GIS中曲线误差的模型与试验研究

提出了描述曲线整体误差的随机过程模型,用过程的数字特征函数定义了曲线的局部误差指标,用过程的积分定义了曲线的局部和整体误差指标,阐述了各指标的概率意义与几何意义,设计了过程模型的数字化试验,并提取了过程的样本曲线。通过对样本曲线的统计分析,得到了各误差指标的估计值。     

顾及光谱畸变的高分辨率图像融合方法研究

使用高分辨率遥感图像进行像素级图像融合,在图像小波分解时,通过计算不同分解层数下得到的融合图像的熵来决定图像的小波分解层数;在图像小波重建时,引入局部相关系数,并在不同的分解层上设置不同的阈值进行有选择的高频系数替换,实现图像的像素级融合。并使用Quickbird全波段与多光谱数据进行试验,得到了分辨率高、光谱畸变微小的彩色融合图像。     

地图目标局部分形描述的元分维模型的实现

提出了一种基于分形理论的元分维模型,可以用于描述地图目标的局部形态特征变化,为地图目标的进一步分析应用提供了一个新的思路。     

聚类分析在监测区域样地分类中的应用研究

为建立监测区域以遥感和GIS为基础的森林郁闭度及蓄积定量估测方程，需在监测区域抽取一定数量有代表性的样地。如何有效抽取有代表性的样地属多目标优化问题。若根据监测区域已知样地的数量，采用所有可能的组合方法，按一定优化标准进行抽样，计算工作量将非常庞大，实际工作中很难进行。为此需先对监测区域的样地进行分类，在分类的基础上选择一定数量有代表性的样地。因度量样地之间亲疏程度的统计量及类和类之间相似性测度指标有多种，因此对同一监测区域，不同的统计量及类和类之间相似性测度指标，将得到不同的分类结果。设置不同的影响郁闭度及蓄积估测的遥感和GIS因子，分类结果也会出现较大的差异。本文针对特定监测区域，采用计算机仿真方法，系统研究了不同影响因子对分类的影响规律，实际工作中应如何选择度量样地间亲疏程度的统计量及类和类之间相似性测度指标，所得结果可用于指导生产实践。     

植被的微波散射与吸收特征

被动微波遥感中大尺度像元内植被种类多种多样并且分布不均匀，较低频率下像元尺度内的植被影响可以根据单个散射体的散射与衰减特性获得。本文讨论了任意朝向的各类植被散射体的计算问题。其中叶片和针叶的散射采用了一般化Rayleigh-Gans计算；杆的散射采用了无限长近似理论。关于各类散射体的衰减，本文比较了散射系数和吸收系数之和，与前向散射定理的结果，并对前向定理的适用性进行了讨论。     

基于Mallat算法遥感图像去云雾处理的改进方法

遥感图像云雾处于相对低频、景物处于相对高频。根据小波变换多分辨率的特点,分析云雾和景物在小波系数中的分布,得出景物信息包含于低层细节系数,而云雾信息包含于高层细节系数和近似系数。本文通过增大图像的低层细节系数,减小高层细节系数,并适当减小近似系数,达到去除云雾的目的。最后评价了图像处理结果,并与同态滤波做比较,表明本文方法是有效的。     

基于局部条纹频率估计的二维高斯滤波方法

提出一种基于局部条纹频率估计的干涉相位图二维高斯滤波方法。该方法采用最大似然法估计局部条纹频率,并用相位噪声的局部标准差评价噪声强度,从而控制滤波器参数实现自适应滤波,并采用仿真数据和SIR-C/XSAR在意大利Etna火山的干涉数据进行试验,将本算法与均值滤波方法和中值滤波方法以及Goldstein滤波方法进行了比较。试验结果表明,该方法不仅能够有效抑制干涉相位噪声,还能够很好地保持干涉条纹的细节信息。     

考虑内定向误差的外方位元素精度分析

在对数据质量的要求越来越严格的今天,我们对数据质量的评价也必须越来越系统、可靠。本文就是在系统分析的基础上推导出了求解外方位元素的误差传递模型,并从中分析了内定向误差对外方位元素精度的影响,从而改进和完善了外方位元素精度的评定方法,使得外方位元素精度的评定具有更高的精确性和可靠性。     

绿地信息提取研究

城市绿地作为城市结构中的主要元素,在城市中起着一个重要的作用。本文基于TM遥感影像,对大连市城市绿地专题信息进行提取,并对绿地格局进行研究和探讨。通过计算各组成分分量和归一化植被指数ND-VI之间的相关系数来进行波段组合,提高了遥感影像的分类精度。结果显示该方法可以准确地得到绿地信息。     

顾及空间非平稳特征的遥感干旱监测

遥感技术具备实时快速、时空连续、广覆盖尺度等独特优势,在全球气候恶化大背景下,利用遥感干旱监测方法相比于传统地面监测手段,能够提供实时、准确、稳定的旱情信息,辅助科学决策。目前常用遥感旱情监测方法大多依赖全域性数学模型建模,假定了旱情模式的空间平稳特性,因而难以准确反映旱情模式的局部差异特征。本文提出利用地理加权回归模型GWR (Geographically Weighted Regression),考虑旱情模式的空间非平稳特性,综合多种遥感地面旱情监测指数,以实现传统全域旱情监测模型的局部优化。以美国大陆为研究区,监测2002年—2011年共10年的旱情状态。研究表明,GWR模型能够提供空间变化的局部最佳估计模型参数,监测结果更加吻合标准美国旱情监测USDM (U.S Drought Monitor)验证数据,且与地面实测值的最高相关系数R达到0.8552,均方根误差RMSE达到0.972,显著优于其他遥感旱情监测模型。GWR模型具备空间非平稳探测优势,实现了旱情模式的局部精细探测,能够显著提升遥感旱情监测精度,具备较好的应用前景。