地理信息科学专业学生数学素养的培养

地理信息科学专业涉及地理学、测绘学、数学、计算机等多个学科,就培养角度而言,地理信息科学一方面强调地理学和测绘科学的知识学习,另一方面强调以数学素养为代表的素质教育。本文重点探讨了数学素养、核心要素和专业课程学习之间的关系,并探究实践对数学素养培养的影响。以武汉大学地理信息科学专业4届学生成绩为例,分析了数学素养及其与专业课程学习之间的相关性。分析结果表明：数学素养有助于地理信息科学专业课程的学习和深化。地理信息科学专业课程教学中需要激发学生的数学思维,这样不但有助于学生数学素养的提升,更加有助于对专业课程的理解和升华。同时,实践是检验和锻炼数学素养最好的方式,学生应在实际实践中不断提高自身数学素养与综合能力。     

基于数学形态学的海岛水边线提取模型

针对遥感影像数据大面积覆盖的特性,利用数学形态学提出了一种多目标海岛水边线的同步提取模型,模型包括:利用K-means算法的海岛区域粗分割;基于灰度膨胀算法的海岛初始轮廓曲线确立;利用水平集算法的海岛水边线优化。以福州海域的多目标海岛水边线提取为例,将本文模型与K-means模型、二值化高斯滤波水平集模型(SBGFRLS)和基于改进水平集的海岛边界快速分割模型(ILSM-IBRS)进行了比较。结果表明,本文模型弥补了K-means模型的过分割现象,其计算耗时较SBGFRLS和ILSM-IBRS模型分别节省了96.16%和86.96%;其迭代次数分别减少了97.07%和90.59%。由此可见,本文模型解决了现有提取模型效率低、过分割等现象,实现了多目标海岛水边线的同步提取,为海岛普查等提供了一种快速提取方法。     

海岸水边线图像分割提取算法的数学形态学改进及其区域适应性分析

海岸线变迁研究在海岸带研究中具有重要意义,提取遥感影像成像时刻的水边线(瞬时海岸水边线)是提取海岸线的关键。该文以海南省文昌市、琼海市2010年的Landsat TM5影像为数据源,研究多种图像阈值分割方法在海岸水边线提取中的最优算法及其区域适应性;采用多种数学形态学算子及其结构元素重构方法对结果进行碎斑块等噪声处理,分析比较在典型区域上的表现力;最后从阈值选取难易程度、提取海岸水边线的精度、误差来源机理方面进行整体评价分析。结果表明:改进的归一化差异水体指数(Modified Normalized Difference Water Index,MNDWI)在海岸水边线提取中显示了明显的优势,主要表现在较好的海陆对比度差异、较少的噪声影响以及在复杂环境下的区域普适性等方面;采用3×3结构元素的数学形态学开运算进行后处理,在保证海岸水边线位置精度的基础上,可对近海鱼塘、山体阴影以及反射特性比较弱的植被等造成的误提碎斑块进行合理去除;河口及淤泥质岸线、人工养殖区及生物质岸线处是图像阈值分割法岸线提取的主要偏差来源区域。     

基于形态学和16S rRNA基因序列的轮螺科面盘幼虫物种鉴定

轮螺科(Architectonicidae)是一类成体螺壳右旋而面盘幼虫螺壳左旋的腹足类,其面盘幼虫在国内一直被误定为强卷螺属(Agadina)种类,归在螔螺科(Limacinidae)中。本文基于线粒体16SrRNA基因序列和胚壳的形态特征,对轮螺科面盘幼虫进行了物种鉴定。结果表明,根据胚壳壳顶和脐孔的形态特征,面盘幼虫可大致分为2种明显不同的形态类型:形态类型I的个体壳扁,壳顶凹陷,脐孔形状规则,圆而深;形态类型II的个体壳顶突出,脐孔形状不规则,浅或深,肛区龙骨有或无。GMYC(GeneralizedMixedYuleCoalescent)和ABGD(AutomaticBarcodingGapDiscovery)分析显示,轮螺科面盘幼虫16S rRNA基因的50种单倍型形成19个分子可操作分类单元(molecular operationaltaxonomic units,MOTUs),同一MOTU的幼虫具有相同的胚壳形态。其中,11个MOTUs中的幼虫属于形态类型I,8个MOTUs中的幼虫属于形态类型II。此外,不同MOTUs的面盘幼虫,其软体部黑色幼体器官(Black Larval Organ)的位置和大小也不同。根据研究结果推测,轮螺面盘幼虫的形态具有种或属特异性。轮螺科面盘幼虫单倍型形成的MOTU数量明显多于国内目前已记录的物种数,其种类多样性可能被低估。基于16SrRNA序列能直接鉴定到种的仅Psilaxisradiatus和配景轮螺(Architectonica perspectiva)2种。本文也从分子水平订正了国内长期以来的分类错误。     

