改进支持向量机的高分遥感影像道路提取

针对支持向量机受分类数的限制在高分辨率遥感影像中无法直接获取高精度道路网信息的问题,该文提出一种新的混合的基于支持向量机的方法:首先,利用模糊C均值聚类方法将输入的遥感影像分为3类,以减少支持向量机的错分现象;其次,运用支持向量机将不同类别的像素分为道路类和非道路类;最后,应用马尔科夫随机场对分类结果进行噪声去除,并采用形态学进行后处理,进而得到精确道路网信息。实验结果表明:该算法不仅能够从高分辨率遥感影像中提取出道路网,而且精度优于直接使用支持向量机算法以及对比算法。     

顾及拓扑与尖角的分类矢量数据分组压缩算法

针对现有拆分重组法对存在复杂内环以及复杂相交岛屿多边形的分类矢量数据的压缩结果中包含裂缝、重叠及大量尖锐夹角的问题,提出了一种顾及拓扑一致性与尖角的分组压缩方法。依据分类矢量数据中多边形与多边形及其内环的相交关系对矢量矢量数据分组,以修正后拆分重组法结合直接分割法和间接分割法对分类矢量数据分组压缩,压缩结果中不存在裂缝与重叠现象,维护了分类矢量数据的拓扑一致性;通过取回尖角点前后被删除的点,解决了压缩结果中尖角过多的问题。以Landsat8遥感影像分类矢量数据实验验证了文章算法,并与直接分割法、间接分割法、拆分重组法进行了对比分析,验证了本文方法的有效性。     

A support vector machine classifier based on a new kernel function model for hyperspectral data

The kernel function is a key factor to determine the performance of a support vector machine (SVM) classifier. Choosing and constructing appropriate kernel function models has been a hot topic in SVM studies. But so far, its implementation can only rely on the experience and the specific sample characteristics without a unified pattern. Thus, this article explored the related theories and research findings of kernel functions, analyzed the classification characteristics of EO-1 Hyperion hyperspectral imagery, and combined a polynomial kernel function with a radial basis kernel function to form a new kernel function model (PRBF). Then, a hyperspectral remote sensing imagery classifier was constructed based on the PRBF model, and a genetic algorithm (GA) was used to optimize the SVM parameters. On the basis of theoretical analysis, this article completed object classification experiments on the Hyperion hyperspectral imagery of experimental areas and verified the high classification accuracy of the model. The experimental results show that the effect of hyperspectral image classification based on this PRBF model is apparently better than the model established by a single global or local kernel function and thus can greatly improve the accuracy of object identification and classification. The highest overall classification accuracy and kappa coefficient reached 93.246% and 0.907, respectively, in all experiments.     

几种梯度场计算的数值算法及其地学应用

梯度作为标量场在空间上最重要的微观变化特征,能较好地反映其在空间上的变化趋势。本文介绍了中心差分算子、相邻梯度因子和Sobel梯度算子三种梯度数值算法。以点电荷在三维空间中产生的电势场构造了一标量场,通过理论公式求解了其梯度值,并将理论梯度值与三种数值算法的结果进行了对比与统计分析,验证了三种梯度数值算法的有效性和适用性。结果表明,排除场源的影响后,Sobel梯度算子相较其它两种数值算法更逼近于理论梯度值。最后,利用Sobel梯度算子求取了某铜矿区可控源音频大地电磁法(CSAMT)三维视电阻率场的梯度场,用梯度场刻画了视电阻率在空间上的变化趋势,提高了对三维地下空间的电性分布规律和地质情况的认识。     

Quantifying land use/land cover spatio-temporal landscape pattern dynamics from Hyperion using SVMs classifier and FRAGSTATS®

This study aims to quantify the landscape spatio-temporal dynamics including Land Use/Land Cover (LULC) changes occurred in a typical Mediterranean ecosystem of high ecological and cultural significance in central Greece covering a period of 9 years (2001–2009). Herein, we examined the synergistic operation among Hyperion hyperspectral satellite imagery with Support Vector Machines, the FRAGSTATS^® landscape spatial analysis programme and Principal Component Analysis (PCA) for this purpose. The change analysis showed that notable changes reported in the experimental region during the studied period, particularly for certain LULC classes. The analysis of accuracy indices suggested that all the three classification techniques are performing satisfactorily with overall accuracy of 86.62, 91.67 and 89.26% in years 2001, 2004 and 2009, respectively. Results evidenced the requirement for taking measures to conserve this forest-dominated natural ecosystem from human-induced pressures and/or natural hazards occurred in the area. To our knowledge, this is the first study of its kind, demonstrating the Hyperion capability in quantifying LULC changes with landscape metrics using FRAGSTATS^® programme and PCA for understanding the land surface fragmentation characteristics and their changes. The suggested approach is robust and flexible enough to be expanded further to other regions. Findings of this research can be of special importance in the context of the launch of spaceborne hyperspectral sensors that are already planned to be placed in orbit as the NASA’s HyspIRI sensor and EnMAP.     

