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。     

遥感影像数据挖掘研究进展

遥感影像数据挖掘是一个有着广阔应用前景的研究领域。由于遥感影像数据库的海量特征，遥感影像数据挖掘已成为空间数据挖掘的主流。依据遥感影像数据挖掘的方法和目的，从图像索引和检索、图像分类、图像聚类、空间关联规则挖掘、影像变化检测以及高光谱数据挖掘六个方面对遥感影像数据挖掘的国内外研究现状进行了综述。并指出了遥感影像数据挖掘和知识发现中应该着力解决和注意的几个问题。     

适合人口普查区域划分的遥感影像最佳空间分辨率研究

根据人口普查区域划分对地理信息的需求,分析总结了不同区域类型和不同人口数量等级普查区域对遥感影像的要求。对主要确定普查区域界线的地物进行了归纳,依据遥感影像最佳空间分辨率的概率模型,分析得出不同区域满足人口普查区域划分需要的遥感影像最佳空间分辨率,并通过实验区的实际应用进行了验证,作为全国人口普查普查区域划分及制图选择遥感影像空间分辨率的依据。     

公路路域生态环境遥感监测数据源选取研究

为了满足路域生态环境监测遥感数据选取的需求,针对公路建设及生态特点,从时相特征、空间特征、数据特征和价格因素4个方面考虑,以近年修建的8条高速公路为研究对象,对其遥感影像进行了筛选。通过公路修建的不同时期、当地植被生长季以及时相一致性,从时相特征对遥感影像进行选择;根据不同尺度所选择的遥感影像分辨率要求,从空间特征上对其进行选择。依据可见光数据、多光谱数据以及高光谱数据的特征\,云量以及光照因素对遥感影像的影响等,从数据特征方面对遥感影像进行选取;考虑价格因素能够更为有效地使用遥感资源。通过这4个方面的筛选,能够为公路路域生态环境监测选取较为适宜的遥感数据提供科学依据。     

基于ERDAS LPS的无人机遥感影像技术

随着遥感技术的发展,遥感航拍数据成为了部分行业不可或缺的基础资料。在环境恶劣的地区,卫星航拍造成数据难以接收、影像使用率低等问题,而无人机遥感技术却可以解决这些问题。基于此,研究、分析了ERDASLPS的无人机遥感影像快速处理技术,并提出了提高DEM精度的解决办法,为后期对无人机遥感影像技术的研究提供一定参考依据。     

基于面向对象分类技术的景观信息提取研究

依据高分辨率遥感影像的特点,如何充分地利用影像的光谱信息和空间信息以及地学特征进行更为微观的遥感监测或大比例尺制图是高分辨率遥感研究的重要内容之一。本文以地形复杂的武夷山自然保护区为研究区域,以SPOT5原始影像为数据源,采用面向对象的多尺度分割方法,实现了不同尺度地物信息的分层提取。基于上层的分类结果对特定地物进行影像分割,选择合适的特征参数,并通过多次试验建立影像对象的隶属度函数,或利用最邻近分类法,逐级分层地提取了研究区的景观信息。研究结果显示：利用面向对象分类方法可以快速方便地对地形复杂条件下研究区的SPOT5遥感影像的景观信息提取,精度为76%,为高分辨率遥感影像的信息提取提供了更为快速、有效的技术途径。     

基于三维地球的海量遥感影像高效可视化管理系统的设计与实现

针对数量日益增长的多源、异构遥感影像组织与管理问题,在分析遥感影像特点的基础上,设计并实现了海量遥感影像高效可视化管理系统。研究了系统的组织架构,借助三维地球技术,提升系统的可操作性与视觉体验;采用元数据库技术,实现海量、多分辨率遥感影像的统一、快速查询、检索与定位;通过遥感影像缩略图、金字塔模型和线程池机制,提高遥感影像读取及可视化显示的效率。最后,完成了基于三维地球的遥感影像可视化管理系统的功能集成,实现遥感影像的多种管理模式和多层次需求。在此基础上,在实际工程应用中为海量遥感影像的分发服务提供有力的技术保障。     

校园遥感影像发布系统的设计与实现

针对校园面积不断扩大、地理分布复杂以及遥感影像对校园地表信息获取快、情况反映真实的特点,利用Google Earth免费提供的高分辨率卫星图片,设计了基于ArcIMS三层结构的校园遥感影像发布系统.实现了用户通过网络对校园遥感影像数据的查询、检索与访问,为校园的发展预测、规划决策以及科学管理提供可靠依据.文章首先对系统采用的体系结构和影像数据的存储管理进行了介绍,然后给出了系统详细地设计及实现过程,并展示了系统客户端的运行界面,最后讨论了该系统的应用前景和进一步研究的重点.     

