基于张量投票和目标追踪的墙体裂缝检测算法研究

针对墙体裂缝对比度低、受噪声干扰严重等特点,提出了一种基于张量投票和目标追踪的墙体裂缝检测算法。在对原始影像进行二值化的基础上,利用张量投票的聚类思想,突出线性区域目标的强度,然后在突出的线性目标上选取特征点,对特征点进行追踪得到裂缝的大致位置,再反投到原始影像上。实验结果表明,该算法能够正确检测出墙体裂缝信息,且检测率较高,具有一定的通用性。     

一种基于邻域投票的异源光学影像SIFT匹配误差剔除方法

异源遥感影像匹配是高分影像处理中的重要环节与关键问题,但目前异源高分影像匹配精度有待提高。本文提出了一种基于邻域投票的异源光学影像SIFT匹配误差剔除方法,首先利用尺度不变性特征变换（SIFT）对特征点进行提取,随后基于邻域投票对匹配特征点进行二次约束,最后区分出待剔除误差大的匹配点,进而确定精确匹配点。为了评价本文方法的精度,分别对建筑物、道路、水体进行匹配研究,试验证实该方法可以提高上述3种地类的匹配精度,相比传统的SIFT方法平均提高了66%,同时有效地保持了结果的尺度不变性。     

谁是我们的朋友，谁是我们的“敌人”？

地缘政治问题是人文地理学新兴的研究热点。但是,已有研究多基于地理环境要素分析国家的地缘环境或定性讨论地缘战略,很少从双边联系角度定量刻画国家间的地缘关系;现有研究的理论基础也比较薄弱。本文基于地缘政治准则理论,运用1971至2017年联合国投票数据和S分值等方法,从中国与其他国家间关系的历史阶段、友好程度和集团归属三个方面定量分析了世界其他国家对中国的友好程度及其地理分布,并针对中美贸易战的背景指出了中国当前的“朋友”和“敌人”。本文进一步运用面板回归模型分析了中国与世界其他各国的非政治双边关系及其发展水平对中国地缘政治准则的影响,论证了地理距离、经济、技术等因素对地缘关系的影响。本文的分析结果对于加强政治地理学的量化分析有启发作用,也能够为中国更好地处理国际关系和制定地缘政治战略提供参考。     

高分辨率遥感影像建筑物分级提取

高分辨率遥感影像建筑物信息自动提取是遥感应用研究中的一个热点问题,但由于受到成像条件不同、背景地物复杂、建筑物类型多样等多个因素的影响使得建筑物的自动提取仍然十分困难。为此,在综合考虑影像光谱、几何与上下文特征的基础上,提出了一种基于面向对象与形态学相结合的高分辨率遥感影像建筑物信息分级提取方法。该方法首先利用影像的多尺度及多方向Gabor小波变换结果提取建筑物特征点;然后采用面向对象的思想构建空间投票矩阵来度量每一个像素点属于建筑物区域的概率,从而提取出建筑物区域边界;最后在提取的建筑物区域内应用形态学建筑物指数实现建筑物信息的自动提取。实验结果表明,本文方法能够高效、高精度地完成复杂场景下的建筑物信息提取,且提取结果的正确性和完整性都优于效果较好的PanTex算法。     

融合直角点和直角边特征的高分辨率遥感影像居民点提取方法

提出了一种融合直角点和直角边两种特征的高分辨率遥感影像居民点提取方法:首先,分别检测高分辨率遥感影像的角点和直线段,通过两种特征交叉验证确定直角点和直角边,并对二者进行栅格化;然后,基于局部直角点和直角边点的密度和距离特征生成居民点指数图像;最后,通过指数图像二值化、栅格转矢量、剔除小图斑等操作确定居民点多边形。使用3景影像进行了试验。试验结果表明,本文方法提高了居民点提取精度,其正确率、完整率、质量等3个指标的平均值比已有方法的相关值分别高6.76%、10.12%、12.14%。     

模式识别与成矿预测V:模式识别应用于地学领域若干问题的讨论

本文在简要介绍模式识别的基础上,以Cora-、Hamming、Lsokid方法为例,对一些识别理论及应用于地学领域若干注意事项作了探讨,尤其对Cora-3的删除特征、弱特征及加权、投票等问题提出了新的看法。     

结合小波变换、SVM和投票法的ASTER影像岩性分类——以东天山尾亚地区为例

为了更加准确地利用ASTER影像辅助填图，提出了一种结合小波变换、支持向量机（SVM）和投票法的ASTER影像岩性自动分类方法。首先，采用Haar小波对ASTER影像进行多尺度小波分解，统计小波系数的均值作为纹理特征，同时提取灰度共生矩阵（GLCM）方差、同质性、均值纹理特征；然后，利用小波纹理、GLCM纹理及光谱特征构造SVM分类的特征向量，并进行10次重复分类；最后利用投票法确定岩性单元。对结果进行统计评估，结合多种纹理，并利用投票法得到的岩性分类精度为92.1934%,Kappa系数为0.9202，比仅用光谱分类精度提高了13.3369%。小波纹理能提取更细节的岩性信息；投票法可以避免岩性因样本的空间变异性产生的动态变化，优化分类结果；SVM较最大似然法（MLC）更适合于训练数据集高维且非正态分布的岩性分类；采用人工蜂群算法搜索SVM的最优参数，可避免参数局部最优。