磁矢量三维反演技术在深部铀矿勘查中的应用前景探讨

磁矢量三维反演是近年发展起来的磁反演技术,能三维显示地下不同磁性体的空间展布,国外在磁性矿产勘查方面应用效果明显,开展该方法在铀矿勘查中的应用研究,可为寻找隐伏铀矿提供方法技术参考。文章简要介绍了磁矢量三维反演的基本理论,在此基础上选择龙首山铀成矿带中段新水井-芨岭地区的航磁数据分析其在碱交代型铀矿勘查中的应用效果,并利用二连盆地锡林浩特地区的航磁数据探索其在古河道型铀矿中的应用效果,探讨了将该技术应用于深部铀矿勘查的前景。结果表明:在碱交代型铀矿勘查中,磁反演结果可以较好地定位深部岩性界面这一有利找铀环境的空间位置;在古河道型铀矿勘查中,磁反演可以分辨出局部隆坳格局,缩小寻找深部古河道发育有利地段的范围。磁矢量三维反演可为寻找深部有利铀成矿环境提供地球物理参考,值得推广应用。     

基于优化经验模态分解和聚类分析的滑坡位移智能预测研究

针对三峡库区"阶跃式"滑坡的变形特征,提出了一种新的滑坡位移预测方法。以白水河滑坡ZG118和XD-01监测点位移数据为例,采用基于软筛分停止准则的经验模态分解(SSSC-EMD)将累计位移-时间曲线和影响因子时间序列自适应地分解为多个固有模态函数(IMF),并采用K均值(K-Means)聚类法对其进行聚类累加,得到有物理含义的位移分量(趋势性位移、周期性位移以及随机性位移)和影响因子分量(高频影响因子和低频影响因子)。使用最小二乘法对趋势性位移进行拟合预测;采用果蝇优化-最小二乘支持向量机(FOA-LSSVM)模型对周期性位移和随机性位移进行预测。将各位移分量预测值进行叠加处理,实现滑坡累计位移的预测。研究结果表明,所提出的(SSSC-EMD)-K-Means-(FOA-LSSVM)模型能够预测"阶跃式"滑坡的位移变化规律,且预测精度高于传统的支持向量机回归(SVR)、最小二乘支持向量机(LSSVM)模型;并通过改变训练集长度,进行单因素分析,发现其与预测精度之间呈正相关关系。     

基于多源遥感影像的长春市城市建成区提取

夜光遥感影像记录的城市灯光与人类活动密切相关,已广泛应用于城市信息提取。珞珈一号作为新一代夜光遥感数据源,比以往的夜光数据具有更高的空间分辨率和光谱分辨率,可以更清晰地表达城市建成区范围和内部结构。本文利用珞珈一号夜光遥感影像,通过人类居住指数（human settlement index, HSI）、植被覆盖和建筑共同校正的城市夜光指数（vegetation and build adjusted nighttime light urban index, VBANUI）及支持向量机（support vector machine, SVM）监督分类3种方法对长春市城市建成区进行提取,并与利用NPP/VIIRS（suomi national polar-orbiting partnership/visible infrared imaging radiometer suite）夜光遥感影像、采用同样方法得到的结果对比。结果显示：本文提出的VBANUI提高了传统植被覆盖校正的城市夜光指数（vegetation adjusted nighttime light urban index, VANUI）的提取精度,使用珞珈一号夜光遥感影像通过VBANUI提取的城市建成区结果最优,其Kappa系数为0.80,总体分类精度为90.74%;使用珞珈一号和NPP/VIIRS夜光遥感影像通过HSI按最佳阈值提取城市建成区的Kappa系数分别为0.75和0.72,总体分类精度分别为88.27%和86.54%;复合数据的SVM监督分类法中Landsat-NDBI、Landsat-NDBI-VIIRS、Landsat-NDBI-LJ和Landsat-NDBI-LJlog的Kappa系数分别为0.602、0.627、0.643和0.681,总体分类精度分别为81.11%、81.52%、82.25%和84.48%。研究结果表明：3种提取方法下,均为使用珞珈一号夜光遥感影像的结果优于使用NPP/VIIRS夜光遥感影像的结果,证明相比于NPP/VIIRS夜光遥感影像,珞珈一号夜光遥感影像更适用于城市尺度的建成区范围提取。     

面向带电作业的手臂末端输出力评估方法

为了解决带电作业时手臂末端输出力的准确控制,提出一种基于表面肌电信号（sEMG信号）和支持向量机回归（SVR）实现对手臂末端施力的评估方法.通过手握机械手臂末端的手柄,做往复推拉运动,记录此时手柄处的力传感器的数据F,同时利用3组肌电信号传感器同步采集手臂的肌电信号.将肌电信号提取特征后,与力F组合成样本集合S,在样本集合中随机抽取50%的样本数据作为训练集,分别训练BP神经网络、GRNN神经网络以及SVR神经网络.最后用训练好的神经网络对整个样本集中的力F进行预测,并用均方根误差和相关系数评估模型的预测效果.结果显示,SVR神经网络的预测效果较好,其均方根误差为3.074 0,相关系数为0.951 7.     

GNSS控制网方案优化与数据处理分析

GNSS布设平面控制网已在工程项目中得到广泛应用.获得满意的平差结果的前提条件为:①高质量的基线数据;②约束GNSS控制网的已知点精度足够高,使得GNSS控制网的整体精度不受已知点约束而有明显改变;③优化的平差方案;④科学严密的平差模型.通过对某项目GNSS控制网的布设进行优化设计,并利用不同软件对观测数据进行处理分析...