离性较NDWI有所提升,提升率为116%~335%不等;相关性分析表明,河流宽度与可分离性提升率具有明显的负相关关系,相关系数为-0.82;分类结果显示,在城市和城郊区域,NDWI提取的水体中混杂有较多城镇建筑用地信息,而FNDWI提取的水体中基本未见混杂。总体上,FNDWI提高了2种地物的可分离性,剔除了NDWI影像混入的城镇建筑用地信息,较好地解决了NDWI城镇建筑用地与河流水体的混淆问题,尤其适用于城镇周边的细小河流。     

青藏高原典型植被生长季遥感模型提取分析

物候变化是衡量全球气候变化最直接、敏感的指示器,针对青藏高原这个独特地域单元上特殊的高寒植被进行关键物候期遥感提取模型及植被物候时空变化的研究具有重要的意义。本文首先以反距离加权空间插值算法与Savitzky-Golay滤波算法相结合的数据重建模型获得高质量2003-2012年青藏高原MODIS归一化植被指数(NDVI)数据。在此数据基础上,分别利用动态阈值法、最大变化斜率法、logistic曲线拟合法3种遥感植被生长季提取模型,对青藏高原地区两种典型植被的生长季(SOS生长季开始期,EOS生长季结束期,LOS生长季长度)进行提取。通过对3种模型提取结果的对比分析,并结合日均温模型对提取结果的验证发现,动态阈值法为青藏高原地区典型植被生长季的最优遥感提取模型。该模型对近10 a的高分辨率典型高寒植被物候参量的反演及时空变化特征分析表明,受青藏高原水热及海拔梯度的影响,青藏高原植被物候变化呈现出从东南向西北的空间分异规律,随春季温度的升高,近10 a来青藏高原高寒草地总体呈现生长季开始期(SOS)提前(0.248 d/a)的趋势。     

基于矢-栅混合数据的线目标缓冲区构建

结合矢量、栅格数据各自的优点,提出一种以矢栅混合数据为基础的线目标缓冲构建方法.首先创建垂直平分与线状目标的扫描线集合,然后对此欠量扫描线集合进行栅格化,从而获取栅格目标矩阵图.在提取边界后采用均值滤波、化简以及光滑技术最终生成缓冲区矢壁边界线,避免矢量数据复杂求交以及栅格数据边界失真问题.最后以洛阳某城市规划系统为例,实现城市道路集的缓冲.     

一种渐进加密三角网LIDAR点云滤波的改进算法

传统滤波算法常常是针对某些特定的具有连续表面的区域来进行,带有一定的局限性。这样不能解决对诸如斜坡、密集植被等复杂地区进行真实准确地形提取的难题。本文提出了一种融合区域增长方法的LIDAR点云数据的滤波方法。该方法在对原始点云数据进行预处理的基础上,生成一个松散的TIN,通过迭代生成加密的TIN,其中通过采用两次区域增长的滤波方法,实现原始地形的提取。最后通过对复杂典型数据的对比实验验证了文中所提出的改进方法的有效性和准确性。     

黄土丘陵沟壑第三副区水文地貌关系正确DEM的建立与评价

本文以黄土丘陵沟壑第三副区的藉河流域为研究区,利用ANUDEM软件和1:5万地形图研究了水文地貌关系正确DEM的建立方法,从派生等高线与原始数字化等高线对比等方面对建立的DEM进行了质量评价。并且与传统TIN方法建立的不同水平分辨率的DEM做了比较。结果表明:由等高线、高程点、河流和陡崖线在ANUDEM5.1中生成的DEM质量优于由等高线、高程点和地形特征点用TIN方法生成的DEM。ANUDEM建立的DEM更能精确地反映水文地貌特征。在此基础上,研究了确定集水面积阈值的方法,通过在Arc/Info环境下运行AML程序自动提取了基于水文地貌关系正确DEM的流域特征。     

改进的Hough变换在机场跑道检测中的应用

提出了一种改进的Hough变换方法用于机场跑道的检测。传统Hough变换存在计算量大等缺陷,本文利用直线边缘的梯度相位信息把Hough变换中θ的取值限定在一个较小的范围内,同时减少用于计算的像素点数,大大降低了计算量。通过实验证明了本文方法切实可行。     

基于直线感知增强的边缘提取算法

根据视觉识别边缘的感知特性,提出了一种基于直线感知增强的弱边缘的边缘提取算法。借鉴视觉的直线感知方式,针对弱边缘整体上呈直线分布的特点将其筛选出来,进行编组、连接和扩展。与Edison边缘提取算子的比较实验证明,本算法在对弱边缘的提取和虚假边缘的抑制上有显著增强。     

基于多传感器遥感数据和改进的单类随机森林的滑坡提取

提出一种利用面向对象多特征和改进的单类随机森林分类器（improved one-class random forest classifier,iOCRF）从多传感器遥感数据提取滑坡的新方法。从两时相高分辨率多光谱图像和中分辨率数字高程模型（DEM）数据中提取的图像对象多特征,来定量表达滑坡引起地表变化和滑坡区地形特征,利用iOCRF对所有特征图像进行分类以提取滑坡。据研究区两时相高分辨多光谱图像和30 m分辨率的ASTER全球DEM数据对提出的方法进行评价。结果表明,所提出方法的提取精度优于只利用部分特征提取和利用传统随机森林的提取精度;利用iOCRF计算不同特征的重要性,并分析不同特征对滑坡提取的贡献。