分步式卫星图像检索

对于大型遥感图像数据库,如何快速有效的检索到需要的图像是一个关键问题。虽然许多不同的检索技术被设计用于减少需要检索的目标图像的数量,可是绝大多数检索技术都是基于低级特征并且没有或很少考虑高级语义信息。因此使用这些检索技术,检索到的图像在低级特征空间比较相似而在语义方面却关系不大。为了解决这一问题,本文提出了一种分布式卫星图像检索方案。该方案首先利用贝叶斯网络预选一组与用户查询目的相关的候选图像,然后再利用计算代价更高的基于区域的相似度度量方法来对候选图像重新排序并返回给用户。这样检索到的图像不但与用户的查询目的高度相关,而且与查询图像有着相似的低级信号特征。另外,由于候选图像比数据库中存储的图像要少的多,因此本文提出的检索方案大大减少了对大型数据库的检索时间。     

长对角线法实现GIS中矢量地图面状地物汉字注记的自动配置

从图形学角度探讨了面状要素自动注记的问题,认为对于GIS矢量地图中大量的复杂面状图形可以通过简化后构建其简单多边形,进而获取简单多边形内的最长对角线作为注记配置的基准线,提出了一种简单快速的地图面状地物汉字注记自动配置的新算法。     

面向道路网的GPS浮动车覆盖率模型研究

给出了对ISO19115-3进一步扩展的方案,完善了影像与栅格元数据模型。利用UML概念与OWL概念之间的映射关系,实现了基于OWL表达的影像与栅格元数据规范本体,并利用该本体描述提出了一种基于用户交互的语义扩展方式,并将其应用到目录服务元数据查询中,缩小了用户查询与元数据描述的语义鸿沟,提高了目录服务查询的针对性,并为影像与栅格元数据的发现提供了一种更加人性化的交互方法。     

基于时空模糊本体的交通领域知识建模

在分析本体技术和交通信息特点的基础上,针对交通概念描述的特殊要求,提出了时空模糊本体的概念,以描述交通领域概念,并利用时空模糊本体进行交通领域知识建模。     

城市街道注记离散化定位的自动推理方法

在线状要素注记配置规则的基础上,分析了城市街道注记自动配置规则,研究了从图面注记到空间目标名称属性的自动转换方法。结合Arc/Info平台的特点,给出了城市街道注记离散化定位的自动推理策略和计算方法,在Arc/Info平台上编程实现了该算法。     

一种决策驱动的地图综合服务语义增强方法

目的 从地图综合经典决策模式出发,提出了“算子、算法、参量”的三层决策模式与WPS交互流程之间的隐性对应关系,并由此扩展到通用的服务链创建;然后,利用这种对应关系梳理了服务语义增强必需的4类语义描述信息;最后,使用该信息扩展了WPS规范。该方法归纳的语义信息简洁精确,可分层次嵌入WPS服务的交互流程,在顾及标准的同时提升了地图综合服务的语义互操作能力。     

语义知识支持的城市POI与道路网集成方法

提出一种基于POI与道路间语义关联的城市POI与道路网集成方法。首先利用POI的路名信息构建POI语义连接图,并识别和简化道路交叉口结构;然后结合POI与交叉点的连接路名信息进行POI与路网的特征点匹配;最后通过迭代方式实现POI与路网数据的位置集成。实验表明,本文方法能够将偏差较大的POI有效集成到道路网中,保证POI与导航路网间相对位置的准确性。     

空间关系词汇与地理实体要素类型的语义约束关系构建方法

为克服依赖常识人工归纳总结的局限性,采用定性和定量相结合的方式,自动构建空间关系词汇与地理要素类型的语义约束关系。首先,以《中国大百科全书(地理版)》空间关系标注语料库为基础数据,采用Overlap语义相关度计量方法,挖掘空间关系词汇与地理要素类型约束关系的先验知识;然后以地理要素分类体系提供的概念语义相关性对先验知识进行扩展;最后采用本体工具Protégé建立相关知识库。     

基于深度学习的高分辨率遥感影像光伏用地提取

近年来我国光伏产业发展迅猛,随之也产生了诸多用地问题,通过遥感技术提取光伏用地,监测光伏用地分布与用地状况,对于光伏产业健康发展具有重要意义。本文提出一套基于深度学习方法的高分辨率遥感影像光伏用地自动提取方法,该方法利用GF-1等卫星影像和Google Earth影像构建光伏用地样本,基于ResNeSt-50作为骨干网络的DeepLab V3+模型实现深度学习语义分割算法,并结合计算机图形学方法对深度学习结果进行后处理,实现了面向高分辨率遥感影像较通用的且高精度的光伏用地自动提取。该方法的深度学习模型验证精度mIoU值达0.899 2,提取结果具有良好的边缘精度且具有广泛的适用性,支持GF-1、ZY-3、GF-6、GF-2和Google Earth等影像。     

应用稀疏非负矩阵分解聚类实现高光谱影像波段的优化选择

针对高光谱影像数据高维性、高度相关性和冗余性等特点,提出应用稀疏非负矩阵分解聚类实现高光谱影像波段的优化选择。通过稀疏非负矩阵分解方法对高光谱影像进行稀疏化表示,同时顾及其可聚类的特性,在保留所选波段物理意义的基础上,得到波段选择后的高光谱影像降维数据。通过该方法对PHI-3高光谱影像进行波段选择的试验分析,应用聚类特征有效性分析波段聚类结果,并采用波段子集的信息量、相关性和可分性3类评价指标来验证方法的效果。最终,从运行效率和分类精度两方面证明了基于无监督聚类的稀疏非负矩阵分解对高光谱影像的波段选择的实用性。