面向对象的遥感图像数据挖掘

目的：研究基于面向对象的图像分析法的遥感影像数据挖掘技术。方法：应用区域分割算法——区域增长算法、最临近、模糊分类、知识库和模拟退火等数据挖掘的理论和算法进行遥感影像信息挖掘方法研究。结果：提出了基于面向对象遥感图像分析法的遥感影像信息挖掘方法。结论：指出面向对象的遥感图像分析是具有实际应用价值的高效的遥感图像信息挖掘方法之一。     

遥感影像信息挖掘的框架研究

目的：提出遥感影像信息挖掘的框架结构和原形系统的数据挖掘流程；研究涉及的理论与技术。方法：应用了分析比较法，充分研究了一般图像挖掘系统的框架和用于医学影像挖掘的原形系统的挖掘流程，以取之所长，避其所短。结果：设计出了适用于遥感影像信息挖掘的框架结构。结论：指出遥感图像挖掘是一个处于初级阶段的研究领域，理论和技术有待继续研究和完善；遥感图像挖掘必须将一般图像挖掘的理论和技术与地理信息系统技术、遥感技术有效地结合起来，才能开发出具有实际应用价值的高效的遥感图像信息挖掘系统。     

图像数据挖掘中的关联规则

介绍了遥感图像数据的关联规则挖掘方法。对目前图像数据挖掘的研究及应用现状进行了综述。介绍了图像数据关联规则挖掘的最新进展，总结了图像数据关联规则挖掘的特点、类型及图像数据预处理的技术方法。     

多源遥感数据挖掘系统技术框架

陆地资源卫星源源不断地把遥感数据传输至地面，卫星地面接收站积累了海量的卫星遥感数据。遗憾的是，由于缺乏针对遥感数据的有效的数据挖掘和知识发现技术，致使遥感数据中的绝大部分信息没有得到充分的利用。对传统的数据挖掘和知识发现技术进行技术革新和改造，研究针对多源遥感图像的数据挖掘和知识发现技术，不仅可以提高遥感解译的自动化和智能化水平，而且可最大限度地开发和利用遥感信息。为了能允分利用遥感数据，在传统数据挖掘和知识发现技术的基础上，首先探讨了遥感数据挖掘和知识发现的技术流程，然后设计了多源遥感图像数据挖掘系统框架，最后提出了多源遥感图像数据挖掘系统的原型，从而为进一步开发和研制多源遥感数据挖掘系统奠定了技术基础。     

基于IDL的林业遥感图像可视化技术研究

随着空间科技的发展,借助遥感图像开展森林资源调查和监测逐渐成为了解森林资源现状及发展趋势的主要手段。结合林业遥感图像检测典型问题实例,通过对IMG遥感影像的数值模拟和计算结果的可视化,设计并实现了基于IDL的林业遥感图像分类与可视化系统。结果表明,IDL 面向矩阵的特性和强大的数据可视化能力是林业资源检测和林业遥感图像可视化的理想工具。     

基于自组织映射模型的数据挖掘算法在对二甲苯吸附分离过程中的应用

以PX吸附分离过程为研究对象，运用基于SOM模型的数据挖掘算法对其进行分析研究．SOM模型在整个挖掘过程中起了关键性的作用．一方面，SOM模型作为探索性数据分析的有效工具，为进一步的挖掘提供了依据．另一方面，SOM模型为聚类算法提供参数指导和数据支持．最终，通过数据挖掘实现了两个目标，得到了在不同负荷情况下操作参数的稳态优化区域；建立了可用于指导操作员改进操作的可视化实时评估模型．     

空间数据挖掘发展研究

空间数据挖掘是指对空间数据库中非显式存在的知识、空间关系或其它有意义的模式等的提取,在地理信息系统、地理市场、遥感、图像数据勘测、医学图像处理、导航、交通控制、环境研究等各种领域有着广泛的应用。该文从空间数据挖掘的定义、过程、特征和任务等方面对空间数据挖掘技术进行了研究,并介绍了一个空间数据挖掘原型—GeoMiner和未来的研究方向。     

