空间线群目标相似度计算模型研究

以空间线群目标的空间统计特征为基础,对线群目标的空间关系和几何特征进行了描述。利用拓扑关系概念邻域图定义线群之间的拓扑关系相似度,利用方向均值定义线群之间的方向关系相似度以及利用"环形方差"定义线群目标之间的距离相似度。结合线群的长度和平均长度、线群密度及线群曲折度,建立了线群目标相似度计算模型,对线群目标相似度进行了整体度量。实验结果表明,相似度计算结果与地物特征比较一致,符合人们的直观认知。     

高精度遥感三维可视化在岩溶地区工程初勘调查中的应用——以云南小哨机场为例

本文对高精度卫星遥感图像(QucikBird)进行了图像预处理,图像融合,正射校正,并基于12∶000地形图上构建了DEM。在Erdas软件支持下,实现了遥感影像三维可视化。同时,针对岩溶地区工程初勘需要,应用ArcGIS实现了工程量计算、机场净空分析、岩溶漏斗信息自动提取、漏斗形态显示、地下溶洞网分析等,这为机场的进一步勘查提供了准确可靠的地质灾害信息,可为指导工程设计与施工提供参考。     

一种纹理特征融合分类算法

分别利用多通道Gabor滤波器和马尔可夫随机场模型对纹理图像进行分析,得到两组特征影像。将上述两组特征影像进行融合,最后利用融合后的数据实现图像的分类。实验证明,基于上述方法的纹理特征融合分类算法大大提高了图像的分类精度。     

一种基于高斯马尔可夫随机场的异常目标探测方法

利用高斯马尔可夫随机场模型描述像元的邻域相关性信息,并将这种邻域信息引入到局域异常探测器中,提出了一种顾及邻域信息的高光谱遥感影像局域异常目标探测算法。实验证明,该方法克服了传统异常探测方法仅仅利用光谱信息的不足,比经典的RX算法的探测效果更好,并且可以更有效地探测出大于一个像元的异常目标。     

一种遥感影像机场ROI检测方法

提出了一种卫星遥感影像中机场兴趣区(ROI)检测的方法.该方法采用由上而下的知识驱动策略,以机场知识库为基础,根据遥感影像中机场ROI检测的原则,有针对性地选择和组织影像处理的成熟算法提取影像中的感兴趣特征;并将其与机场知识模型进行多层次的推理和判断,最终确定机场ROI影像位置并输出结果.实验表明,基于知识的机场ROI检测方法在提高检测速度,增强可靠性方面具有一定的优势,并能够有效地降低大幅面遥感影像的处理难度.     

将微粒群和支持向量机用于耕地驱动因子选择的研究

结合微粒群算法(PSO)具有执行速度快、受问题维数变化影响小的优点及支持向量机算法(SVM)结构风险最小化原理,构建了基于离散二进制微粒群(BPSO)与支持向量机的耕地驱动力因子选择方法,使用特征子集中确定的特征来训练支持向量回归机,用适应度函数来评价回归机的性能,指导BPSO的搜索。实验表明,该方法能有效地提取出耕地驱动因子的特征子集,从而降低了指标的维数,保留了关键信息,以获得知识的最小表达。     

基于改进PSO-SVM的噪声稳健建筑物变形监测方法

对高层、超高层建筑物进行实时,高精度的变形监测对提前预防安全隐患,保证人民生命财产安全具有重要意义.建筑物变形作为一种典型的随机性和微弱性过程,噪声等误差的存在会影响从中提取有用的变形信息.针对该问题,提出一种改进粒子群(ParticleSwarmOptimization,PSO)算法优化支持向量机(SupportVe...     

全局局部细节感知条件随机场的高分辨率遥感影像建筑物提取

条件随机场模型由于其较强的上下文信息建模能力,被广泛应用于建筑物提取任务中。然而,面对高分辨率遥感影像丰富的地物信息,基于条件随机场的提取方法存在建筑物边界模糊的问题。本文提出了一种全局局部细节感知条件随机场框架,该框架提出全局局部一体化D-LinkNet,在有效利用多尺度建筑物信息的同时保留局部结构信息,解决了传统条件随机场一元势能丢失边界信息的问题。同时,该框架融合分割先验以缓解建筑物类内光谱差异较大的影响,利用更大尺度的上下文信息来精确提取建筑物,并引入局部类别标记代价从而保持细节信息以获取清晰的建筑物边界。实验结果表明,该框架在WHU卫星和航空数据集上的精度评价指标均优于其他对比方法,其IoU分别达89.82%和91.72%,对于复杂场景下的建筑物信息能够获得较好的提取效果。     

基于CIRCLE特征变换的点群选取改进算法

本文在介绍了已有的“基于Circle特征变换的点群选取算法”(测绘科学2005年第3期)基础上,提出了一种改进算法。详细分析了已有算法在线化简过程中对聚类的过度依赖性和线化简过程中的逻辑不一致性等两个主要不足,对特征空间中的线化简等关键步骤进行了改进。最后就改进算法的结果与原先算法的结果进行了对比分析与评价。     

基于粒子群算法的组合模型在变形分析中的应用

在构建并联组合模型进行变形预测时,单项模型权值的确定是个关键问题。为了提高变形预测的精度,以基坑监测数据为例,采用GM(1,1)模型与ARMA模型进行组合,在拟合误差平方和最小的准则下,使用粒子群算法求解两单项模型的最优权值,进而构建并联组合模型进行变形预测。结果表明,该方法融合各单项模型的优势,可以提高预测精度,避免求解线性规划问题,具有较好的实用性。