基于物方影像匹配的DEM聚类变化检测

提出了DEM的变化检测问题,采用了基于密度的聚类分析方法对匹配所得的初始变化区域进行分析,实现了地表高程变化区域的检测.     

基于MODIS影像的鄱阳湖湖面积与水位关系研究

利用统计分析的方法,根据2001年获取的13景鄱阳湖区无云MODIS影像中的9景提取的水体面积,并结合同步观测的水文数据分别采用线性、对数和指数3种模型模拟湖面积-水位之间关系。结果显示对数模型相关性最好（R²=0.918）,其次为线性和指数模型。利用另外4景MODIS影像对模型进行检验表明,该模型精度较高,模拟的最大误差为3.36%。本研究显示,可根据鄱阳湖水位观测值,利用该模型预测鄱阳湖洪涝期洪水淹没面积,以弥补云天状况下光学遥感难以监测到洪水淹没范围的不足。本研究为利用遥感影像实时监控鄱阳湖水情空间动态变化提供了可行的方法,对湖泊、水库的泛洪监测、调洪功能分析具有重要意义。     

基于时刻独立脉冲耦合神经网络的高空间分辨率摇感影像分割

高空间分辨率遥感影像中地物目标内部光谱信息复杂性的增强,使得传统基于光谱特征值的数据处理方法效果不再显著,影像分割为解决这一问题提供了一种思路,成为当前高空间分辨率遥感影像处理的研究焦点.时刻独立脉冲耦合神经网络具有状态相近、空间相邻神经元相互耦合同步脉冲激发和区域之间神经元脉冲激发时刻独立两大特点,已被应用于非遥感影像分割中,并取得较好效果.本文结合高空间分辨率遥感影像特点,通过对网络参数进行实验和分析,提出一个基于时刻独立脉冲耦合神经网络的高空间分辨率遥感影像分割方法,并利用空间分辨率0.3m的航空影像进行了数据试验,将分割结果进行讨论并与现有时刻独立脉冲耦合神经网络方法和ISODATA方法分割结果进行对比分析.结果表明:时刻独立脉冲耦合神经网络在高空间分辨率遥感影像分割处理中具有很好的应用前景.     

小波的SAR和光学图像融合方法比较研究

本文通过光学图像和SAR图像的融合,对几种典型的小波融合方法进行了分析对比实验,并使用各种评价标准对它们的融合效果给出了评价。在此基础上,对光学图像和SAR图像融合效果的各种评价标准做出了讨论并提出自己的看法。     

遥感影像特征提取与选择及在影像分类中的应用

利用模式识别中特征提取和特征选择的相关理论对遥感影像的纹理特征进行遴选和变换处理,得到描述纹理的二次特征。实验证明这些新特征能够提高影像分类精度和分类效率。     

基于LBV变换的遥感影像多步骤分类法研究

面对与日俱增的遥感数据,如何快速准确地进行影像分类成为遥感领域亟待解决的问题。本文在前人的基础上提出了一种基于LBV变换的遥感影像多步骤分类方法。L:地物的总辐射水平,集中反映了裸地的信息;B:地物的可见-红外光辐射平衡,是地面水分状况和水体存在的一个良好指标;V:地物辐射随波段变化的方向和速度向量,能集中反映地面植被状况。多步骤分类法遵循由易到难的原则,能克服类别之间的互相影响,从而提高分类精度。文章结合LBV变换和多步骤分类法的优点对影像进行了分类,结果表明该方法简单易行,且能达到良好的分类精度。     

遥感图像线性影纹理解专家系统设计与实现

线性影纹信息是遥感图像中的一类重要信息,线性影纹信息自动提取是遥感图像智能解译的重要研究领域。笔者采用基于特征对象的专家系统技术来完成线性影纹信息的简单类别提取,设计并实现了线性影纹理解专家系统;阐明了系统结构,解译规则获取、表达,基于消息的不确定性推理机及解释机的设计;最后利用系统做了线性影纹类别提取实验,结果表明基于特征对象的专家系统用于线性影纹类别自动提取是切实可行的,并具有较高的提取精度。     

Chebyshev逼近滤波器在位场分离中的应用

在对经典FIR数字滤波器的设计方法进行研究的基础上,提出了一种可以用于位场分离的基于Chebyshev最佳一致逼近原理的FIR滤波器的设计方法。在理论模型实验中,采用基于Hanning窗的低通滤波器计算出的区域异常最大误差为6.266×10^-6 m/s² ,均方差为2.115×10^-6 m/s² ,最大百分比误差为22.2%,而且计算点在±9 km以外的误差均大于10.1%。而利用最佳一致逼近原理分离出的区域场和局部场与理论异常值拟合得较好,曲线基本重合。分离出的区域异常最大误差为3.101×10^-6 m/s² ,均方差为0.989×10^-6 m/s² ,最大百分比误差仅在边部的几个数据上,为7.76%,其余各点的误差均小于4.1%。实例检验中将该方法用于孙吴—嘉荫剖面布格重力异常场的分离,分离出的区域场中局部场残留少,分离彻底,效果较为理想。     

Approaches for comparative evaluation of raster GIS-based landslide susceptibility zonation maps

Evaluation of maps generated from different conceptual models or data processing approaches at spatial level has importance in many geoenvironmental applications. This paper addresses the spatial comparison of different landslide susceptibility zonation (LSZ) raster maps of the same area derived from various procedures.     

A framework of region-based spatial relations for non-overlapping features and its application in object based image analysis

Object based image analysis (OBIA) is an approach increasingly used in classifying high spatial resolution remote sensing images. Object based image classifiers first segment an image into objects (or image segments), and then classify these objects based on their attributes and spatial relations. Numerous algorithms exist for the first step of the OBIA process, i.e. image segmentation. However, less research has been conducted on the object classification part of OBIA, in particular the spatial relations between objects that are commonly used to construct rules for classifying image objects and refining classification results. In this paper, we establish a context where objects are areal (not points or lines) and non-overlapping (we call this “single-valued” space), and propose a framework of binary spatial relations between segmented objects to aid in object classification. In this framework, scale-dependent “line-like objects” and “point-like objects” are identified from areal objects based on their shapes. Generally, disjoint and meet are the only two possible topological relations between two non-overlapping areal objects. However, a number of quasi- topological relations can be defined when the shapes of the objects involved are considered. Some of these relations are fuzzy and thus quantitatively defined. In addition, we define the concepts of line-like objects (e.g. roads) and point-like objects (e.g. wells), and develop the relations between two line-like objects or two point-like objects. For completeness, cardinal direction relations and distance relations are also introduced in the proposed context. Finally, we implement the framework to extract roads and moving vehicles from an aerial photo. The promising results suggest that our methods can be a valuable tool in defining rules for object based image analysis.