基于图像分割和EM算法的PolSAR地物分类方法

在极化合成孔径雷达（PolSAR）地物分类研究中,基于卷积神经网络的图像分割算法存在高维特征信息冗余而导致的分类边界模糊、分类精度低、计算复杂等不足,提出一种基于卷积神经网络和EM算法的轻量化图像分割网络,称为低秩重构网络（low-rank-reconstruction-net,LRR-Net）,应用于全极化SAR图像的地物分类。LRR-Net从极化目标分解的思想出发,利用EM算法对特征进行低秩重构,将特征从高维空间映射到低维空间,在减少参数的同时实现更精确的分类。用高分三号全极化图像数据对模型进行训练测试并评估,结果表明模型在保证分类精度的前提下,降低了模型复杂度。     

基于AdaBoost改进随机森林和SVM的 极化SAR地物分类

为提升极化合成孔径雷达(SAR)地物分类精度,提出一种基于AdaBoost改进型随机森林和支持向量机(SVM)结合的二级分类结构。首先将AdaBoost改进型随机森林作为初级分类器,该分类器能根据决策树的分类能力赋予权重,分类能力越强则权重越高,从而提升初级分类精度。初级分类器还能评估输入特征的重要性,获得重要性排名。根据重要性排名进行特征筛选,用筛选后的特征训练SVM分类器,获取二级分类结果。最后利用邻域投票法将两级分类结果融合。AIRSAR极化数据对比实验表明,该分类结构可有效提升极化SAR地物分类精度。     

高分辨率遥感影像线状地物提取方法研究

线状地物提取是遥感影像处理的主要研究内容之一。本文针对传统低层次单个像元纯光谱的信息提取方法的不足,构建了一种基于Canny边缘检测的面向对象提取方法。并针对面向对象遥感影像分割容易受到噪声和其他地物干扰导致提取精度不高的问题,运用Canny算子对遥感影像进行高斯滤波,降低噪声影响,采用高低双阈值法细化边缘有效检测出地物的边缘信息。最后结合面向对象的原理,通过基于规则的方法提取线状地物,得到包含线状地物信息的二值图像。精度检验结果表明,基于Canny边缘检测的面向对象方法提取线状地物的欠提取率平均为6.3%,比数学形态学方法提取线状地物的欠提取率下降了22.6%,可以有效提高线状地物提取的精度,对高分辨率遥感影像线状地物信息提取研究具有一定的参考价值。     

特殊自然地物对城市住宅地价和房价的影响——以武汉市为例

揭示微观影响因素对城市住宅地价和房价的影响作用关系,是提高城市地价和房价预测水平,有效进行土地和房地产市场宏观调控的基础工作。本文采用地理加权回归模型(GWR)定量测度与分析特殊自然地物湖、江、山体对城市住宅地价和房价的影响及其空间分异特征,并尝试根据影响因素作用的差异解释住宅地价和房价空间分布特征形成的部分原因。结果表明:(1)住宅地价和房价与各自然地物之间呈现空间非平稳的影响作用关系;(2)湖对住宅地价和房价的平均边际价值分别为0.11元/m2、0.52元/m2,江均为0.15元/m2;在区域分布上,住宅地价和房价高值区受湖和江的影响更显著,面积较大的湖泊(如东湖)因受周边商服繁华程度、供给能力等因素影响对住宅地价和房价的作用存在各向异性;城市的山体或因坡度小、分布零散及周边特殊用地结构如黄鹤楼等保护性建筑限制了区域土地的商业开发,使其对住宅地价和房价影响作用不显著;(3)住宅地价与房价受湖影响的作用变化趋势并未呈现空间一致性,而是切合了区域住宅地价和房价的价格走势,且变化幅度与价格高低呈正相关;住宅地价和房价受江影响的边际作用力大小差别不大,空间上表现为梯度和圈层两种不同的变化趋势。     

基于面向对象高分辨率影像的校园地物提取

针对高分辨率遥感影像的校园地物分类,引入了面向对象的信息提取技术,以校园作为研究对象,实现校园用地的分类和提取。最终结果精度高达85%左右,比传统监督分类中相对成熟的最大似然的精度高出10%左右,同时克服了"椒盐"噪声的影响,各地物信息的提取特征比较明显,具有较大的应用潜力。     

特征地物在地图上的体现

古人云：授以鱼,仅供一日之食;授以渔,可供终生受用。在地理教学指导学生把所学的知识浓缩于地图上,然后串联起来,分析各知识点之间的异同点及联系,这样,学生脑海中就形成了一张张活的地图,达到事半功倍的学习效果。     

基于ArcInfo8地形图符号配置

ArcInfo8是目前国际应用广泛的GIS软件之一，文章讨论了基本ArcInfo8进行基础地形图符号配置的整个过程及相关程序。     

形状相似性在面状地物的综合质量评价中的应用

在地图的综合质量评价中,对面状地物的评价占有很大比重。传统方法主要是人工凭借相关知识及经验进行评价,本文以通过相似性分析,引入数学模型加以改进,获取面状地物的形状相似度。这样通过定量的方法评价面状地物的质量优劣,为相关的质量检查人员提供一定的参考。     

NOAA卫星角度信息在分类中的有效性研究

利用连续几天的NOAA卫星数据,经过数据预处理、Ambrals、Rahman模型反演、大气校正,将提取出的角度方向信息,以土地利用图为基础,使多角度遥感理论研究与卫星遥感的实际应用有机结合,评价其在地物识别、提取、分类中对精度提高、方法改善的有效性.研究结果表明,加入角度数据后,无论从类间可分性还是从分类精度上,都要比常规分类数据高,其分类精度提高了2%～7%.     

影像辅助LiDAR点云的地物提取方法研究

从Li DAR点云中准确地提取地物是Li DAR数据处理过程中的一项关键工作。针对Li DAR点云数据在滤波分类和点云精确提取分类方面的不足,提出了一种新的影像辅助下Li DAR点云地物提取的方法。首先,对Li DAR点云按高程值重采样生成高程投影影像并自动分割,同时从高分辨率正射影像提取特征影像,然后将特征影像和由Li DAR生成的分割影像进行集成分析,利用影像提取结果辅助Li DAR点云错分、漏分纠正和点云精确分类处理,最后通过试验分析,验证了该方法的可行性与有效性。