基于免疫遗传算法的多维多层关联规则挖掘

依据遥感影像的特点及WCS标准,研究面向服务的遥感数据挖掘模式及其基于工作流的分布式系统架构。在此基础上,采用.Net体系及WSBPEL流程建模语言,设计一个遥感影像纹理关联规则的挖掘系统,并研究对大数据集的访问、网络资源占用、程序的可伸缩性等方面的实现技术,为Internet环境下遥感影像的处理提供了依据。     

基于分布式服务模型的遥感影像数据挖掘系统

依据遥感影像的特点及WCS标准,研究面向服务的遥感数据挖掘模式及其基于工作流的分布式系统架构。在此基础上,采用．Net体系及WSBPEL流程建模语言,设计一个遥感影像纹理关联规则的挖掘系统,并研究对大数据集的访问、网络资源占用、程序的可伸缩性等方面的实现技术,为Internet环境下遥感影像的处理提供了依据。     

智能遥感：AI赋能遥感技术

随着人工智能的发展和落地应用,以地理空间大数据为基础,利用人工智能技术对遥感数据智能分析与解译成为未来发展趋势。本文以遥感数据转化过程中对观测对象的整体观测、分析解译与规律挖掘为主线,通过综合国内外文献和相关报道,梳理了该领域在遥感数据精准处理、遥感数据时空处理与分析、遥感目标要素分类识别、遥感数据关联挖掘以及遥感开源数据集和共享平台等方面的研究现状和进展。首先,针对遥感数据精准处理任务,从光学、合成孔径雷达等遥感数据成像质量提升和低质图像重建两个方面对精细化处理研究进展进行了回顾,并从遥感图像的局部特征匹配和区域特征匹配两个方面对定量化提升研究进展进行了回顾。其次,针对遥感数据时空处理与分析任务,从遥感影像时间序列修复和多源遥感时空融合两个方面对其研究进展进行了回顾。再次,针对遥感目标要素分类识别任务,从典型地物要素提取和多要素并行提取两个方面对其研究进展进行了回顾。最后,针对遥感数据关联挖掘任务,从数据组织关联、专业知识图谱构建两个方面对其研究进展进行了回顾。除此之外,面向大智能分析技术发展需求,本文还对遥感开源数据集和共享平台方面的研究进展进行了回顾。在此基础上,对遥感数据智能分析与解译的研究情况进行梳理、总结,给出了该领域的未来发展趋势与展望。     

RS在矿山动态监测中的应用——以新疆稀有金属矿集区为例

研究了利用遥感技术开展矿山动态监测的方法与技术路线,即通过遥感图像的信息提取、解译,结合实地调查,对矿山开发状况和矿山生态环境进行客观的反映。通过对比分析不同时相遥感数据的解译结果,指出工作区存在部分违规采矿行为,很好地实现了对本区采矿行为及影像的动态监测。     

基于蚁群优化分类规则挖掘的遥感图像分类研究

蚁群优化算法作为群智能理论的主要算法之一,已经成功应用在众多研究领域的优化问题上,但是在遥感数据处理领域还是一个新的研究课题。蚁群优化具有自组织、合作、通信等智能化优点,对数据无需统计分布参数的先验知识,因此在遥感数据处理领域具有很大的潜在优势。介绍了将蚁群优化分类规则挖掘算法应用到遥感图像分类研究领域的理论与算法流程。并采用北京地区的CBERS遥感数据作为实验数据,通过蚁群优化算法构造分类规则,对选择的遥感数据进行了分类实验,并和最大似然分类方法进行对比,实验结果表明,蚁群优化分类规则挖掘算法为遥感图像的分类提供了一种新方法。     

中国遥感软件研制进展与发展方向——以像素专家PIE为例

随着航天航空遥感技术的飞速发展，立体式、多层次、多视角、全方位和全天候对地观测的时代已然到来。如何激活数据价值，更好地服务行业应用，满足快速增长的遥感应用需求，成为遥感企业面临的迫切课题。遥感图像处理软件作为遥感数据与行业应用的桥梁，在遥感产业化过程中发挥着不可替代的作用。本文概述了国内外遥感卫星数据和遥感软件发展历程，通过中国国产遥感图像处理软件——像素专家（pixel information expert，PIE）阐述了国产遥感软件的研制进展、典型应用和未来技术发展方向。PIE软件具有多源遥感载荷全方位支持、全谱段要素信息智能提取、多行业全业务链深度融合、海量遥感数据快速处理和自主产权程序完全可控等5大核心能力。未来将加强与大数据、云计算和人工智能等技术前沿领域的交叉融合，提升遥感数据分析处理、知识挖掘与决策支持能力，实现遥感数据的按需获取快速传输和专题信息聚焦服务。     

