采用非正定OCSVM 的高光谱影像地物检测

高斯径向基核函数是基于光谱向量间欧氏距离的度量,对于因光照强度变化而引起的地物光谱变异敏感,当同类地物光谱发生变异时,基于高斯径向基核的高光谱影像地物检测算法的性能下降.为了解决该问题,基于光谱曲线形状相似性描述提出了光谱角度余弦核测度这一非正定核函数,并应用于一种非正定OCSVM 方法的高光谱影像地物检测.最后利用两幅高光谱影像进行了实验分析,实验结果证明了本文算法的有效性.     

基于模糊支持向量机分类的土地利用时空演变研究

利用1995年、2003年和2008年3个时期徐州市丰县TM/ETM+遥感数据,采用模糊支持向量机方法进行土地利用分类,运用ArcGIS和Matlab编程,分析丰县1995—2008年间的土地利用时空格局演变规律和特点。研究表明,丰县建设用地不断扩展,耕地面积继续减少,林地持续增加,同时,丰县在环境保护方面加大了投入力度,土地利用结构和方式正趋向合理化。     

图像分类中基于核映射的光谱匹配度量方法

针对多光谱遥感数据特点利用SSV匹配技术改进高斯核函数得到新的KSSV函数,然后在由KSSV核函数映射得到的高维空间中利用SAM匹配技术代替基于欧氏距离的相似性度量。如此可以充分挖掘多光谱影像中的波谱特征信息并有效利用,提高模式识别方法应用的有效性。将此方法分别应用于非监督分类(k均值)与监督分类(最小距离、SVM)的试验表明,改进度量的分类方法可显著提高地类间的可区分度并有效降低类内的不一致性,更有效针对多光谱遥感影像中的地物类型,获得较好的精度改进。     

从信息论角度理解间接平差

在协方差矩阵、协因数阵、权阵等概念的基础上,引入了Fisher信息矩阵（简称信息矩阵）,介绍了信息矩阵的一些重要性质,强调了总体信息矩阵与样本信息矩阵两种概念的区别;推导了多元正态分布情况下的信息矩阵,揭示了总体/样本信息矩阵与总体/样本协方差矩阵以及协因数阵/权阵的关系,指出权阵为归一化信息矩阵;在信息矩阵的基础上引入信息向量的概念,推导了信息域间接平差方法,该方法对信息矩阵与信息向量进行估计,在结果层面,该方法与估计原参数向量与协方差矩阵的普通间接平差方法等价,但形式更简单、结构更明确,为理解间接平差提供了一种新的视角,而且新方法在模型不可解场合、序贯/递归平差的初始化方面等具有特殊优势;给出了用于动态状态空间模型滤波的信息域动态平差算法,即为与Kalman滤波算法等价的信息滤波算法。     

基于半监督学习的遥感影像分类训练样本时空拓展方法

针对无法直接获取训练样本的遥感影像分类问题,从满足条件的其他影像中选择替代训练样本是最直接的方法,但由于地物类型在不同影像中的辐射环境不同,导致替代训练样本对待分类影像的代表性较差,无法保证分类精度.以直推式支持向量机(transductive support vector machine,TSVM)分类为例,发展了一种基于半监督学习的遥感影像训练样本时空拓展方法.该方法采用非监督方法从待分类影像中选择大量未标记样本,挖掘各类地物在特征空间中的结构信息;以替代训练样本所拟合的分类面为初始面,通过自适应渐进式的优化,实现对待分类影像的高精度分类.该方法要求训练样本的来源影像与待分类影像具有相似的地物分布和相近的时相.以SPOT5和QuickBird影像分类为例,分别通过基于像元的和基于分割对象的分类实验证实,该文提出的方法可有效地实现训练样本的时空拓展应用.     

面向对象规则和支持向量机的天宫一号高光谱影像分类

传统的高光谱分类方法通常基于单一像元的光谱或纹理特征,很少考虑地物空间结构信息与空间相关特征.本文将面向对象规则与基于像元的分类进行融合,利用对象的空间结构特征和光谱特征进行混合分类,旨在克服像元层次分类的不足.本文尝试性的提出了两种混合分类方法:(1)基于分形网络演化的多尺度分割支持向量机分类(2)基于多层分水岭分割的SVM分类,并将这两种方法应用到天宫一号高光谱数据上.结果表明:基于面向对象规则的混合分类方法有效地提高了分类精度,不仅能够改善同谱异物现象,而且解决分类结果中地物破碎的问题.     

GPS基线向量的非线性解算及精度分析

根据GPS基本观测方程,导出了顾及二次项含XY,XZ,YZ的非线性双差观测模型,根据展开至二次项含XY,XZ,YZ的基线向量模型,推导了法方程的直接解算方法,分析了基线长度的精度估计,并给出了简明的估计公式,为GPS基线非线性解算的精度评定提供了直接的评定公式.     

高分一号的浮筏养殖信息提取方法

针对浮筏海水养殖遥感信息自动提取业务化应用难度较大的问题,该文提出一种光谱、纹理特征结合的支持向量机(SVM)算法,高效提取海水、养殖物。基于国产高分一号(GF-1)高分辨率卫星影像数据,以江苏省连云港近岸海域为研究区域,以海水、养殖物作为为分类对象,采用主成分变换筛选信息量大,较好地保留浮筏水产养殖信息的前8个主成分分量开展分类实验。实验结果表明:将纹理特征应用于浮筏养殖物信息提取方法中,可以提高养殖物分类精度,与最大似然估计、最小距离方法分类方法比较,总体分类精度提升了3%～5%。研究结果可为浮筏养殖用海遥感监测平台构建提供基础技术支持。     

基于多尺度纹理和光谱信息的SVM分类研究

基于单尺度纹理和光谱信息的地物分类较难取得理想效果,本文结合多尺度纹理与光谱信息,运用SVM分类方法,对IKONOS遥感影像进行分类。结果表明:结合多尺度纹理和光谱信息的SVM高分辨率遥感影像分类,能够更好地描述地物,分类总体精度达到83.9%,与基于光谱信息的最大似然法和基于单尺度纹理和光谱信息的SVM分类方法比较,分类精度分别提高了13.8%和4.9%,该方法有助于提高高分辨率影像的分类正确率。     

一种基于最小广义方差估计的TLS点云抗差法向量求解方法

针对地面激光扫描点云中的粗差与不均匀采样对法向量计算的影响,基于最小广义方差估计与局部平面拟合原理提出了一种抗差法向量求解方法。首先通过快速近似最近邻居搜索算法得到最近k邻居点集,然后由确定型最小广义方差估计方法和多元马氏距离得到邻居点集协方差矩阵的抗差估计,最后根据主成分分析法（principal component analysis,PCA）计算得到抗差法向量。通过构造的模拟地面激光扫描（terrestrial laser scanning,TLS）点云数据将提出的方法分别与基于PCA、鲁棒PCA和随机抽样一致的法向量求解方法进行实验比较。结果表明,所提方法的抗差性能优异,且并行优化改进后可以满足大规模TLS点云的计算需求。将该方法应用于实际野外地形TLS点云数据,由求解的抗差法向量重建的泊松表面更符合实际地形,表明了该方法在实际应用中的有效性。