以SPOT5遥感数据为例比较基于像素与面向对象的分类方法

以SPOT5高空间分辨率遥感影像为研究数据,采用面向对象的遥感影像分类方法,将基于像素的分类精度与基于影像对象的分类精度进行对比分析。结果表明:基于像素的分类方法在处理高空间分辨率遥感影像时具有一定的局限性,而面向对象的分类方法充分利用了影像中的光谱信息、几何结构、空间信息及上下文信息,在高空间分辨率遥感影像分类方面更具有优势,有良好的应用前景。     

基于分布式的RS影像快速分发机理及应用

提出利用分布式技术来建立遥感数据个性化快速分发服务体系的整体策略,研究了Web服务构建影像处理平台的相关技术,开发了适应于遥感影像快速发布的遥感影像压缩及地理编码信息处理模块,实现了适应于当前网络环境下遥感影像个性化,实时分发方式。实验结果表明,遥感影像发布效率有很大提高,个性化需求得到满足。     

基于频繁集的图像特征抽取

在图像分析领域,已有不少研究探讨了通过构建图像相邻像素之间的事务数据集,对图像纹理关联规则进行挖掘,但纹理关联规则仅存留最大项的频繁项集会使得很多信息丢失。为此提出了基于频繁项集的图像特征抽取方法,该方法首先基于项集的频繁度及空间分布筛选候选频繁项集,再定义每一个频繁项集的空间表达能力值构建特征集。在遥感图像上进行仿真测试,针对EM算法对初始设置比较敏感的特点,采用了对同一特征集指定不同聚类数目并比较对数似然值确定最终聚类结果的方法。实验结果表明,提出的频繁集对图像特征具有较好的表达。     

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。     

Land-use mapping and change detection in a coal mining area - a case study in the Jharia coalfield,India

In an area like the Jharia coalfield (JCF), where extensive and rapid underground and opencast mining is going on continuously, land-use studies are of paramount importance. This paper discusses the remote sensing-GIS techniques used for identification of various land-use classes on satellite imagery and enhanced products and identification of time-sequential changes in land-use patterns. The various land-use classes, recognised from satellite image data and field surveys, are dense vegetation, sparse vegetation, fire, opencast mining (coal), overburden dump, subsidence and barren wasteland, settlement, transport network, river and water pond. A number of image processing operations have been carried out on remote sensing data for enhancing land-use patterns. It has been found that Landsat TM false colour composites (FCC) of bands 4, 3 and 2; FCC of bands 7, 5 and 3; FCC of bands 5, 4 and 2 and ratio images provide very useful information for land-use mapping. The normalised difference vegetation index (NDVI) images have been used for vegetation studies. Image characters of various land-use classes on black-and-white and enhanced colour products have been tabulated. Land-use maps of selected windows have been prepared and examples given. Time-sequential surface changes that have occurred in the JCF since 1975 and particularly between November 1990 to November 1994 have been investigated. For change detection analysis, data manipulation in several steps involving preprocessing, processing and colour display have been carried out. Land-use changes have been detected by (a) image differencing, (b) image ratioing, and (c) differencing of NDVI images. It is inferred from the remote sensing images that extensive mining, establishment of communication networks, expansion of settlements, decrease in the vegetation cover etc., have remodelled the face of the JCF.     

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.     

基于多源遥感数据的区域景观格局尺度效应

无论在景观生态学还是在遥感领域,尺度问题都是非常重要的问题,目前已有的研究主要考虑景观的粒度效应,很少涉及遥感影像空间分辨率对景观格局的影响。在遥感和地理信息系统软件的支持下,利用多源遥感影像,结合研究区的特点进行了景观分类,并从不同遥感数据的空间分辨率角度进行空间粒度放大试验,探讨景观格局的尺度效应。研究结果表明：基于不同空间分辨率遥感影像的土地利用空间数据具有尺度效应,其所反映的区域土地利用景观格局在宏观上是一致的,但类型的边界、形状和数量均产生较大的差异;景观格局指数能反映不同遥感影像所记录的地表信息,从不同遥感数据源、不同空间分辨率的角度定量化判断尺度放大过程中区域土地利用景观特征信息的尺度效应。     

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。     

遥感融合图像分类精度的研究

把不同空间分辨率的TM和IRS遥感图像进行融合,综合了不同传感器数据所提供的信息,增强了图像的清晰度,改善了解译效果。对遥感融合图像进行分类,分类精度达97.90%,效果优于TM图像(分类精度为89.39%)。     

协同训练支持向量机对遥感影像的分类研究

协同训练可以提高半监督分类器的分类精度,而如何构建具有冗余特性的训练集是其关键所在。依据遥感影像的纹理特征,提出了基于纹理特征值及像素灰度值构建的两个训练集上协同训练支持向量机的算法CTSVMTRS。仿真实验比较了在不同训练集上CTSVMTRS的分类效果,在叠代训练过程中,两类数据集的所有过程的测试结果都存在的明显差异验证了提出的观念。