高空间分辨率遥感影像分割方法研究综述

遥感影像分割是指把一幅影像划分为互不重叠的一组区域的过程,它要求得到的每个区域的内部具有某种一致性或相似性,而任意两个相邻的区域则不具有此种相似性。遥感影像分割是面向对象的遥感影像数据挖掘与应用中的一项关键技术,对于影像目标信息自动化提取与智能识别尤为重要,在面向对象的遥感影像处理工程中具有重要意义。本文对常见的高空间分辨率遥感影像分割方法与应用策略进行了分析,比较了各种分割方法的应用范围、优缺点及目前存在的改进措施。建立了面向对象的遥感影像分割方法的分类体系,最后指出了面向对象的遥感影像分割方法目前所存在的问题及应用前景。     

Siamese transformer network-based similarity metric learning for cross-source remote sensing image retrieval

Neural Computing and Applications - As a fundamental technique for mining and analysis of remote sensing (RS) big data, content-based remote sensing image retrieval (CBRSIR) has received a lot of...     

鄂西聚磷区矿产开发多目标遥感监测目视解译技术

文章以鄂西为研究区域,利用多源遥感影像对鄂西矿产资源开发利用状况、规划执行情况、矿山环境以及环境破坏情况进行监测。在广泛收集研究区域卫星遥感数据及矿权资料等相关非遥感数据的基础上,通过对影像的处理与增强提取多目标信息,并针对矿产资源开发多目标遥感监测中相应的目视解译方法进行了探讨。     

基于应用本体的多卫星遥感数据检索

基于本体的遥感数据检索系统目前尚处于起步阶段,本体论(ontology)、语义网(semantic web)概念的提出推动了智能信息检索技术的发展,使得该类检索可以充分挖掘信息的深度与广度。如何构建一个关于遥感数据共享的应用本体,基于应用本体如何实现遥感数据检索系统的基础架构,是本篇文章所要讨论的重点内容。     

基于决策树算法的遥感图像分类研究与实现*

针对传统分类方法在处理空间特征分布极为复杂的数据时效果不佳的缺点,结合分层思想的树分类技术,对广泛用于数据挖掘模型中的CART决策树算法进行改进,提出了一种基于人机交互的决策树算法,将其应用到遥感图像自动分类中,具有很好的弹性和鲁棒性,且分类结构简单明了,达到了更好的分类效果。以VC++ 6.0作为开发工具,定义了一种特殊的数据结构,实现了该分类系统。实践表明,该系统具有很好的稳定性和交互性,实用性较强。     

Image retrieval from remote sensing big data: A survey

The blooming proliferation of aeronautics and astronautics platforms, together with the ever-increasing remote sensing imaging sensors on these platforms, has led to the formation of rapidly-growing earth observation data with the characteristics of large volume, large variety, large velocity, large veracity and large value, which raises awareness about the importance of large-scale image processing, fusion and mining. Unconsciously, we have entered an era of big earth data, also called remote sensing (RS) big data. Although RS big data provides great opportunities for a broad range of applications such as disaster rescue, global security, and so forth, it inevitably poses many additional processing challenges. As one of the most fundamental and important tasks in RS big data mining, image retrieval (i.e., image information mining) from RS big data has attracted continuous research interests in the last several decades. This paper mainly works for systematically reviewing the emerging achievements for image retrieval from RS big data. And then this paper further discusses the RS image retrieval based applications including fusion-oriented RS image processing, geo-localization and disaster rescue. To facilitate the quantitative evaluation of the RS image retrieval technique, this paper gives a list of publicly open datasets and evaluation metrics, and briefly recalls the mainstream methods on two representative benchmarks of RS image retrieval. Considering the latest advances from multiple domains including computer vision, machine learning and knowledge engineering, this paper points out some promising research directions towards RS big data mining. From this survey, engineers from industry may find skills to improve their RS image retrieval systems and researchers from academia may find ideas to conduct some innovative work.