基于OpenStreetMap数据的城市街区提取与精度评价

针对城市街区地理数据获取困难,OpenStreetMap数据免费共享、易于获取但数据繁杂难以处理的问题,利用数学形态学膨胀和腐蚀思想以及地理数据质量的评价方法,对基于OpenStreetMap数据的城市街区提取方法和精度进行了探讨;并以南京市建邺区为例,通过选取道路类别、道路处理、拓扑检查等步骤完成街区的提取;最后从街区数据完整性、位置精度、街区尺度和形状4个方面进行了精度评价。结果表明,提取的街区结果精确,数据处理便捷高效,可为OpenStreetMap数据处理提供借鉴,为城市地理研究提供一种快捷有效的基础数据。     

基于机载LiDAR点云数据的城区道路提取

对于利用机载LiDAR点云数据提取城区道路提出一种新的思路。首先利用机载LiDAR点云数据的高程和强度属性对城区道路进行初始提取,获得初始道路点云;其次采用距离分割法和基于RANSAC算法的分割方法精化初始道路点云,有效剔除停车场等与道路相似的区域;最后采用数学形态学细化方法提取道路中心线。实验结果表明,该方法可以较正确和完整地提取城区道路。     

一种双U-Net的遥感影像道路提取方法

针对高分辨率遥感影像道路提取难度大、自动化程度低等问题,设计了一种改进U-Net的道路提取方法。该方法首先构建特征编码器为VGG16的VGGU-Net网络,并采用迁移权值方法初始化特征编码器;其次将提取的特征信息输入到另一U-Net网络,通过双网络联合训练方式提高网络的特征拟合能力;最后结合形态学和滤波算法对提取的道路数据进行后处理。实验结果表明:改进后算法对道路提取效果得到了有效的提升,在测试集上的准确率、召回率和IoU分别达到了93.56%、88.22%和83.17%。     

基于区域特征分割的密集匹配点云渐进形态学滤波

随着计算机视觉和遥感技术的进步,基于遥感影像的密集匹配也成为目前获取高精度点云的重要手段之一。与LiDAR点云类似,点云数据处理的基础步骤就是点云滤波。在数据特征上,密集匹配生成的点云与LiDAR获取的点云既类似但又有区别。本文在渐进形态学滤波算法上添加了特征条件,将点云和图像结合成深度图像,并对深度图像按典型地物类型进行语义分割,从而对与图像平面坐标一致的点云进行标记和首次滤波;然后按几何特征将场景简单分类,按分类结果对应的参数滤波构建地面点三角网;最后综合初滤波结果和语义分割类型标记对特征相似的区域进行优化确认,得到最终的滤波结果,并与布料模拟滤波（CSF）算法进行了对比验证实验。结果表明,基于特征的渐进形态学滤波其I类误差在1.98%以内,Ⅱ类误差在2.33%以内,较适宜对精度要求较高的应用,尤其是混合地形的滤波。     

基于低频出租车轨迹的城市路网交叉口提取研究

出租车GPS轨迹数据获取成本低、周期短,且覆盖面广,具有实时性及大规模性,同时其包含大量的行车记录信息,对提取数字道路信息具有巨大贡献,适用于大范围城市交通路网信息的获取和快速更新。基于GPS轨迹数据进行交叉口提取是目前的研究热点,但现有研究方法大多适用于高频GPS数据,不能很好地提取稀疏区域的交叉口,难以适应出租车轨迹点采样频率低、定位精度低、噪声点多、数据分布不均匀的特性。因此,本文聚焦于城市路网的交叉口识别,为尽可能准确、全面地提取道路交叉口信息,兼顾密集与稀疏区域,提出了一种集成识别策略,分别在矢量空间和栅格空间,采用密度峰值聚类和数学形态学处理方法提取交叉口,并设计了一种融合机制探测交叉口,最后结合主成分分析法判断交叉口的真伪性,识别真实交叉口,并去除伪交叉口,从而得到基于低频出租车轨迹的城市道路交叉口。与已有的研究方法相比,本方法提取了更多的交叉口,并与遥感图像显示一致。本文提取结果准确率为92.23%、召回率为77.26%、F值为84.08%,很好地保证了交叉口的完整性和准确性,在智能交通系统中具有一定的应用价值。