利用区域辐射特性优化获取光学遥感数据

通过分析成像过程及其影响因素,提出了对成像积分时间进行控制的优化成像方法。首先建立成像参数模型,探讨了模型参数计算、成像过程中模型参数的选择,分析了图像后处理问题,并利用北京一号小卫星进行了遥感数据优化获取实验。实验结果表明,根据地物特性进行成像参数优化后获取的图像具有更宽的动态范围和更高的辐射分辨率,信息量和信噪比也大幅增强。     

多窗口集成交互设计系统在输电线路路径优化中的研究与应用

针对输电线路设计的特点提出了一种基于计算机技术和全数字摄影测量技术的路线交互设计思想及实现途径,利用多视窗技术,借助数字高程模型的有力支撑,实现了将输电线路的立体影像、正射影像、平断面排位、3维漫游集成于同一界面下的不同窗口中对比显示并进行交互设计。     

沉降监测数据的非等间距GM(1,1)模型插补应用

科学、准确、及时地分析和预报建筑物的沉降状况,对其施工和运营极为重要,沉降监测的研究成果也是检验设计和施工的重要手段。由于自然环境的多变性、施工现场的复杂性等各种主、客观因素影响,监测数据有时会出现间断,为了分析沉降规律,需要对缺失数据进行插补。考虑到沉降监测非等时间间隔的特点,建立非等间距GM(1,1)模型及优化背景值的GM(1,1)模型,应用于沉降监测缺失资料的插补工作中,取得了较满意的监测间断数据插补值。     

顾及特征优化的全极化SAR图像SVM分类

以支持向量数和相关性分析为评估依据,结合序列前进搜寻策略,本文提出一种顾及特征优化的改进SVM分类方法,并将其应用于全极化SAR图像监督分类。真实数据的实验结果表明,该方法不仅具有小样本情况下的良好泛化性能,而且能以更少的特征个数,在更广泛的SVM参数取值范围内获得更高的分类精度。     

道路网匹配的蚁群算法求解模型

目的 利用蚁群算法的群体优势,寻找全局最优的道路网同名实体匹配方案。首先从几何矢量误差和结构特征两方面建立了匹配问题的数学约束模型;然后阐述了蚁群算法求解匹配问题的基本原理,设计了问题求解模型,并引入自适应和局部搜索策略提高了算法效率;最后给出了求解的关键步骤。实验证明,利用蚁群算法进行道路网匹配是有效、可行的,为求解匹配问题提供了新思路。     

高光谱影像纹理特征编码分形特征研究

提出了一种基于分形测度分析高光谱影像纹理的技术。根据高光谱影像纹理单元中相邻光谱矢量的相关关系构造方向性纹理特征,得到了一组纹理特征编码值,从纹理特征编码值本身、相同地物纹理特征编码自相似性和使用不同尺度测量纹理特征编码值构成的曲线所表现出来的幂指数关系三个方面,说明高光谱影像纹理特征编码曲线具有分形特征。设计了纹理特征编码曲线构建模型,采用纹理编码曲线的分形维值表征不同的纹理特征,达到区分和判别不同纹理的目的。试验表明,该方法对提取地物纹理特性具有可行性。     

山东省滨州市城镇体系的分形研究

运用分形理论从等级规模和空间结构两方面分析了滨州市城镇体系结构特征。从城镇体系规模结构方面,计算了滨州市城市规模分形分布的分维数和城镇体系的首位指数,并讨论了滨州市城镇体系的等级规模结构及其特点;从城镇体系空间结构角度,计算滨州市空间结构的关联维数,分析其分形特征。最后,提出滨州市城市发展的方向:扩大首位城市规模,培育次级中心城市,积极发展县域小城镇。     

连续网模拟优化方法研究

本文根据连续网精度数字化分析的结数,建立了适用于大规模连续网优化的快速选择最优附加观测量的方法。借此,成功地将解析模拟法应用到较大规模连续网的优化设计和改进中。     

条带开采地表沉陷预计参数的确定

概率积分法是条带开采地表移动和变形预计常用的方法,而概率积分法预计的精度取决于其预计参数的确定。以国内大量的条带开采实测资料为基础,应用相似理论对条带开采地表沉陷的相似现象进行了模糊聚类分析,计算出了条带开采地表沉陷预计参数。根据所得条带开采地表沉陷相似现象的分类及其地表沉陷预计参数,应用模式识别对待求条带开采地表沉陷预计参数进行了求取。工程实例表明,用模糊优化确定的预计参数进行条带开采地表移动和变形预计,其预计结果更加可靠、准确。     

A comparison of three image-object methods for the multiscale analysis of landscape structure

Within the conceptual framework of Complex Systems, we discuss the importance and challenges in extracting and linking multiscale objects from high-resolution remote sensing imagery to improve the monitoring, modeling and management of complex landscapes. In particular, we emphasize that remote sensing data are a particular case of the modifiable areal unit problem (MAUP) and describe how image-objects provide a way to reduce this problem. We then hypothesize that multiscale analysis should be guided by the intrinsic scale of the dominant landscape objects composing a scene and describe three different multiscale image-processing techniques with the potential to achieve this. Each of these techniques, i.e., Fractal Net Evolution Approach (FNEA), Linear Scale-Space and Blob-Feature Detection (SS), and Multiscale Object-Specific Analysis (MOSA), facilitates the multiscale pattern analysis, exploration and hierarchical linking of image-objects based on methods that derive spatially explicit multiscale contextual information from a single resolution of remote sensing imagery. We then outline the weaknesses and strengths of each technique and provide strategies for their improvement.